State of AI Report 2026 逐页解读(第3期):推理经济爆发与 AI 公司收入竞赛

这是 State of AI Report 2026 逐页解读系列第 3 期。本系列对 Nathan Benaich（Air Street Capital）于 2026 年 10 月 8 日发布的年度报告进行逐页解读，每页配该页原始幻灯片，逐页说明它在讲什么、数据意味着什么、为什么重要，以及它与前后页的关联。报告共 244 页，分为 Introduction、Research、Industry、Politics、Safety、Predictions 六个板块。

本期导读

本期覆盖报告第 82 至 120 页（报告自身标注页码为 81 至 119），是 Industry 板块的前半段，回答一个很世俗的问题：AI 到底赚了多少钱、钱是怎么赚的、这套商业模式的底层经济学是什么。

四个核心看点：其一，OpenAI 与 Anthropic 合计年化收入从 2026 年初的 300 亿美元冲到 1050 亿美元，且是在不断抬高的基数上继续实现同比三倍以上的增长；其二，推理成本以每季度约 47% 的速度下降，AI 成为自 DNA 测序以来降价最快的主流技术范式，但这并不意味着完成一件工作就变便宜了；其三，AI-native 公司的增速约为 AI-enabled 软件的 3 倍，而企业侧支出高度集中，头部 1% 公司的人均 AI 支出是中位数公司的约 580 倍；其四，Claude Cowork 引发的「SaaSpocalypse」在两周内蒸发近 2850 亿美元软件市值，把「按席位收费」这一商业假设推上了审判台。

   

图 P82 · 第 2 部分开场：正式进入「Industry」 ｜ 来源：State of AI Report 2026

这是报告第 2 部分「Industry」的分隔页（报告自身页码 81）。看顶部导航条就能读出整份报告的结构：Introduction、Research、Industry、Politics、Safety、Predictions 六个板块，我们这一期正式从 Research 转到 Industry。前一个板块回答的是「模型能力到哪一步了」，这一板块要回答的是更世俗的问题：钱在哪、谁在赚、赚多少、还能赚多久。

读之前先说清作者的立场。报告出品方 Air Street Capital 本身就是 AI 投资机构，作者 Nathan Benaich 投资了报告中出现的部分公司（如 Sereact、Wayve、Black Forest Labs、Odyssey、Profluent）。所以 Industry 这一板块既是行业观察，也是一份投资人视角的立场文件。数据本身是公开可核的，但「什么最重要」的判断里带着投资人的偏好，读的时候要把这层身份放在心里。

   

图 P83 · OpenAI 与 Anthropic 合计年化收入冲到 1050 亿美元 ｜ 来源：State of AI Report 2026

这是本期最抓眼球的数字：两家实验室合计年化收入（run rate）达到约 1050 亿美元，而 2026 年初还是 300 亿美元。所谓 run rate，是把最近一段时间的收入折算成整年的口径——它不是已经落袋的年度收入，而是「按当前速度跑一年会是多少」，在高速增长期天然偏高，这也是后面所有争论的起点。

拆开看：OpenAI 在 2026 年 8 月突破 400 亿美元，约为 2025 年底 214 亿美元的两倍；Anthropic 7 月达到 650 亿美元，而年初进入时是 90 亿美元。曲线形状比绝对值更值得琢磨：小图从 2024 年 1 月的约 18 亿，到 2025 年 1 月的约 65 亿，再到 2026 年 1 月的 300 亿、7 月的 1050 亿。同比增速分别是 2024 年 3.6 倍、2025 年 4.7 倍、2026 年前八个月已 3.5 倍——在越来越大的基数上继续翻三倍，这是复利最反直觉的部分。

报告同时给了两条必要的警示：其一，OpenAI 认为按云服务总额记账会把 Anthropic 的收入口径抬高最多 80 亿美元；其二，《金融时报》指出其 80% 以上的毛利率是尚未扣除合作方分成与模型训练成本的口径。1050 亿这个数是真的，但它的可比性取决于你怎么定义「收入」。

   

图 P84 · 1050 亿美元，相当于它要颠覆的行业的多少？ ｜ 来源：State of AI Report 2026

把 AI 收入放进传统服务业的坐标系，冲击感才出来。报告做了三组对标：AI 实验室的年化收入是印度 IT 服务双雄塔塔咨询（TCS）与 Infosys 合计收入（约 500 亿）的 2.1 倍；接近四大会计师事务所收入（约 2200 亿）的一半；是英国法律服务市场（约 670 亿）的 1.6 倍。

报告自己专门加了一行注释：「这是规模比较，不是已被替代的收入」。这句话很关键——AI 实验室赚的钱和会计、律所赚的钱并不在同一张损益表上相互抵消，前者更多来自新增预算，而非直接从后者口袋里掏走。作为参照，第三方对「AI 总收入」的估算差异极大：Exponential View 给到 2290 亿美元，经济学人约 1500 亿美元，统计口径和截止日期都不同。看这类数字，先把「谁的口径」问清楚，再谈大小。

   

图 P85 · 收入之外的先行指标：Codex 七个月涨了 15 倍 ｜ 来源：State of AI Report 2026

收入是滞后指标，产品使用量是先行指标，这一页讲的是先行指标。OpenAI 的 Codex 从 2 月初的每周 160 万用户，涨到 8 月 31 日的 2500 万活跃用户，七个月约 15 倍；推动力是产品营销把这款编程工具重新定位成服务「知识工作」的工具。与此同时，Claude Code 的年化收入从 2025 年 8 月的 5 亿、11 月的 10 亿，涨到 2026 年 2 月的 25 亿；年付超过 100 万美元的客户从 2024 年 2 月的 12 家，增至 2026 年 2 月的 500 家以上，到 5 月突破 1000 家。

要留意口径细节：Codex 在 6 月之前统计的是「周活跃用户」，7 月起改称「活跃用户」，两者并不等同；数据来自两家公司及其员工的公开披露，属于自报口径。但方向是清楚的——编程 Agent 已经从开发者的小众工具，变成两家实验室最重要的收入引擎，而「大客户数量」这个指标比总收入更能说明企业侧的付费深度。

   

图 P86 · Ramp 数据：企业 AI 支出 96% 流向两家 ｜ 来源：State of AI Report 2026

Ramp 是企业信用卡与账单支付平台，能看到企业真实的 AI 支出流水，因此是观察「钱流去哪」的优质样本。在把 API 用量接入 Ramp 的企业中，截至 10 月 3 日，Anthropic 占 token 支出的 52.4%，OpenAI 占 43.3%，其他所有供应商合计只有 4.2%。

曲线还记录了一个细节：Anthropic 在 9 月下旬重新夺回支出领先位置，而这一年里两家份额反复交错——2025 年上半年 OpenAI 一度明显领先，2026 年一季度双方几乎拉平，随后 Anthropic 反超。意义在于：所谓「AI 模型市场」在企业真实账单上其实是个双寡头市场，第三方模型厂商和开源推理服务商拿到的是零头。这既是两家实验室收入增速的来源，也是整个行业估值逻辑的基石——如果企业的钱只往两个口袋流，那两个口袋的定价权就极高。

   

图 P87 · 换一个平台，市场份额就换一张脸 ｜ 来源：State of AI Report 2026

这一页是方法论的提醒，也是全篇最容易被误读的一页。在 OpenRouter 上按「文本请求数」统计，9 月 28 日那一周 Google 占 21.5%、DeepSeek 21.8%、OpenAI 与 Anthropic 合计 20.7%，其余模型合计 36.0%。而在 Vercel 上按 10 月 4 日的单日快照，开源权重模型处理了 62.7% 的 token，却只拿到 26.9% 的支出份额。

两个数字放在一起，讲的是同一件事的不同切面：开源模型吃掉了大量调用量，但单位价格低，换来的是很小的收入份额；反过来，两家闭源实验室请求份额不高，却拿走了绝大多数钱。报告特意标注「不同样本、不同指标、不同区间，平台活跃度不等于全球市场份额」——这句话值得抄送给任何一份「某模型市场份额第一」的新闻稿。判断这类排名，永远先问三件事：样本是谁、统计的是量还是钱、时间窗多长。

   

图 P88 · 霸榜很难：一年里能待在前五的模型是少数 ｜ 来源：State of AI Report 2026

这一页对比两个榜单的「霸榜时长」。在 LMArena（人类偏好投票）上，Anthropic 有 51 周至少一款模型进入前五，Google DeepMind 31 周，xAI 20 周，Meta 14 周，OpenAI 仅 8 周，阿里 1 周。在 Artificial Analysis（指标化评测）上，OpenAI 51 周、Anthropic 44 周、DeepMind 28 周，其余厂商都在 6 周以内。

两个榜单的差异本身就是信息：Arena 衡量人类觉得哪个回答更好，Artificial Analysis 衡量可测的指标分数，所以在一个榜上强的厂商在另一个榜上未必靠前——OpenAI 在 Arena 只有 8 周，在指标榜上却是全年满勤，说明它的产品体验优势并不体现在「人类盲测偏好」上。报告给出的结论是：只有 Anthropic 和 Google DeepMind 在两个榜上都待够了全年的三分之一。对采购和投资的含义很直接——模型「第一名」的身位是流动的，把架构押在单一供应商的榜单排名上并不安全。

   

图 P89 · 「不能因为支线任务分心」：OpenAI 关掉十条产品线 ｜ 来源：State of AI Report 2026

这一页用一张甘特图把「聚焦」变成看得见的动作。OpenAI 在 2026 年一年里关停或公布了 10 条产品线的关闭日期：DALL·E 2/3 的 API（上线后 49 个月关闭）、ChatGPT 插件（12 个月）、Assistants API（34 个月）、Canvas（20 个月）、Evals 平台（23 个月）、Operator（7 个月）、ChatGPT Pulse（9 个月）、Sora 应用（7 个月）、Agent Builder（14 个月）、ChatGPT Atlas（10 个月）。活下来的核心只有三样：ChatGPT、ChatGPT 企业版与工作版、Codex。图上的月份数字是「从上线/公开发布到关闭」的时长，越短说明决策越急。

对照之下，Anthropic 一栏写着「什么都没关，因为当初就没开这些战线」——Claude、MCP、Claude Code、Claude Cowork 四条线全部在位。这张图的价值不在于评价谁对谁错，而在于它揭示了一个常被忽略的成本：产品线的数量本身就是组织的成本。在算力与人力都紧张的年景里必须做减法，谁的清单更短，谁的资源就更集中。

   

图 P90 · 聚焦的代价：被放弃的赛道已被对手占据 ｜ 来源：State of AI Report 2026

上一页讲 OpenAI 做减法，这一页讲减法的账单。表格逐条列出两家实验室的「放弃清单」以及现在谁在那里：生成式视频（OpenAI 2026 年 4 月退出、9 月关停 API，Anthropic 从未进入），现在由 Runway、Black Forest Labs、Luma、可灵、Google Veo 占据；独立图像产品（DALL·E 品牌被退休，图像能力收进 ChatGPT），由 Midjourney、Black Forest Labs、Ideogram、Recraft 接手；AI 浏览器（Atlas 2026 年 8 月关停，并入 Chrome 扩展与 ChatGPT 桌面端），由 Perplexity 的 Comet、Opera Neon、The Browser Company 在做；机器人（OpenAI 2021 年解散、2024-25 年重启，Anthropic 未进入），由 Physical Intelligence、Skild、Figure、1X、Covariant 在做；AI for Science 与「自我改进的研究系统」两家都只是边缘或内部项目，外面站着 Periodic Labs、Lila Sciences、Edison Scientific、Isomorphic、Profluent、Mirendil、Core Automation、Discovery Loop；音乐（MuseNet、Jukebox 早已废弃，两家都不做），由 Suno、Udio、ElevenLabs 在做。

图中标红的公司是由两家实验室前员工创办的。报告的判断值得记下来：这些「新实验室」可能越来越像生物科技公司——一旦验证了某个研究押注，它们要么成为挑战者，要么成为被收购的对象。这解释了为什么大厂砍掉一条产品线，并不等于这个方向消失，而往往意味着它变成了别人的机会。

   

图 P91 · DeepMind 才是竞争对手的人才供给链 ｜ 来源：State of AI Report 2026

这一页的标题有点反直觉：舆论场上被反复讨论的是 OpenAI 的人才流失，但从数据看，向竞争对手输送人才最多的是 Google DeepMind。热力图的行是「曾任职的实验室」，列是「后来加入的实验室」，读法是「在行这家干过、之后去了列这家」。DeepMind 一行流向 OpenAI 的有 55 人、流向 Anthropic 34 人、流向 xAI 20 人，另有 7 人去 Thinking Machines、7 人去 Cohere、16 人去其他实验室，DeepMind 累计流出 139 人，是流出的最大源头。接收端最多的是 OpenAI（77 人）与 Anthropic（69 人）。

右侧的截图是另一层证据：一份公开统计列出了 2026 年 1 月以来离开 OpenAI 的核心管理岗位——数据中心负责人、首席营收官、首席运营官、首席传播官、机器人负责人、首席营销官、科学负责人、Sora 负责人、企业级业务 CTO、AGI 部署 CEO、Preparedness 负责人、首席未来学家、安全负责人，以及唯一的 AI 伦理负责人。把两张图放在一起，你会得到一个比「谁在挖谁」更重要的问题：当组织同时在做收缩与重组时，流失的不只是人手，而是对某条路线是否继续投入的判断力。

   

图 P92 · 一个研究押注依然能赢：Jev 拿下 27% 的分类请求 ｜ 来源：State of AI Report 2026

这一页是「小而专」对抗「大而全」的样本。判断该调用哪个工具、一笔交易要不要标记为可疑，这在本质上是一个分类任务，而不是写作任务。TypeSafe 用两年时间围绕这个区别做出 Jev：它不给出一段文字，而是对预先定义的答案直接给出概率，因此绕开了生成式模型的特征工程难题。性能与价格都很激进：单次并行推理 70-500 毫秒，早期访问期输入 token 每百万 0.042 美元、输出免费。

采纳速度是这一页的重点：Vercel 称约 13% 的付费 AI Gateway 团队在 24 小时内试用了 Jev，同期是 GPT-5.6 占比的两倍；在 OpenRouter 上，十天内 Jev 拿下了分类请求的 27%；公司据称在发布 7 天后年化收入就到了 1 亿美元。要克制地读这些数字——报告自己强调「这是一个类别的渗透，不是整体使用量或收入」，而且「据报道」的部分来自公司自述。但它确实说明，在巨头林立的模型市场里，把一个窄任务做到极致仍有生存空间。

   

图 P93 · 跨过 1 亿美元之后，它们还在继续加速 ｜ 来源：State of AI Report 2026

这一页回答一个投资圈最关心的问题：AI 公司是「一波流」还是能持续增长。左图统计各家从起算点到 1 亿美元年化收入用了多少个月：Higgsfield 约 8 个月、Lovable 8 个月、可灵 10 个月、Cursor 约 12 个月、Legora 18 个月、ElevenLabs 20 个月、Sierra 21 个月、Harvey 最慢约 36 个月以内。右图接着画「到了 1 亿之后还能长多快」：Cursor 到 10 亿美元（据报告后 17 个月超过 40 亿）、Higgsfield 到 10 亿、Lovable 6 亿、可灵 5 亿、ElevenLabs 6 亿以上、Harvey 4 亿、Legora 3 亿、Sierra 2 亿。

报告点出的规律是：Legora 和 Sierra 在跨过 1 亿美元后约六个月就翻倍，Harvey 涨到 4 亿。但要留意它自己标注的口径差异——起点定义不同（有的从发布算、有的从 100 万美元 ARR 算、有的从首笔收入算、有的从成立算），时间也是近似值。这些曲线更适合看形状，不适合做精确比较。

   

图 P94 · AI-native 公司的增速约为 AI-enabled 的 3 倍 ｜ 来源：State of AI Report 2026

这一页把公司分成两类：AI native（AI 就是产品本身）与 AI enabled（原有软件业务加上 AI 功能），数据来自 Standard Metrics，为 2026 年二季度的初步数据。在年化收入 100 万到 2000 万美元区间，第 75 百分位的同比增长率是 AI native 256%、AI enabled 90%（非 AI 公司 148%）；在 2000 万美元以上区间，AI native 172%、AI enabled 53%（非 AI 88%）。

这个对比之所以重要，是因为它把「AI 是功能还是产品」这个抽象争论变成了可量化的收入差。年化 1-20 亿以下区间的最优四分位增速差接近 3 倍，而规模更大的部分差距拉开到 3.2 倍。需要注意的是 denominators：这里比的是增长率的四分位值而非平均数，样本是 Standard Metrics 覆盖的被投企业，因此反映的是风险投资组合里的公司，不是全市场。它还隐含一个更尖锐的问题——当 AI native 公司的增长曲线是这样，传统 SaaS 的中间层会被压成什么样，这正是后面 SaaSpocalypse 那几页要展开的。

   

图 P95 · 越年轻、越面向中小客户，AI-native 的增速越快 ｜ 来源：State of AI Report 2026

这一页把上一页的结论进一步切开。按成立年份看，2017 年前成立的公司第 75 百分位同比增长：AI native 49%、AI enabled SaaS 31%、非 AI 45%；2017-2019 年成立：119% 对 72%（非 AI 84%）；2020 年及以后成立：487% 对 199%（非 AI 272%）。按客户类型看，企业客户 197% 对 60%（非 AI 123%）；中小企业与中端市场 303% 对 82%（非 AI 116%）；消费级 250% 对 72%（非 AI 87%）。

两点值得注意。第一，成立越晚的 AI native 公司增速越高，说明这一代公司从第一天起就按 AI 原生的方式设计产品与商业模式，而不是给旧产品加功能。第二，面向中小企业与中端市场的差距最大——这类客户决策链短、标准化程度高，最适合用 AI 替代人力交付。报告还补了一组留存证据：在 2025 年一季度增速处于最高四分位的企业客户公司里，一年后仍有 42% 的 AI native 留在该梯队，而 AI enabled SaaS 只有 23%、非 AI 公司 28%。增速快是入场券，能留在高位才是能力。

   

图 P96 · 头部 1% 的企业，人均 AI 支出是中位数的 580 倍 ｜ 来源：State of AI Report 2026

这一页讲 AI 支出在企业内部的极端不均。2026 年 8 月，Ramp 数据中支出排名前 1% 的公司人均每月花费 7205 美元，前 10% 是 676 美元，而中位数公司只有 12.5 美元——前者约为后者的 580 倍。三条曲线的形状也说明了扩散节奏：顶级公司的曲线在 2025 年下半年开始陡峭上翘，中位数公司在 2026 年年中才刚有起色。

换句话说，企业 AI 采用不是「缓慢铺开」的钟形曲线，而是高度头部集中的结构：Ramp 另一项分析显示，约 1% 的客户贡献了对 OpenAI 与 Anthropic 观测支出的 80%。这解释了两件事：一是为什么两家实验室的收入能涨得这么猛——少数巨型客户撑起了大部分流水；二是为什么「AI 采用率」这类调查数字意义有限——统计口径里包含大量每月花十几美元的公司，它们的存在会稀释掉真实的强度。

   

图 P97 · 普通人拿 Claude 做什么：一半以上是「重要工作」 ｜ 来源：State of AI Report 2026

这一页跳出了收入和榜单，看真实的人在用 AI 干什么。斯坦福 SALT Lab 通过 Anthropic 的隐私保护管道分析了两周内 249,834 条消费者版 Claude.ai 对话（2026 年春季），样本只含聊天，不含 Claude Code 与 Cowork。结论有四个：在划分了重要性等级的对话中，56% 属于「有后果」或「高风险」工作，其中 12% 是高风险；72% 的可评估对话是「人主导、AI 辅助」；原样照搬 AI 输出的比例从临时性任务的 21% 降到高风险任务的 13%；50% 的对话中出现过摩擦，而在出现摩擦的对话里，79% 的用户尝试主动纠错。

对照右侧的自动化/增强分布图可以看到，不同任务类型的形态差别很大——故障处理、IT 系统管理这类任务更偏自动化，专业文档撰写、职业辅导等更偏增强。这页的价值在于它提供了三种更常用的指标（支出、基准分）给不出的信息：人们把 AI 用在对自己真正重要的事情上，但多数时候仍然自己握着主导权。这对产品设计是个提示——用户不缺生成能力，缺的是可核对、可纠错的过程。

   

图 P98 · Agent 采用到什么程度了：OpenAI 内部 97.9%，个人用户 0.7% ｜ 来源：State of AI Report 2026

这一页试图回答「Agent 到底渗透到哪一步了」，方法是同一款工具（Codex）在三类用户里的渗透率对比。结果是断崖式的：过去 28 天内，97.9% 的 OpenAI 在职员工用过 Codex，而组织版用户里只有 17.3%，个人版用户只有 0.7%。差距如此之大，一方面说明最前沿的从业者已经把编码 Agent 当成日常，另一方面也说明「闭环外」的普通用户仍处在试用阶段。

更值得看的是任务复杂度曲线：个人用户在 Codex 上委托「预估 8 小时以上」任务的比例，从 2025 年 12 月的 2.1% 涨到 2026 年 5 月的 25.6%；到 5 月，80.6% 的用户委托过 30 分钟以上的任务，70.2% 委托过 1 小时以上，42.4% 委托过 4 小时以上。这条曲线才是衡量 Agent 成熟度的关键——从「问一句」到「托管半天」，是能力与信任同步提升的结果。报告还补了一个横向参照：标准普尔 500 公司的 AI 披露文件中，69% 提到已上线部署，但只有 2% 披露了可长期追踪的指标。

   

图 P99 · 非开发者用 Codex 的增速，比开发者快得多 ｜ 来源：State of AI Report 2026

这页的图表把「谁在增长」拆成开发者与非开发者两条线，时间跨度是 2025 年 8 月到 2026 年 6 月，纵轴是相对 8 月 1 日基线的倍数。开发者这边：组织用户 85 倍、个人用户 81 倍（OpenAI 内部用户 4 倍，因基数已很高）；非开发者这边：组织用户 189 倍、个人用户 137 倍（OpenAI 内部 12 倍）。

两点值得注意。第一，非开发者的倍数在所有三个分组里都全面高于开发者，说明编程 Agent 正在变成通用工作工具，速度最快的是组织内的非技术岗。第二，图上标出的三条时间线提供了解释：macOS 应用发布并免费开放、Windows 应用上线、「知识工作应用」改版，每一次产品动作都对应曲线的加速段。这条因果链很朴素但重要——所谓 Agent 渗透率，很大程度上是分发渠道与产品包装的函数，而不是模型能力单方面决定的。

   

图 P100 · 增长最快的 Codex 用户来自法律、销售、招聘与市场 ｜ 来源：State of AI Report 2026

这页把上一页的「非开发者」落到具体岗位。自 2026 年 2 月起，企业版 Codex 周活跃用户增长：法律 108 倍、销售 41 倍、招聘 41 倍、市场营销 26 倍，而工程岗只有 5 倍——不是工程用得少，而是工程岗的基数早已很高，增速自然放缓。

但报告同时用第 2 条提醒读者别被增速误导：深度仍然偏向软件。2026 年 6 月，Codex 生成的 token 占组织内普通工程师 ChatGPT 与 Codex 合计输出 token 的 26.8%，而普通法律用户只有 1.9%。换言之，法律、销售这些岗位的绝对使用强度仍然很低，看到的几十倍增长几乎都是从接近零的起点起飞。右侧图表还给出了另一个视角：按「某职业用户的 AI 输出中由 Codex 生成的比例」看，工程、金融、招聘岗在 6 月都已接近或超过 85%，法律岗约 68%。Anthropic 也独立报告了类似趋势——管理、销售与法律是 Claude Code 增长最快的非软件职业群体。

   

图 P101 · 拿风投的公司，人均 AI 支出从持平变成 10 倍 ｜ 来源：State of AI Report 2026

这页用一条曲线把「谁会先买 AI」讲清楚了。2023 年 9 月，风投支持的（VC-backed）公司人均每月 AI 支出 3.40 美元，其他公司 2.13 美元，几乎持平。到 2026 年 8 月，风投支持公司涨到 81.20 美元，接近三年 24 倍；私募股权支持的（PE-backed）公司为 8.33 美元，其他公司 7.86 美元，约 3.9 倍。差距从不到 2 倍扩到约 10 倍。

这条曲线背后是两种企业性格：风投支持的公司（多为科技公司）花钱买速度，把 AI 当成构建产品与压缩人力的手段，愿意为效率提前付费；PE 支持的公司和传统企业把 AI 当成降本工具，采购流程长、要求看到回报，因此曲线更平。要注意这是人均支出的中位数口径，反映的是企业内部典型的支出强度，少数头部公司的高额支出（见 p96）不会体现在这里。它解释了一个常见的困惑：为什么「AI 已经在普及」和「大部分企业还没真正用起来」两种说法可以同时成立。

   

图 P102 · 同样的模型，会计题满分，银行业务只有 12% 通过 ｜ 来源：State of AI Report 2026

这一页是评测口径差异的最佳案例。在 Mercor 的四项结构化会计任务上，Claude Opus 5 二十次尝试全部拿到 100% 的评分；但在 ATLAS-Finance 的 100 个模拟银行作业上，整单通过率只有 12.3%（Claude Fable 5.1 为 12.0%、GPT-6 Astra 为 11.3%）。

差异来自任务定义：前者只需要在给定条件下答对结构化题目；后者要求交出一份正确的工作底稿并按规定方式交付，等于要完成「整件事」。对照基准是 12 名持证注册会计师，独立作业、限时三小时、没有同事、客户和公司历史上下文可用。报告还记录了一个很有说服力的失败细节：某次失败作业中，Opus 5 通过了全部 13 项自检——因为它是拿自己错误的财务假设去校验自己。这点出了当前 Agent 的核心软肋不是算错，而是缺少外部锚点去发现前提本身就错了。报告的态度是建设性的：更好的环境、评测与专家训练数据可能缩小这个差距。

   

图 P103 · token 用量最高的公司，一年里收入增速快 3 倍 ｜ 来源：State of AI Report 2026

这页想验证一个大家都想当然的因果关系：用 AI 多的公司，业绩是不是更好。BCG 取 107 家过去十二个月收入超过 5 亿美元的上市科技公司，按 Cursor 的月度 token 消费量分成五档，时间跨度为 2025 年 4 月到 2026 年 3 月，再看各档的收入同比增速中位数。结果是单调递增的：最低档 5.1%，第二档 8.1%，第三档 10.7%，第四档 15.4%，最高档 16.5%。

两个细节比结论更重要。第一，最大的跃升发生在第三档到第四档，而不是最高档——说明收益集中在「重度使用」这个门槛附近，从零到有的差别最大。第二，这是相关性研究，不是因果实验：用量高的公司本身可能是增长快、组织更敏捷的公司，也可能同时是更愿意为工具付费的公司。合理的读法是——token 用量是一个不错的「组织现代化程度」代理指标，但把它直接当成业绩提升的原因会因果倒置。

   

图 P104 · 重度的 AI 支出者招人更快，除了科学家 ｜ 来源：State of AI Report 2026

这一页用两组数据做交叉验证：Ramp 的信用卡与账单支付 AI 支出数据，加上 Revelio 的人员编制记录，覆盖 21,559 家美国公司。把支出排在前三分之一（人均每月 33.67 美元）的公司定义为重度使用者，两年后其总人数增长 10.2%，入门级岗位增长 12%，而轻度采用者与对照组几乎没有差别（总人数 -0.6%、入门级 -1.7%）。

科学家是唯一的例外：两组都在增长，并在第 24 个月时趋同（重度 +5.6%、轻度 +3.2%）。报告也标注了几乎全部增量集中在科技公司。这组数字之所以有价值，是因为它直接对冲了「AI 会先砍掉入门岗位」的直觉——至少在观测到的这批公司里，重度投入 AI 的公司反而在扩招，尤其是入门级。当然要留意采样：Ramp 的客户偏向科技与新经济公司，支出强度上限很高（见 p96），因此这个结论更适用于「已经在用 AI 的公司之间比较」，而不是「AI 对全社会的就业影响」。

   

图 P105 · 早期劳动研究：初级岗位承担了更多风险 ｜ 来源：State of AI Report 2026

这一页是上一页的反面证据，也是报告保持平衡的地方。Anthropic 研究了 AI 对就业与学习的影响，结论分两层。就业层面：自 2022 年末以来，AI 暴露度高的职业相对暴露度低的职业，并未出现明显的失业率上升；但 22-25 岁年轻人进入 AI 高暴露职业的「入职数量」似乎放慢了——报告措辞谨慎，明确写道原因仍不确定。

学习层面是一个小型实验：52 名开发者先学习 Trio（一个 Python 并发库），再用 AI 或不用 AI 完成两个编码任务，最后在不使用 AI 的情况下做 14 题测验。结果是用 AI 学习的一组平均 50 分，不用 AI 的一组 67 分。报告特别标注了两条限制：AI 带来的速度提升在统计上不显著；这项测验衡量的是即时学习效果，不能等同于长期技能退化。把 p104 与 p105 放在一起看，才是这份报告对待劳动议题的真实态度——一边是企业在扩招，一边是新人进入门槛在变高，两者可以同时为真。

   

图 P106 · AI 进课堂：好老师不是「有求必应的助手」 ｜ 来源：State of AI Report 2026

这一页的关键句是标题：最好的家教不是「有帮助的助手」。好老师的目标是让学生自己把题解出来，这需要教学行为，而不只是给出正确答案。塞拉利昂做了一次随机对照试验：12 所学校、48 个班级、1763 名学生被随机分到「教师主导的 Gemini 活动」组或标准教学组，八周后数学成绩提升 0.258 个标准差，95% 置信区间为 0.027 至 0.488。

报告很克制地补充了两条限制：这是一项结构化的课堂项目，不等于放开使用聊天机器人，也不等于长期学习效果。真正有价值的是第三条：TutorMoments 与 MathTutorBench 这两组家教基准发现，「给出正确答案」与「教会」是两件事。右侧截图展示的是 Gemini 的引导式教学界面，用披萨切分一步步引导孩子理解分数——把「提示学生自己思考」变成稳定的产品行为，仍然是一个尚未解决的产品设计问题。这也是当下教育类 AI 产品的核心分水岭：性能指标几乎不区分「答案机器」和「教学机器」。

   

图 P107 · 一边是建设热潮在造岗位，一边是文职岗位在减少 ｜ 来源：State of AI Report 2026

这一页用三张图给出就业市场的全貌。经济学人估算，相对整体招聘趋势，美国多创造了 32 万个基础设施岗位和 73 万个 AI 相关职业岗位；左两张图按职业拆解了「超出趋势的岗位数」，电气承包商、暖通与管道、公用事业建设、商业建筑等构成基础设施增量，软件开发者、数学与数据科学、信息安全分析等构成 AI 职业增量。

第三张图是文职岗位的分化，也是全页最刺眼的部分（2023 年 5 月至 2025 年 5 月的雇佣变化）：数据科学家 +37%、金融分析师 +11%、律师助理 +11%、信息安全分析师 +9%、市场研究员 +6%、律师 +3%、翻译 +1%；而作家与作者 -3%、平面设计师 -7%、记账员 -9%、客服 -9%、数据录入员 -18%。

把两端连起来读，得到的是一个「岗位重组」而非「岗位消失」的图景：数据中心要人要电要工人，AI 岗位在扩张，中间层那些规则明确、流程固定的文书与录入类工作被压缩得最厉害。对个人来说，这比「AI 会不会取代你」更实用——问题是你所处的工作有多少比例是可以被规则化的。

   

图 P108 · SaaSpocalypse：一晚蒸发 2850 亿美元，半年后又涨回来 ｜ 来源：State of AI Report 2026

这是本期最富戏剧性的一页。1 月 Anthropic 发布 Claude Cowork——把 Claude Code 包装成知识工作者可以处理自己文件和业务流程的应用，随后陆续加上法律、市场、金融插件。市场因此恐慌：投资者开始讨论按席位收费（seat-based pricing）的终结，并重估 SaaS 收入的终值。

数据是：这场被称作「SaaSpocalypse」的抛售在 2 月初蒸发了近 2850 亿美元的软件市值，标普 500 软件与服务指数从 2025 年 10 月的高点下跌 26%；年内对冲基金做空软件股达 240 亿美元，恐慌在 2 月 20 日 Claude Code Security 发布后蔓延到网络安全板块。但后半段同样重要：指数从 4 月低点反弹 55% 至 8 月高点，到 9 月 11 日仍累计上涨 44%，一月的起点是 205 美元，低点到过 136 美元，7 月回到 210 美元。

解读的关键是分清「叙事冲击」与「基本面兑现」。市场在一个月内给整个 SaaS 行业重新定价，又在半年内把大部分跌幅收回——这说明恐慌中被打包抛售的是「按席位收费」这个商业模式假设，而不是每一家公司的现金流。至于那个假设本身会不会被验证，报告留到了后面几页回答。

   

图 P109 · 两家实验室自己开咨询公司，钱来自私募股权 ｜ 来源：State of AI Report 2026

为了让企业更快把自己的系统落地，两家实验室在 2026 年 5 月各自成立了交付服务公司，而资金来自私募股权机构——这些机构的被投企业正是客户。Anthropic 与黑石、Hellman & Friedman、高盛合资的公司（图中标注为 Ode）约有 15 亿美元承诺资本，估值未披露，结构是合资；OpenAI 的 DeployCo 由 TPG 领投的 19 位投资人出资超过 40 亿美元，投前估值 100 亿美元，据报投资人可获得 17.5% 的最低年化回报但上行空间封顶，结构更接近信贷而非股权。

两家都通过收购小型 AI 咨询公司起步：Anthropic 收购 Fractional AI，OpenAI 收购 Tomoro。报告点出的核心矛盾是：这些交付公司的业务被牢牢绑定在母公司的技术栈上，而企业客户真正需要的是「跨供应商的最优解」。另一个值得注意的信号是资本结构——当一项业务的回报被设计成「有保底、有上限」，说明出资方对这类交付服务的商业模型仍在定价它的不确定性，而不是把它当成高增长资产。

   

图 P110 · 智能会便宜到不值得计量吗？每季度降价约 47% ｜ 来源：State of AI Report 2026

这页是本期标题里「推理经济」的核心证据。EpochAI 测算：达到某一给定性能水平的成本，大约每季度下降 47%，折算每年约 13 倍——报告称之为自 DNA 测序以来成本下降最快的主流技术范式。左图把模型发布时间与「完成某个基准（GPQA Diamond、AIME、象棋题、FrontierMath）的最低可行成本」画在一起，可以看到 25% 与 75% 正确率两条成本曲线都在几年内从十美元量级跌到十万分之一美元量级。

右图把 AI 放进历史坐标系里横向比较：横轴是从开始降价算起的年数，纵轴是相对成本的量级。AI（2021-2026）用了约 5 年走完了电力（1892-1973）、锂电池（1991-2024）需要数十年才走完的降幅，斜率远超 DNA 测序（2001-2022）。

为什么这页重要？因为它把「模型更强」变成了经济学问题。如果同等能力的单位成本每季度腰斩，那么前沿模型的高价就是短暂的——推理由此从稀缺资源变成大宗商品。这也是后面 p111、p112 两页要修正的地方：单位 token 变便宜，不等于完成一件工作变便宜。

   

图 P111 · 推理让「token 单价」成了失真的成本代理 ｜ 来源：State of AI Report 2026

上一页讲单位成本暴跌，这一页讲为什么不能只看单价。Artificial Analysis 按任务计量成本，把输入、缓存写入、缓存命中、推理（reasoning）与答案五类 token 的数量和价格都算进去，因为真正的经济单位是「完成的一件任务」，而不是「消耗的 token」。

结果是一张跨度极大的图：从最便宜的模型（Mistral 约每任务 0.06 美元）到最贵的（Anthropic Opus 5 约 9.62 美元、Gemini 顶配约 9.63 美元），横跨百倍以上。报告特别指出 Anthropic 的前沿模型测得成本最高，既因为它们消耗的 token 多，也因为推理、缓存与答案 token 的定价更贵。图例中灰色表示「未公开定价」，橙色为推理 token。

这页给采购者的启示很直接：比价时不要看每百万 token 的价格表，要看「完成同类任务的成本」，因为不同模型的思考链长度和缓存策略差异巨大。同样一件事，用便宜模型可能省下九成成本，也可能因为多轮返工而更贵。

   

图 P112 · 一美元买到的前沿性能，最多差 6.9 倍 ｜ 来源：State of AI Report 2026

如果上一页算的是「任务成本」，这一页算的是「性价比」：用 Artificial Analysis 指数分除以任务成本，得到「每美元能买到多少前沿性能」。在原始 13 家厂商中的 12 家里，可用的最高分模型落在 8.4 到 57.6 分／美元之间，差异 6.9 倍。排序为：MiniMax 57.6、DeepSeek 53.4、NVIDIA 38.4、Meta 30.0、Mistral 28.3、Google 26.4、Z.ai 22.3、月之暗面 Kimi 21.8、OpenAI 16.2、xAI 12.4、Anthropic 8.7、阿里 8.4。

这张榜的排序和「谁最强」几乎完全相反，原因不难理解：分数衡量能力上限，也计入了 token 消耗与思考力度；分数接近的情况下，谁更省 token 谁就更划算。所以性价比榜天然偏向精简、克制的模型。报告的注释也交代了边界——只统计非 Flash、非轻量版本、不使用回退机制；Anthropic 取的是已被 AA 标记为「已被取代」的 Opus 5，因此它的位置偏保守。对使用者的实用结论是：不要默认「最强模型」就是最经济的选择，把任务难度与成本一起算，才是真正的工程决策。

   

图 P113 · 卖工作，而不是卖工具 ｜ 来源：State of AI Report 2026

这页是本期的理论枢纽，用一个五级阶梯解释 AI 商业模式会怎么演变：

CHAT——交付一次回答，对标搜索市场，免费或订阅；CODING——交付可运行的代码，这是第一个可客观校验的产物，对应软件研发市场，前提是结果可验证，收费方式是订阅或 API；AGENT——交付一条完成的多步任务链，前提是长程规划与错误恢复能力，仍按订阅或 API 收费；CO-WORK——交付可复核的工作成果，按任务计价，对应知识工作市场，前提是专业人士只需复核而不必重做；AUTONOMOUS AI——无需监督连续运转，对应全行业升级，前提是它能自行判断自己输出的正确性，计价方式变成纯粹按任务成果。

这条阶梯真正回答的是 SaaSpocalypse 那个悬而未决的问题：按人（席位）收费之所以受冲击，是因为计费单位正在从「谁在用工具」变成「完成了什么工作」。当交付物从「一次回答」变成「一份可复核的成果」，定价权就从工具转向结果。这也解释了为什么 Anthropic 这一年在产品上如此强调 Cowork——它恰好站在「可复核」与「按任务计价」的交界处。

   

图 P114 · 垂直 AI 公司用开源模型，在自家领域超越前沿 ｜ 来源：State of AI Report 2026

这一页给出了应用公司对抗前沿实验室成本的路径：不自己造基础模型，而是在中国开源模型上做后训练，在自己最懂的领域里做到更好。三个案例：Harvey 后训练 GLM-5.2，单位成本比 Sonnet 5 低 54.8%，在自家法律审查表的答案质量上得 0.903 分，高于 Fable 5 的 0.867；Cursor 基于 Kimi K2.5 生成了比 Composer 2 多 25 倍的合成 RL 任务；Mercor 用 1,928 个专家任务后训练 Qwen3.5-397B-A17B，把 480 个留出 APEX-Agents 任务上的整体 Pass@1 从 16.11% 提升到 27.29%。

这页的分量在于它描述了一条正在成型的产业分工：基础模型能力由中国开源模型提供，垂直领域的最优解由掌握专家数据的应用公司提供。报告的解释是——深耕某个知识工作垂直领域，让这些公司有能力构造出质量最高的「可评分任务环境」，而这类环境正是后训练能否成功的关键。对前沿实验室来说，这意味着它们在具体行业里的定价权会被应用层侵蚀。

   

图 P115 · 生产反馈驱动的四步学习闭环 ｜ 来源：State of AI Report 2026

上一页讲「谁做后训练」，这一页讲「怎么把它工程化」。报告的路线是：先用前沿 API 找到产品市场契合，然后自建评测与工具，再用生产环境里的反馈决定往哪里改进。当自有数据带来的质量、延迟或成本优势足以覆盖接管模型的代价时，后训练才变得划算——这个判断标准很务实，避免了「为了自研而自研」。

闭环分四步：一，跑真实工作，记录任务、工具调用与结果；二，捕获反馈，包括人工纠正、重试与执行轨迹；三，构造测试，把失败案例复现成有明确成功判据的可重复测试；四，改进并验证，可以动上下文、工具、路由策略或模型权重，但每一次改动都要先通过测试再上线。这个循环的价值在于它把「模型能力」问题转化为「系统能力」问题：失败案例成为资产，而不是噪声。这也是为什么报告说，在生产环境里跑过真实任务的公司，比只做基准评测的公司更容易找到改进方向。

   

图 P116 · Agent 自己构建和修复客服 Agent，人来点通过 ｜ 来源：State of AI Report 2026

这页记录了客服 Agent 生产方式的变化。过去，客服 Agent 由厂商的前置工程师把客户的政策文档翻译成 Agent 行为，出问题再由团队读聊天记录去修；现在厂商直接卖「能自己构建、自己修复」的 Agent——客户员工用大白话描述要改什么，Agent 自己先测好修复方案，人只需要点通过。

三个数字是这条变化的证据。构建：PolyAI 称 9 月 21 日那一周，客户部署的变更中有 87% 是用 Wren 完成的，而 7 月 13 日那一周是 52%。修复：Decagon 的 Autopilot 会在历史对话上测试每个修复，再由人批准，并在自家诊断基准上以 93% 对 83% 击败了持证的 Decagon 员工。速度：Decagon 称每次语音上线的工程工时六个月内减少一半以上，上线时间缩短约 37%。表格还显示了不同厂商的实现路径：Sierra 的 Ghostwriter 从 SOP、对话记录和白板照片构建，靠模拟测试；NICE Cognigy 则直接让 Claude Code、Codex 或 Cursor 来写。这页最容易被忽略的推论是——当 Agent 能自己改自己，「部署服务」这件事本身会从人力密集变成产品功能。

   

图 P117 · 什么训练数据值钱：执行轨迹与领域内档案 ｜ 来源：State of AI Report 2026

这页回答一个正在变得很贵的问题：大模型还需要什么样的数据。答案是两类。第一类是「执行轨迹」——真实任务的每一步、每次工具调用、每处专家纠正，它有价值是因为它展示的是答案背后的决策过程，而不只是答案。第二类是「领域内档案」——企业私有的记录，或付钱让专家按需撰写的内容，它有价值是因为它覆盖了公开数据稀少的领域。

效果有实证：OpenAI 与 Thrive 复用经过专家纠正的税务 Agent 轨迹，将「以 75% 以上准确率提交的文档」比例在六周内从 25% 提升到 86%。价格也在形成：micro1 出价 10 万到 100 万美元以上许可企业的流程与记录，Mercor 称企业数据合作可以付到 1000 万美元以上。报告难得地点了一句风险提示——这些付费数字来自公司自述。把 p114、p115、p116、p117 连起来读，会发现一条清晰的链条：垂直公司靠专家数据做出更好的环境，环境带来更好的 Agent，Agent 在生产里跑出更多轨迹，轨迹又变成可以卖钱的资产。

   

图 P118 · 教 AI 这件事，本身已经是个十亿美元级生意 ｜ 来源：State of AI Report 2026

上一页讲数据为什么值钱，这页讲谁在靠数据赚钱。报告列了五家公司及其增长轨迹：Mercor 到 2026 年 6 月毛年化收入 20 亿美元（2025 年 2 月 7500 万、9 月 5 亿）；Handshake AI 到 2026 年 4 月接近 10 亿美元（仅 AI 业务，2025 年 10 月 1 亿、2026 年 1 月 5.5 亿）；micro1 到 2026 年 9 月超过 5 亿美元（2025 年初 700 万、2026 年 4 月超 3 亿）；Surge AI 2024 全年收入 12 亿美元；Scale AI 2025 全年收入略低于 10 亿美元（2022 年 2.5 亿、2024 年 8.7 亿）。

报告给这类公司的定位是「RL 环境公司」，并解释了它们为何会持续存在：实验室发布模型、邀请社区用评测和环境来测试、评测暴露优势与缺口、实验室于是买针对性数据、改进模型再发布，又暴露出新的缺口——这个正反馈循环不断产生需求。要留意口径差异：这几家的数字有的是毛年化、有的是全年收入，有的只算 AI 业务，横向比较时要留出余量。

   

图 P119 · AI-first 药物发现首个三期临床，但成功率的检验还没到 ｜ 来源：State of AI Report 2026

这页讨论一个容易被口号掩盖的问题：一款药「由 AI 制造」到底意味着什么？报告的答案是逐家公司列出关键资产与 AI 的具体用途。五个项目：Generate:Biomedicines 的 GB-0895（严重哮喘抗体，机器学习引导的优化达到 106 fM 的 TSLP 结合力，约为 tezepelumab 的 20 倍紧，已进入三期，两项 786 人试验评估半年一次给药，主要完成时间预计 2028 年 12 月至 2029 年 1 月）；Insilico Medicine 的 rentosertib（肺纤维化 TNIK 抑制剂，PandaOmics 从组学与文本数据中把 TNIK 排在激酶首位、Chemistry42 生成抑制剂，三期 320 人、52 周、中国 47 个中心，预计 2029 年 10 月完成）；Enveda 的 ENV-294（湿疹与哮喘口服药，用 12 亿质谱预训练的 Transformer 预测生物体产生的未知分子结构，2a 期进行中，1b 期第 42 天湿疹严重度平均下降 85%，n=9 且无安慰剂组）；Recursion 的 REC-4881（息肉病，深度学习在 APC 缺陷细胞显微图上按表型逆转程度排序数千种化合物，二期第 13 周息肉负荷中位数下降 43%，n=12 且无安慰剂）；Iambic 的 IAM1363（HER2 实体瘤口服药，扩散模型 NeuralPLexer 预测药物-蛋白结构、Enchant 预测临床终点，1/1b 期 18 名经治患者中 28% 出现部分缓解）。

读这页必须带上报告自己的那句提醒：更快的发现速度尚未被证明能带来更高的临床成功率。AI 能压缩的是从靶点到候选分子的时间与成本，而药物最终能不能过三期、能不能上市，仍由临床数据决定。这也是为什么 2028-29 年这批主要终点数据，会是检验「AI 制药」叙事的关键时刻。

   

图 P120 · Meta Muse：把「个人超级智能」卖成生意 ｜ 来源：State of AI Report 2026

这页是消费端的重要补位。2025 年 7 月扎克伯格承诺「给每个人的个人超级智能」——AI 帮用户追求自己的目标；Muse 的实现方式是给每个用户一台持续性云电脑，让它跨应用行动，然后通过商业与企业两条线把愿景变成可收费的服务。三条证据：消费者吸引力方面，两周 280 万次下载、登顶美国应用榜，这是在此前 Llama 4 反响不佳、Meta AI 应用受挫之后的一次翻盘，Meta 股价在 9 月 21 日上涨超过 11%；商业方面，Stripe Link 让 100 万家以上商户可以完成结账，Shopify、沃尔玛、Shop Pay、PayPal 的合作把「发现」连接到「支付」；企业方面，前 MongoDB CEO CJ Desai 将负责销售 API、编码工具与业务 Agent，推理需求有助于把 Meta Compute 变现，报告称直接出售算力也在考虑之中。

这页值得单独标记的原因在于它揭示了一个新的竞争维度：Meta 不是卖模型，而是用自己庞大的消费者分发能力把 AI 变成入口，再用入口反哺自建算力的变现。配图中的 Muse Charm 是一款类似电子宠物的硬件，在 Connect 大会上预览，Muse 也将进入 Meta 的 AI 眼镜。至此本期结束——从两家实验室的收入，到整个 AI 商业世界的成本、分工与收入结构，我们已经走完 Industry 板块的前半段。

下一期预告

第 4 期将进入报告 Industry 板块的后半段，覆盖第 121 至 163 页：从 AI 电商入口讲起，随后进入算力军备与资本结构——云厂商 1.69 万亿美元的在手订单、四家美国超算厂商 2026 年合计 7330 亿美元的资本开支、NVIDIA 用「芯片换融资」为数据中心背书的结构、燃气轮机与退役煤电的重启、GPU 二手租金与折旧之争、NVIDIA 与各家自研芯片在推理成本上的对决、机器人产业的钱与人，以及一轮把杠杆放大到极致的存储股交易。第 5 期则会进入 Politics 板块（第 164 至 195 页）。

SERIES NAVIGATION · 全 7 期