能解奧數(shù)，不會(huì)看鐘：斯坦福2026年AI報(bào)告的15個(gè)判斷

4月13日，斯坦福大學(xué)人本AI研究所（HAI）發(fā)布了2026年度AI Index報(bào)告。400多頁(yè)，覆蓋技術(shù)能力、投資格局、就業(yè)影響、公眾認(rèn)知，是這個(gè)行業(yè)迄今最完整的第三方年度審計(jì)。

這份報(bào)告從2017年開始連續(xù)發(fā)布，今年的結(jié)論可以用一句話概括：AI的能力正在以從未有過的速度跑贏一切——跑贏監(jiān)管框架，跑贏公眾信任，跑贏教育體系，甚至跑贏AI公司自己對(duì)信息透明度的意愿。

以下是從報(bào)告中提煉的核心內(nèi)容。

原文鏈接：https://hai.stanford.edu/ai-index/2026-ai-index-report

1

一、能解奧數(shù)，不會(huì)看鐘

先從一個(gè)細(xì)節(jié)說起。

今年的報(bào)告里有一張圖，橫軸是時(shí)間，縱軸是AI在各類任務(wù)上相對(duì)于人類的表現(xiàn)。圖上有一條線幾乎是垂直上升的：代碼能力。SWE-bench Verified——衡量AI自主完成真實(shí)軟件工程任務(wù)的標(biāo)準(zhǔn)測(cè)試——在一年之內(nèi)從60%跳到了近100%。同期，AI代理處理現(xiàn)實(shí)任務(wù)的成功率從20%躍升至77.3%，網(wǎng)絡(luò)安全問題的解題率從15%飆到93%。

過去一年，Terminal-Bench 2.0 的準(zhǔn)確率顯著提升，從 2025 年 2 月的 20%提升到 2026 年初的 77.3%（見圖 2.5.2）。

Humanity's Last Exam是一套由全球近千名領(lǐng)域?qū)＜夜餐O(shè)計(jì)的考題，專門為了難倒AI而生，覆蓋物理、數(shù)學(xué)、歷史、法律等幾乎所有高難度學(xué)科。2025年時(shí)，排名第一的模型只能答對(duì)8.8%的題目。到今天，前沿模型的得分已經(jīng)超過50%。

2024 年至 2025 年間，HLE 模型準(zhǔn)確率提高了 30 個(gè)百分點(diǎn)（見圖 2.4.4）。一年內(nèi)，準(zhǔn)確率從不到 10%躍升到38.3%

這不是線性增長(zhǎng)，是躍遷。

但同一份報(bào)告里，還有另一條線——機(jī)器人完成真實(shí)家務(wù)任務(wù)的成功率，折疊衣服、洗碗這類事，至今只有12%。AI仍然不能穩(wěn)定地看懂模擬時(shí)鐘。生成連貫視頻仍然困難，多步驟規(guī)劃仍然出錯(cuò)，某些專家級(jí)學(xué)術(shù)考試仍然答不對(duì)。

Gemini Deep Think 在 2025 年 IMO 中以自然語(yǔ)言進(jìn)行首發(fā)工作，在 4.5 小時(shí)的時(shí)間限制內(nèi)獲得 35 分（金），高于 2024 年獲得的 28 分銀獎(jiǎng)。在 ClockBench 上，頂級(jí)型號(hào)能正確讀取模擬時(shí)鐘的 50.1%，而人類則為 90.1%

能力的分布是不均勻的——某些維度已經(jīng)超越了人類可以驗(yàn)證的范圍，另一些地方仍在爬行。這是2026年AI的真實(shí)狀態(tài)，也是接下來所有問題的底色。

1

二、美國(guó)是中國(guó)投資額的23倍，但AI人才流入已跌了89%

2025年，全球AI私人投資達(dá)到3447億美元，同比增長(zhǎng)127.5%。企業(yè)層面的AI投資總額達(dá)到5817億美元，一年翻了一倍多。

美國(guó)在這場(chǎng)軍備競(jìng)賽里出手最猛。2025年，美國(guó)AI投資額2859億美元，是排名第二的中國(guó)（124億美元）的23倍。這個(gè)差距是壓倒性的。

但同一份報(bào)告里，另一組數(shù)字指向了完全相反的方向。

2017年到2026年，AI領(lǐng)域頂尖學(xué)者移居美國(guó)的數(shù)量下降了89%。僅在過去一年，這一數(shù)字又跌了80%。

兩組數(shù)字放在一起的含義很清楚：美國(guó)在AI上砸的錢越來越多，但能用這些錢招到的最頂尖的人越來越少。錢還在涌入，但它的邊際價(jià)值正在被人才流失侵蝕。

中國(guó)的投資邏輯與此不同。報(bào)告指出，單純以私人投資額比較，會(huì)系統(tǒng)性地低估中國(guó)投入AI的資本體量。中國(guó)政府通過"政府引導(dǎo)基金"這一機(jī)制，自2000年以來在包括AI在內(nèi)的各領(lǐng)域累計(jì)部署了超過9120億美元。這筆錢不走市場(chǎng)化渠道，不出現(xiàn)在私人投資數(shù)據(jù)里，但它實(shí)實(shí)在在地存在。

在模型數(shù)量上，美國(guó)2025年發(fā)布了50個(gè)"值得關(guān)注"的模型，中國(guó)大約30個(gè)，差距在縮小。在工業(yè)機(jī)器人安裝量上，中國(guó)2024年安裝了29.5萬臺(tái)，美國(guó)3.42萬臺(tái)，差距是8.6倍。中美在AI上走的是兩條平行賽道，正面交鋒的地方只是其中一部分。

1

三、22歲的程序員已經(jīng)感受到了，CEO還在說AI只是工具

就業(yè)影響的數(shù)據(jù)今年第一次清晰到無法繞開。

22到25歲的軟件開發(fā)者，從2024年以來就業(yè)人數(shù)下降了近20%。同一時(shí)期，26歲以上的同行就業(yè)人數(shù)基本持平甚至小幅增長(zhǎng)。這不是整個(gè)軟件行業(yè)在萎縮——是AI沖擊從底部開始，精準(zhǔn)地切掉了入門崗位。

自 2022 年以來，最年輕工人（22 至 25 歲）的就業(yè)人數(shù)有所下降，盡管年長(zhǎng)年齡段的員工人數(shù)持續(xù)增長(zhǎng)（見圖 4.4.29）。到 2025 年 9 月，22 至 25 歲軟件開發(fā)者的就業(yè)人數(shù)較 2022 年峰值下降了近 20%。

客服領(lǐng)域同樣出現(xiàn)了類似的模式：初級(jí)崗位在收縮，資深崗位暫時(shí)安全。

三分之一的企業(yè)高管在麥肯錫的調(diào)查中表示，預(yù)計(jì)未來一年將進(jìn)一步縮減員工規(guī)模，尤其集中在服務(wù)業(yè)、供應(yīng)鏈和軟件工程。這是關(guān)于未來的計(jì)劃，不是已經(jīng)發(fā)生的事。已經(jīng)發(fā)生的是：年輕人先感受到了。

報(bào)告的研究者同時(shí)提出了一個(gè)重要的限定：就業(yè)數(shù)據(jù)受到宏觀經(jīng)濟(jì)的干擾，無法把AI的影響完全分離出來。但他們也指出了一個(gè)反常的現(xiàn)象——AI暴露程度低的職業(yè)，失業(yè)率的上升反而高于AI暴露程度高的職業(yè)。這與"AI直接替代"的簡(jiǎn)單敘事不符，背后可能有更復(fù)雜的勞動(dòng)力市場(chǎng)重構(gòu)正在發(fā)生。

AI帶來的生產(chǎn)力提升數(shù)字，報(bào)告同樣給出了：客服領(lǐng)域提升14%，軟件開發(fā)領(lǐng)域提升26%。這些增益是真實(shí)的，但享受這些增益的，是已經(jīng)在崗的、有經(jīng)驗(yàn)的工人。新進(jìn)入市場(chǎng)的年輕人，面對(duì)的是崗位數(shù)量本身正在減少的入口。

增益集中在上面，代價(jià)落在了底部。

1

四、模型越來越強(qiáng)，告訴你它是怎么訓(xùn)練出來的公司越來越少

有一組數(shù)字在這份報(bào)告里是最少被引用的，但可能是最重要的。

Foundation Model Transparency Index，衡量主要AI公司對(duì)其模型訓(xùn)練數(shù)據(jù)、計(jì)算資源、能力邊界、風(fēng)險(xiǎn)及使用政策的披露程度。這個(gè)指標(biāo)去年的平均分是58分，今年跌到了40分。

報(bào)告的結(jié)論更直接：在透明度最低的模型里，往往是能力最強(qiáng)的那批。

人工分析開放性指數(shù)根據(jù)權(quán)重的自由訪問和許可程度，以及訓(xùn)練方法和訓(xùn)練前后數(shù)據(jù)的透明度，對(duì) AI 模型進(jìn)行 0 到 100 的評(píng)分。領(lǐng)先模型的得分較低，大多數(shù)在 100 分中的 2 到 16 分之間（見圖 3.8.1）

這是一個(gè)有意思的反轉(zhuǎn)。AI能力在加速進(jìn)化，但公眾能用來理解、審查、監(jiān)督這些能力的信息，在系統(tǒng)性減少。大型模型的訓(xùn)練數(shù)據(jù)是什么、用了多少算力、有哪些已知局限——這些本來應(yīng)該隨著能力增強(qiáng)而更受關(guān)注的問題，正在隨著能力增強(qiáng)而變得更加不透明。

公眾信任的數(shù)字也在印證這件事。全球調(diào)查中，只有31%的美國(guó)人表示信任本國(guó)政府能有效監(jiān)管AI，是所有被調(diào)查國(guó)家中倒數(shù)第二（中國(guó)是27%，墊底）。歐盟的數(shù)字是53%，差距明顯。

與此同時(shí)，Gen Z對(duì)AI的情緒正在發(fā)生轉(zhuǎn)變。他們?cè)巧墒紸I最早的熱情擁躉，現(xiàn)在的調(diào)查數(shù)據(jù)顯示這一人群的焦慮和憤怒在上升。TechCrunch引用的一位研究者說得更直白：AI領(lǐng)袖們自己都在說"如果什么都不做，很多人會(huì)很慘"，然后奇怪為什么公眾會(huì)焦慮。

4/5的美國(guó)高中和大學(xué)生在用AI完成學(xué)業(yè)任務(wù)，但只有6%的教師表示學(xué)校有清晰的AI使用政策。能力跑在前面，框架跑在后面，中間的空白地帶是每天在使用AI的幾億個(gè)普通人。

1

五、訓(xùn)練一個(gè)模型，等于1.7萬輛車跑一年

AI的能力在加速，代價(jià)也在加速。只是這個(gè)代價(jià)大部分是看不見的。

報(bào)告給出的數(shù)字：xAI的Grok 4，訓(xùn)練產(chǎn)生的碳排放估計(jì)約為7.28萬噸CO?當(dāng)量，相當(dāng)于1.7萬輛汽車行駛一整年產(chǎn)生的溫室氣體。而Epoch AI的獨(dú)立估算認(rèn)為這個(gè)數(shù)字更高，約為14萬噸。

作為對(duì)比，OpenAI的GPT-4訓(xùn)練排放約5184噸，Meta的Llama 3.1 405B約8930噸。從GPT-4到Grok 4，不到兩年，單次訓(xùn)練的碳排放增加了超過10倍。

推理側(cè)的消耗同樣在積累。全年GPT-4o的推理水耗（用于冷卻數(shù)據(jù)中心服務(wù)器或水力發(fā)電），據(jù)估算可能超過1200萬人全年的飲用水需求。全球AI數(shù)據(jù)中心的總電力容量達(dá)到29.6GW，相當(dāng)于整個(gè)紐約州的峰值用電量，也與瑞士或奧地利的全國(guó)用電量相當(dāng)。

與能源消耗同步增長(zhǎng)的，是算力的集中度。Nvidia的GPU目前占全球AI算力總量的60%以上，而全球AI算力自2022年以來每年增長(zhǎng)3.3倍，累計(jì)已是2021年的30倍。整個(gè)AI系統(tǒng)的物理基礎(chǔ)，正在加速向少數(shù)幾家硬件供應(yīng)商和超大規(guī)模云服務(wù)商集中。

這些成本不會(huì)出現(xiàn)在AI產(chǎn)品的價(jià)格標(biāo)簽上，也不會(huì)出現(xiàn)在生產(chǎn)力提升的統(tǒng)計(jì)數(shù)字里。但它們是真實(shí)的，只是被分?jǐn)偟搅舜髿?、地下水和電網(wǎng)里。

1

報(bào)告里有一個(gè)細(xì)節(jié)，可以作為整篇的注腳。

AI已經(jīng)能解開數(shù)學(xué)奧林匹克競(jìng)賽的題目，但仍然不能穩(wěn)定地看懂模擬時(shí)鐘。

這個(gè)不均勻性，不是AI的bug，是這個(gè)階段的特征。某些維度的能力已經(jīng)超出了人類可以直覺驗(yàn)證的范圍，另一些維度還在爬行。而我們正處在這兩條曲線都在快速移動(dòng)的時(shí)刻——高速能力擴(kuò)張，與治理、信任、透明度的同步滑落。

斯坦福的研究者在報(bào)告序言里寫道：今年的報(bào)告揭示了"AI能做什么"與"我們準(zhǔn)備好管理它沒有"之間的裂縫正在變寬。這份報(bào)告本身能做的，是用數(shù)據(jù)讓裂縫可見。

裂縫之后怎么辦，是另一個(gè)問題。

點(diǎn)個(gè)“愛心”，再走 吧