AI的鋸齒前沿：金牌能力與簡單任務的反差，喜憂參半

今天，斯坦福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，卻沒怎么跟上步伐。

其中，最震撼的結論是——

中美AI模型性能差距已基本消失，雙方在巔峰對決中頻繁易主，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。

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

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%。

AI搶飯碗這事兒已經從預測變成了現實，而且最先遭殃的就是當代年輕「打工人」。

下面直接上干貨，「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：

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，畫在了同一張坐標系里。

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」，中國緊跟著也發布了30個頂尖大模型。

第一梯隊里OpenAI、谷歌、阿里、Anthropic、xAI同臺站位，全球TOP 5五五分賬。

再往下看到TOP 10，中國機構和企業占了四席，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。

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里，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%。

網絡安全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里把分數往上又推了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）里的操作成功率已經達到89.4%。但搬到真實家庭場景里完成洗碗、疊衣服這類家務，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能力的分布是凹凸不平的，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。

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采用率達到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。并且一年新增1953家AI創業公司，也是排名第二的10倍以上。

錢在加速涌向美國。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%

里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擰緊。

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里

AI能力曲線在加速，背后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。過去三年里，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，占據了全世界AI算力的60%以上。亞馬遜和谷歌靠自研芯片排在二三位，但加起來也遠遠追不上英偉達。

而幾乎所有這些芯片，都來自一家代工廠，臺積電。算力曲線越陡，命門就越窄。

代價也在加大。

全球AI數據中心的總功率已經達到29.6 GW，相當于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，相當于17000輛汽車開一整年的尾氣。

數據中心建在哪里，電從哪里來，芯片從哪里產，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。

報告里另一組數據顯示，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。

普通人愿意為AI付的錢，遠低于AI給他們創造的價值。這中間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%

22到25歲的軟件開發者群體，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。

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。

醫院里也是一樣。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潑了一盆冷水。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。里面寫，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里，80個沒有公開訓練代碼。

公眾的情緒也變得更復雜。

全球范圍內，認為AI利大于弊的比例從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，是受訪國家里最低的，31%。

新加坡人對自己政府監管AI的信任度，是81%。

最近Sam Altman家被襲擊的事件之后，硅谷圈內人「驚訝地發現」Instagram評論區里的普通人對此并不同情，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。

一邊是實驗室里的曲線在飛漲，一邊是普通人心里的不安在累積。

中間沒有橋。

423頁的報告里有幾百張圖表，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，采用率曲線在飛。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。其他所有東西都在脫節。