夜雨聆风这份报告每年都值得看，但每年也都太长了。425 页，我做了个 27 页的中文精简版，文末可取。
全球 AI 数据中心的电力容量到去年四季度是 29.6 GW，按斯坦福的说法，够供整个纽约州的用电高峰。但拆开看，芯片本身的热设计功耗只占 11.8 GW，也就是四成，剩下六成全部消耗在散热、供配电和网络上。
全球 AI 数据中心电力容量，2022–2025
这个数出自斯坦福 HAI 的《人工智能指数报告》，今年是第九版，正文 425 页，497 张图表，九个章节，从研发、技术性能、可信治理，一路铺到经济、科学、医疗、教育、政策和公众态度。
它和大多数 AI 报告不太一样的地方在于，不属于任何厂商，不卖咨询服务，全部图表的原始数据公开可下载，所以它不需要论证某条技术路线更好，也不需要替某类产品说话。每年各国政策文件、券商研报和学术论文引用它的频率都很高。今年科学和医疗第一次被拆成了独立的两章，去年这些内容还散在技术性能和经济里面。
报告里的几个数
回到开头那个电力的数字。报告采用的估算乘数约为 2.5，意思是每给 GPU 供一瓦电，就要另外配一瓦半用在散热、供配电和网络上。液冷、电源、高压直流这些环节这两年为什么起得快，这个乘数能解释一部分。
算力那边，全球容量自 2022 年起每年增长约 3.3 倍，到 2025 年底累计约 1707 万 H100 当量，其中英伟达占六成以上。反过来说，接近四成的算力已经不是英伟达的了，主要由谷歌和亚马逊的自研芯片承担，华为份额还小，但在增长。
全球 AI 芯片算力容量（按设计厂商），2022–2025
供应链那段，报告写得很直白。
原文指出，台积电几乎代工了所有领先的 AI 芯片，包括英伟达 Blackwell 和 AMD MI300X，全球 AI 硬件供应链因此依赖台湾的单一代工厂。报告还完整列出了这条链的分层：设计环节是英伟达、SK 海力士这类只设计不制造的企业，晶圆制造集中在台积电与三星代工，封装测试由日月光和 Amkor 承担，存储是 SK 海力士、三星、美光，GPU 之间的高吞吐互联则依赖光纤和 InfiniBand。对每一层的描述都用了同一个判断，就是进入壁垒极高，需要数十年积累的专业能力、专用设备和巨额资本。
采用率 88%，但智能体部署还是个位数。
七成的组织已经在至少一个业务职能里用上了生成式 AI，组织采用率达到 88%，但智能体的部署在几乎所有业务职能中仍然是个位数。另一组数字放在一起看会更清楚：到今年初，仅美国消费者从生成式 AI 获得的价值估计达到每年 1720 亿美元，人均中位价值一年翻了三倍，而这些工具大多是免费或接近免费的。
生产率的提升是真实的，但分布很不均匀，客服和软件开发提升 14% 到 26%，需要更多判断力的任务效果较弱甚至为负。
22 到 25 岁的开发者，就业降了近 20%。
报告的原话是，在 AI 生产率收益最明确的软件开发领域，22 到 25 岁的美国开发者就业较 2024 年下降近 20%，而年长开发者的人数仍在增长。生产率提升最明确的领域，恰好也是初级岗位萎缩最明显的领域。
软件开发者与客服人员分年龄段人数趋势
中美模型能力。
中美这块有三个数可以并在一起看：模型性能差 2.7%（截至今年 3 月），私人投资差 23 倍（美国 2859 亿美元，中国 124 亿），而工业机器人装机量中国占全球 54%，仍然超过其他所有地区之和。
Arena 榜单上中美最强模型表现对比】
至于能力本身，报告用了"锯齿状前沿"这个说法。模型能在 2025 年国际数学奥赛上拿金牌，Gemini Deep Think 拿了 35 分，但让它读模拟时钟报时间，正确率只有 50.6%，人类是 90.1%。
然后，我做了一份中文精简版
主要还是因为太长。425 页，497 张图表，通篇密密麻麻的数字，每一页单独看都有价值，连在一起就没法读了，翻到第三十页的时候前面看过什么基本已经不记得，何况还是英文。
所以我把它压成了 27 页中文。
精简版里有什么
全书十五条核心结论。 报告正文前的十五条统领性判断，逐条中文重述。
九章分章要点。 顺序与原报告一致。
8 张原报告图表。 都是原图，未作修改，每张标注了图号与原文页码。
2025 全年大事记。 原报告的时间线拆在两个地方，第四章的投资线在 175 到 177 页，第八章的政策线在 326 到 333 页。我按日期把两条线合并成了一张 40 条的表，投资类与政策类交叉排列，能看出一些节奏，比如美国 7 月 23 日发布 AI 行动计划，中国 7 月 26 日在世界人工智能大会发布全球治理行动计划，中间只隔了三天。
产业链视角的交叉解读。 六条，我自己写的，标注了不代表原报告立场。
口径对照表。 企业投资流、政府引导基金、资本开支、AI 总支出、核心产业规模，五种口径各自衡量什么、代表数字多少、出自哪里。这几个数经常被混着用。
原文页码对照表。 九章每个小节对应的原文印刷页码，想细看哪一段直接翻过去。
中英术语对照表。 分概念、算力、经济口径、评测基准四类。
数据口径与使用提示。 八条，包括哪些数字是推算值、哪些是人工遴选而非普查、哪些调查存在样本偏差。
前面还加了一页速览，十一行。
两点说明
为什么是精简版，不是翻译版。
原报告采用 CC BY-ND 4.0 授权，ND 指的是禁止演绎。这个条款有点反直觉，原样复制和再分发是明确允许的，逐字翻译反而属于受限行为。所以这份文件不是译本，是用中文重新组织和撰写的结论与数据，事实和数据本身不受著作权保护。全文署了原报告的名称、作者、DOI 和授权条款，也附了官方链接，想读原文的随时可以去斯坦福官网免费下载全文和全部图表数据。
图表为什么保留英文原图。
因为重绘成中文属于演绎，而原样引用加署名恰好在授权许可范围内，可读性上用中文图注来补。
获取
中文精简版 27 页，英文原版 425 页，两份 PDF，在公众号后台回复： AI2026
需要细读某一章的，页码对照表里有位置，直接查原文更准。
