夜雨聆风
2026年4月13日，斯坦福大学发布《AI指数报告2026》（AI INDEX REPORT 2026），这是AI指数报告的第九版。该报告指出，随着AI持续快速发展，围绕其构建的体系能否跟上步伐成为关键问题。治理框架、评估方法、教育体系以及追踪AI影响所需的数据基础设施，正努力追赶技术本身的发展速度。AI的能力与我们对它的管理准备之间的差距，贯穿于本年度报告的每一章节。
作为新版特色，报告追踪了AI在推理、安全及真实世界任务执行领域更具雄心的测试方式，并阐释了为何这些评估日益难以依赖。报告还首次呈现了生成式AI经济价值的新估算，提出了AI主权的分析框架，并与施密特科学公司合作撰写了科学章节。报告首次设立AI在科学和在医学中应用的独立章节，反映了AI在这两大领域日益增长的影响力。
该报告的总体核心要点如下：
1.AI的能力并没有停滞不前，反而正在加速发展，并惠及到比以往更多的人群
2025年，业界已开发出超过90%的杰出前沿模型，其中一些模型在博士级别的科学问题、多模态推理和竞赛数学方面，其性能已达到甚至超越人类基准。在关键的编码基准测试（SWE-bench Verified）中，模型性能在一年内从60%提升至接近100%。组织机构的采用率达到88%，五分之四的大学生现在都在使用生成式人工智能。
2.中美AI模型性能差距已基本消除
自2025年初以来，中美两国的AI模型多次交替领先。2025年2月，DeepSeek-R1曾短暂地与美国顶级模型并驾齐驱，而截至2026年3月，Anthropic的顶级模型仅以2.7%的微弱优势领先。美国仍然拥有更多顶尖的AI模型和高影响力专利，而中国则在论文发表量、引用次数、专利产出和工业机器人装机量方面领先。韩国则以其创新密度脱颖而出，人均AI专利数量位居世界第一。
3.美国拥有最多的AI数据中心，其中大部分芯片由台积电制造
美国拥有5427个数据中心，是其他国家的10倍多，其能源消耗量也位居世界第一。几乎所有领先的AI芯片都由台积电（TSMC）一家公司制造，这使得全球AI硬件供应链依赖于这一家代工厂——尽管台积电在美国的扩建项目已于2025年开始运营。
4.AI模型可以在国际数学奥林匹克竞赛中获得金牌，但却无法可靠地读取时间——这是研究人员所说的AI的崎岖前沿的一个例子
4.AI模型可以在国际数学奥林匹克竞赛中赢得金牌，但却无法可靠地读取时间——这正是研究人员所说的AI发展“崎岖前沿”的一个例证
Gemini Deep Think 在国际数学奥林匹克竞赛中斩获金牌，但其顶级模型读取模拟时钟的准确率仅为50.1%。AI代理在OSWorld测试中任务成功率从12%跃升至约66%，该测试旨在评估代理在不同操作系统上执行真实计算机任务的能力，但它们在结构化基准测试中仍然大约有三分之一的尝试会失败。
5.负责任的AI发展速度跟不上AI能力的提升，安全基准滞后，事故数量急剧上升
几乎所有领先的前沿AI模型开发商都会报告其能力基准测试结果，但负责任AI基准测试的报告仍然参差不齐。有记录的AI事故数量已从2024年的233起上升至362起。近期研究发现，提高负责任AI的某个维度（例如安全性）可能会降低另一个维度（例如准确性）的水平。
6.美国在AI投资方面处于领先地位，但其吸引全球人才的能力正在下降。
预计到2025年，美国私人AI投资将达到2859亿美元，是中国124亿美元投资额的23倍多——尽管考虑到政府的指导性资金，仅看私人投资数据可能低估了中国在AI领域的总支出。美国在AI创业活动方面也处于领先地位，预计2025年有1953家新成立的AI公司获得融资，是排名第二国家的10倍以上。然而，自2017年以来，移居美国的AI研究人员和开发人员数量下降了89%，仅去年一年就下降了80%。
7.AI的应用正在以前所未有的速度普及，消费者正在从他们经常免费使用的工具中获得巨大的价值
生成式AI在三年内普及率达到53%，速度超过了个人电脑和互联网，尽管普及速度因国家、地区而异，且与人均GDP密切相关。一些国家的普及率高于预期，例如新加坡（61%）和阿联酋（54%），而美国排名第24位，普及率为28.3%。预计2026年初，生成式AI工具为美国消费者带来的年价值将达到1720亿美元，2025-2026年间，每位用户的中位价值将增长两倍。
8.正规教育落后于AI，但人们在人生的各个阶段都在学习AI技能
超过80%的美国高中生和大学生现在使用AI完成与学习相关的任务，但只有一半的中学制定了AI政策，而且只有6%的教师认为这些政策清晰明确。在课堂之外，阿联酋、智利和南非的AI工程技能发展速度最快。2022-2024年，美国和加拿大新增AI博士的数量增长了22%，而这些新增博士大多选择在学术界而非工业界就业。
9.AI主权正成为国家政策的一个决定性特征，但能力仍然不均衡，即使开源开发有助于重新分配参与者
各国AI战略正在扩展，尤其是在发展中经济体中，政府对AI超级计算的投资也在同步增长——这表明各国对国内AI生态系统的控制力日益增强。然而，模型生产仍然集中在美国和中国。开源开发正在重新分配参与权，世界其他地区的贡献量在GitHub上已经超过欧洲，并接近美国，从而推动了更多语言多样化的模型和基准测试的出现。
10.AI专家和公众对这项技术的未来有着截然不同的看法，全球对管理AI的机构的信任度也参差不齐
在AI如何影响人们的工作方面，73%的专家预期其会产生积极影响，而公众的这一比例仅为23%，两者相差50个百分点。AI对经济和医疗保健的影响也存在类似的认知差异。在全球范围内，人们对政府监管AI的能力信任度各不相同。在受访国家中，美国民众对其政府监管AI能力的信任度最低，仅为31%。在全球范围内，欧盟在有效监管AI方面比美国或中国更受信任。
该报告在教育方面的主要发现如下：
1.2024-2025年期间，美国四年制大学的计算机科学专业招生人数下降了11%，但与AI相关的研究生课程却持续增长。在AI软件相关领域的硕士毕业生人数从2023-2024年增长了17%，这表明即便计算机科学专业的招生人数有所下降，对AI专业人才的需求仍保持旺盛。
2.美国在各类学位层次的信息、通信与技术（ICT）专业人才的培养方面仍处于全球领先地位，但其他国家的增长速度更快。近年来，土耳其、巴西和墨西哥在培养此类专业人才方面的发展速度尤为迅速。
3.如今，美国五分之四的高中生和大学生在学习中会使用AI，但学校的相关政策却未能跟上这一趋势的步伐。只有半数的中学和高中制定了有关AI的政策，而仅有6%的教师认为这些政策清晰明确。学生们最常将生成式AI用于研究、论文编辑和头脑风暴等任务。
4.目前，超过90%的国家已将计算机科学课程纳入小学或中学课程体系，但AI教育的普及速度却较为缓慢。中国和阿联酋均在2025-2026学年开始强制推行AI教育，这标志着在国家层面正式开展AI教学工作迈出了重要一步。
5.2022-2024年期间，美国和加拿大新获得AI博士学位的人数增长了22%，但流向产业的比例保持不变。所有的增长都集中在学术界，这扭转了过去十年新获得的AI博士学位主要流向产业界的趋势。
6.人们在正规教育之外也在学习AI相关技能，并将这些技能写进自己的简历中。在大多数国家，AI素养的增长速度超过了以工程为导向的AI技能的增长速度。而阿联酋、智利和南非则是例外情况，在这些国家，自2022年以来，工程技能的增长更为显著。
资料来源：
Stanford Institute for Human-Centered AI (HAI). Artificial Intelligence Index Report 2026. https://hai.stanford.edu/assets/files/ai_index_report_2026.pdf
