原文標題：《史丹佛 423 頁 AI 報告出爐，中美差距僅 2.7%，清華 DeepSeek 衝進全球前十》

原文作者：好困、桃子，新智元

導語：史丹佛「2026 年 AI 指數報告」重磅出爐！這份 432 頁長文含金量極高：中美 AI 頂峰對決，差距幾乎抹平，縮減至僅 2.7%。全球頂尖 AI 年產 95 個，基本都聚集在大廠。最殘酷的是，22-25 歲開發者的就業已被切掉 20%。

4 月 13 日，史丹佛 HAI 重磅發布「2026 年 AI 指數報告」！

這份長達 423 頁的年度報告，全面揭示了全球 AI 產業的最新權力版圖。

它給出了一條核心結論：AI 的本事漲得飛快；但人類衡量和管好它的能力，卻沒怎麼跟上步伐。

其中，最震撼的結論是——

中美 AI 模型性能差距已基本消失，雙方在頂峰對決中頻繁易主，目前 Anthropic 領先優勢僅剩 2.7%。

美國在 AI 上砸的錢比誰都多，但招攬頂尖人才卻越來越吃力了。

報告還指出，AI 的進化不僅沒有遭遇所謂的「瓶頸」，反而正以史無前例的速度狂飆。

過去一年，全球超 90% 的頂尖模型，在博士級科學問題、多模態推理、競賽數學上的表現，追平甚至超越了人類。

特別是在程式碼能力上，SWE-bench 的成績在一年內，從 60% 飆升至近 100%。

然而，AI 的「偏科」現象極其嚴重，呈現出一種畸形的現狀：

LLM 可以拿下 IMO 金牌，卻讀不對模擬時鐘，正確率僅為 50.1%。

與此同時，AI 搶飯碗這事兒已經從預測變成了現實，而且最先受害的就是當代年輕「打工人」。

下面直接上幹貨，「2026 年 AI 指數報告」最值得關注的 12 個硬核趨勢。

其他亮點速覽：

· 全球 AI 算力 3 年漲 30 倍，英偉達獨佔 60%，幾乎所有晶片都出自一家台積電

· 2025 年全球企業 AI 投資 5817 億美元，同比翻倍，美國一國吃下近一半

· 進入美國的 AI 研究人員 7 年跌 89%，僅過去一年就跌 80%

· 22-25 歲軟體開發者就業自 2024 年起下滑 20%，入門職位被精準切掉

· 中國累計建成 85 台公共 AI 超算，是北美的兩倍以上，全球第一

· 中國職場 AI 使用率超 80%，遠超全球 58% 的平均

· 最強模型越來越黑箱，95 個代表性模型裡 80 個沒有公開訓練代碼

中美貼臉，差距只剩 2.7%

斯坦福把 2023 年 5 月以來 Arena 榜單上的美國第一和中國第一，畫在了同一張座標系裡。

2023 年 5 月，gpt-4-0314 拿 1320 分領跑，中國這邊還是 chatglm-6b，差距 300 多分。

2025 年 2 月，DeepSeek-R1 第一次和美國頭部模型短暫打平。

2026 年 3 月，美國的 Claude Opus 4.6 拿到 1503 分，中國 dola-seed-2.0-preview 拿到 1464 分。

如今中美 AI 之間的差距，僅有 39 分。換算成百分比，2.7%。

更值得說的是過去一年的換位頻率。從 2025 年初開始，兩國頭部模型已經在 Arena 上你來我往換了好幾次位置。

數量上同樣接近五五開。

2025 年美國發布了 50 個「顯著模型」，中國緊隨其後也發布了 30 個頂尖大模型。

第一梯隊裡 OpenAI、谷歌、阿里、Anthropic、xAI 同台站位，全球 TOP 5 五五分賬。

再往下看到 TOP 10，中國機構和企業佔了四席，阿里、DeepSeek、清華、字節。

開源生態這一年的重心也明顯東移。

DeepSeek、Qwen、GLM、MiniMax、Kimi 一路把開源權重的能力曲線往前推。

再算上論文發表量、被引數、專利產出量、工業機器人裝機量，中國統統全球第一。

價格層面是另一條戰線。

海外開發者在 X 上算過一筆賬，Seed 2.0 Pro 的輸出價格大約只有 Claude Opus 4.6 的十分之一。

性能貼臉，價格只要十分之一。這件事的連鎖反應才剛剛開始。

90% 前沿模型出自產業，封神速度史無前例

去年發布的 95 個最具代表性的模型裡，超過九成都來自產業界，不是學術機構，也不是政府實驗室。

學術界已經追不上前沿了。

發布速度也在變態加速。

光是 2026 年 2 月一個月，就有 Gemini 3.1 Pro、Claude Opus 4.6、GPT-5.3 Codex、Grok 4.20、Qwen 3.5、Seed 2.0 Pro、MiniMax M2.5、GLM-5 八九個旗艦模型同月入場。

封神周期從「年」變成了「月」。

基準一年封頂，AI 沒有瓶頸

最猛的曲線是編程。

SWE-bench Verified 這個真實修 Bug 的基準，一年時間從 60% 漲到接近 100%。

不是漲了幾個點，是基本封頂。

Terminal-Bench 測試 Agent 處理真實終端任務的能力，從去年的 20% 漲到 77.3%。

網路安全 Agent 解決問題的成功率，從 15% 漲到 93%。

Gemini Deep Think 在國際數學奧林匹克拿到金牌。

PhD 級科學問答（GPQA Diamond）、競賽數學（AIME）、多模態推理（MMMU）這些原本被認為「人類不可超越」的硬骨頭，全部被前沿模型啃了下來。

最能說明問題的是 Humanity's Last Exam。

這是一個專門被設計來「難倒 AI、偏袒人類專家」的測試，題目由各個領域的頂尖專家提供。

去年 OpenAI 的 o1 拿到 8.8%，前沿模型在一年時間裡把分數往上又推了 30 個百分點，目前 Claude Opus 4.6 和 Gemini 3.1 Pro 已經雙雙過了 50%。

鋸齒前沿，能拿 IMO 金牌卻看不懂表

但同一份指數甩出了另一組數字。

最強模型在「讀模擬時鐘」這個任務上的正確率，是 50.1%。

機器人在實驗室仿真環境（RLBench）裡的操作成功率已經達到 89.4%。但搬到真實家庭場景裡完成洗碗、摺衣服這類家務，成功率立刻掉到 12%。

實驗室和廚房之間，差了 77 個百分點。

研究者把這種現象命名為「鋸齒前沿」（jagged frontier）。AI 能力的分佈是凹凸不平的，能拿數學奧賽金牌，卻沒法穩定地告訴你現在幾點。

AI 能在數學奧賽拿金牌，但只有一半的概率能看懂模擬時鐘。AI 在加速，但加速的不是同一個方向。

另外，在智能體任務中，OSWorld 測試中，前沿 AI 實力（66.3%）正逼近人類基線。

然而，在專門評估科研邏輯的 PaperArena 測試中，最強 AI 加持的 Agent，得分僅 39%，只有博士生一半的功力。

但這種凹凸已經不影響企業把 AI 往生產線上塞。

AI Index 給出的另一個數字是，全球企業 AI 採用率達到 88%。九成的公司已經把 AI 接進了某個工作流。

代價同步在漲。AI 相關事故記錄從 2024 年的 233 起漲到 362 起。

錢在加速，5817 億砸進 AI

2025 年全球企業 AI 投資達到 5817 億美元，同比增長 130%。其中私募投資 3447 億美元，同比增長 127.5%。

兩條曲線都幾乎翻倍。

國別上，美國一騎絕塵。2025 年美國私募 AI 投資 2859 億美元。並且一年新增 1953 家 AI 創業公司，也是排名第二的 10 倍以上。

錢正在加速湧向美國。但美國的另一項核心資源，正在反向流動。

人在流走，進美國的 AI 研究者跌了 89%

裡面有一組數字讓人愣了一下。

2017 年到現在，進入美國的 AI 研究人員和開發者數量下降了 89%。

更關鍵的是，這個下降在加速。僅僅過去一年，下降幅度就達到 80%。

美國仍然是全球 AI 研究人員密度最高的國家，但流入的水龍頭正在拧緊。

錢和人這兩條曲線開始反向。這是過去十年沒出現過的局面。

算力三年漲 30 倍，命門都在一家公司手裡

AI 能力曲線在加速，背後那條算力曲線跑得更猛。

從 2021 年到現在，全球 AI 算力總量漲了 30 倍。過去三年裡，每年都在翻三倍以上。

撐起這條曲線的是少數幾家公司。

英偉達一家的 GPU，佔據了全世界 AI 算力的 60% 以上。亞馬遜和谷歌靠自研晶片排在二三位，但加起來也遠遠追不上英偉達。

而幾乎所有這些晶片，都來自一家代工廠，台積電。算力曲線越陡，命門就越窄。

與此同時，代價也在加大。

全球 AI 資料中心的總功率已經達到 29.6 GW，相當於紐約州在用電高峰時段的全部用電需求。xAI Grok 4 一次訓練的估算碳排放是 72816 噸二氧化碳當量，相當於 17000 輛汽車開一整年的尾氣。

資料中心建在哪裡，電從哪裡來，晶片從哪裡產，這三個問題已經變成今年所有 AI 公司 CEO 案頭最頭疼的事。

生成式 AI 三年滲透 53%，中國職場使用率破 80%

生成式 AI 在三年內達到了 53% 的全球人口滲透率。

這個速度比個人電腦快，比互聯網快。

但滲透速度和國別相關性極強。新加坡 61%，阿聯酋 54%，都跑在美國前面。美國在調查覆蓋國家中只排第 24 位，滲透率 28.3%。

如果把維度從消費者換成職場，反差更大。

報告裡另一組數據顯示，2025 年全球 58% 的員工在工作中已經開始經常性使用 AI。但在中國、印度、尼日利亞、阿聯酋、沙特這 5 個國家，這個比例超過了 80%。

中國的職場 AI 滲透率，已經比全球平均高出 20 個百分點以上。

更有意思的是消費者價值。

AI Index 估算，到 2026 年初，生成式 AI 工具每年給美國消費者創造 1720 億美元的價值。從 2025 年到 2026 年，每個用戶的中位數價值翻了三倍。

絕大多數用戶用的還是免費版。

普通人願意為 AI 付的錢，遠低於 AI 給他們創造的價值。這其中的剪刀差是現在所有 AI 公司都在試圖彌合的東西。

入門崗位銳減，22-25 歲開發崗狂砍 20%

整份 AI Index 里最讓中文讀者沉默的，可能是關於年輕就業的部分。

22 到 25 歲的軟體開發者群體，從 2024 年至今，就業人數下降了大約 20%。

同期，年紀更大的同行群體反而在增長。

不止開發崗。客服等其他高 AI 暴露行業，也在出現同樣的模式。

更讓人擔心的是企業問卷的結果。受訪高管普遍預期，未來的裁員幅度會比過去幾個月還要大。

這不是宏觀失業率的事，是入口崗位被精準切掉的事。

第一份工作沒了，整個職業階梯就斷了一格。這件事的長期影響，現在沒人能算清。

AI 正在改寫科學發現的方式

如果說就業那一段是冷的，科學這段就是熱的。

自然科學、物理科學、生命科學領域的 AI 相關論文，2025 年同比增長了 26% 到 28%。

具體到應用，今年第一次有 AI 完整跑通了端到端的天氣預報流程。從原始氣象觀測數據直接吐出溫度、風速、濕度的最終預報，中間沒有任何傳統數值模型介入。

AI 從「幫你寫論文」「幫你算數字」，正在變成「自己做發現」。

醫院裡也是一樣。2025 年大量醫院開始部署能從就診對話自動生成臨床記錄的 AI 工具。多個醫院系統的醫生反饋，寫病歷的時間減少了多達 83%，工作倦怠顯著下降。

但同一份指數給醫療 AI 澆了一盆冷水。一份針對 500 多個臨床 AI 研究的綜述發現，將近一半的研究依賴考試題式的數據集，只有 5% 用了真實臨床數據。

AI 能減少醫生敲鍵盤的時間，這件事是確定的。AI 在真實病人身上的臨床價值，目前還有大量問號。

自學浪潮全球開炸，正規教育已經掉隊

正規教育跟不上 AI 了。

美國有 4/5 的高中生和大學生現在用 AI 完成學校作業。但只有一半的中學有 AI 使用政策，只有 6% 的老師認為這些政策寫得清楚。

學生跑在前面，老師還在原地，規則還沒出現。

正規教育跟不上的同時，自學浪潮在全球開炸。裡面寫，學 AI 工程技能增長最快的三個國家分別是阿聯酋、智利和南非。

不是美國，不是歐洲。

技能曲線的最陡峭的那一段，長在所有人都沒在看的地方。

最強模型變成最不透明的，專家和公眾撕裂

最強的模型，正在變成最不透明的模型。

Foundation Model Transparency Index 今年的平均分從去年的 58 分跌到了 40 分。AI Index 直接點名，谷歌、Anthropic、OpenAI 都已經放棄公開最新模型的訓練數據規模和訓練時長。

去年發布的 95 個最具代表性的模型裡，80 個沒有公開訓練代碼。

公眾的情緒也變得更複雜。

全球範圍內，認為 AI 利大於弊的比例從 52% 上升到 59%。但同期，對 AI 感到緊張的比例從 50% 上升到 52%。

兩個方向在同時增長。

最分裂的是美國。只有 33% 的美國人認為 AI 會讓自己的工作變得更好，全球平均是 40%。美國人對本國政府監管 AI 的信任度，是受訪國家裡最低的，31%。

新加坡人對自己政府監管 AI 的信任度，是 81%。

最近 Sam Altman 家被襲擊的事件之後，硅谷圈內人「驚訝地發現」Instagram 評論區裡的普通人對此並不同情，甚至有人覺得「應該更激烈一點」。

他們沒意識到事情已經糟到這個程度。

研報引用的 Pew 和 Ipsos 數據，專家和公眾在 AI 影響就業、醫療、經濟這些維度上的觀感差距，普遍超過 30 個百分點，最大的一項達到 50 個百分點。

一邊是實驗室裡的曲線在飛漲，一邊是普通人心裡的不安在累積。

中間沒有橋。

寫在最後

423 頁的報告裡有幾百張圖表，但其實只畫了一張圖。

橫軸是時間，縱軸是能力。

模型能力的曲線在飛，算力曲線在飛，投資曲線在飛，採用率曲線在飛。其他全都在原地踏步或者向下。

這就是 2026 年 AI Index 的全部內容。

AI 在加速。其他所有事物都在脫節。

如果你是這個行業裡的人，現在該問的問題不是「未來會怎麼樣」，而是「自己站在哪一條曲線上」。

參考資料：

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

https://hai.stanford.edu/news/inside-the-ai-index-12-takeaways-from-the-2026-report

https://www.nature.com/articles/d41586-026-01199-z

https://hai.stanford.edu/assets/files/ai_index_report_2026.pdf

原文鏈接