斯坦福大学教授李飞飞团队：2026年人工智能发展报告总结！

本文约5000字建议阅读5分钟关于斯坦福大学教授李飞飞联合创始的HAI团队发布的2026年人工智能发展报告《2026人工智能指数报告》的最新总结。1. 研究与开发产业界垄断加剧美国吸引AI人才的速度10年来最低先看一个今年很扎眼的变化。2025年全球91.6%的标志性模型指具有高度影响力的AI模型来自产业界学术界只产出了1个。这个比例在2023年还是约60%短短两年翻天覆地。具体到地区美国以50个遥遥领先中国31个韩国5个剩下加拿大、法国、英国各1个。从下图能直观看出这个差距有多大。图12025年各国标志性AI模型发布数量来源Epoch AI聚焦到公司层面2025年发布标志性模型最多的是OpenAI19个、谷歌12个、阿里巴巴11个、Anthropic7个。中国AI企业里阿里巴巴、DeepSeek、字节跳动都在榜单上。图22025年各机构标志性模型数量来源Epoch AI再看研究侧。论文总量、引用总份额、专利授权数量中国全都排第一——2024年中国占全球AI论文引用的20.6%美国只有12.6%。唯一还能说美国领先的是Top 100高引用论文的数量但2024年美国和中国都是41篇两者已经持平。中国在研究上的追赶速度比很多人预期的快得多。今年报告里有一个细节越强的模型反而越不透明。OpenAI、Anthropic、谷歌的顶级模型现在连参数量、训练数据规模、训练时长都不再公开了。人才方面也出现了一个很反常的信号——美国吸引AI研究者和开发者移入的数量比2017年暴跌了89%仅去年一年就下降了80%。美国还是全球AI人才最密集的地方但新人才流进来的速度是10年来最低的。从下图能看到各国的人才净流入/流出情况。图3各国AI顶尖作者和发明者净流入/流出情况2010-2025来源Zeki Data再来看一个数字训练一个顶级模型碳排放已经到了什么量级。2012年训练AlexNet碳排放估算是0.01吨CO₂2025年训练Grok 4这个数字变成了72,816吨。中间涨了将近700万倍。报告里专门做了个对比一辆普通汽车整个使用寿命的碳排放约63吨Grok 4一次训练就是它的1000多倍。从下图能清晰看到这个增长有多陡。不过有个细节值得单独说DeepSeek v3训练产生了约597吨远低于体量相近的其他模型。这从碳排放的角度侧面印证了DeepSeek的训练效率——用更少的算力完成了同等水平的训练消耗少排放自然也少。2. 技术性能AI有些地方已经超过人类有些地方出奇的差今年有个数据对比挺有意思Gemini Deep Think在2025年国际数学奥林匹克IMO上拿了金牌35分在4.5小时内全程用自然语言作答比去年的银牌又进了一步。但同样是顶级模型在ClockBench上读取模拟钟表正确率只有50.1%——人类随便拉个成年人来也有90.1%。这种高处强、低处弱的现象报告里专门有个词jagged frontier参差前沿。简单说就是AI在某些方面已经超越人类在另一些看起来很基础的事上却出奇地差而且这不是某一个模型的问题是现阶段AI共有的特征。再看各家整体性能。从Arena Leaderboard全球最大语言模型实时评测平台由伯克利等高校主导的Elo评分来看截至2026年3月几家顶级模型的差距已经小到几乎分不清Anthropic 1503分、xAI 1495分、谷歌 1494分、OpenAI 1481分前四名挤在25分以内。从下图可以看到这个收窄的过程。图4各厂商顶级模型Arena评分趋势来源Arena 2026中美差距方面这两年多次易手。2025年2月DeepSeek-R1和美国顶级模型一度只差5分截至2026年3月美国领先中国最强模型2.7%。这个差距在过去一年里一直在个位数以内反复波动已经不是当年那种断崖式领先了。图5美国与中国顶级模型Arena评分对比来源Arena 2026开源和闭源的差距去年一度缩小到0.5%但今年又拉开了——截至2026年3月闭源最强模型领先开源最强模型3.3%Arena前10名里有6个是闭源模型。图6闭源与开源最强模型Arena评分差距变化还有一件事值得单独说我们用来衡量AI进步的那些测试本身正在出问题。对9个常用基准的检查发现GSM8K里有42%的题目存在问题MMLU系列里也有从2%到26%不等的无效题。另外有研究显示Arena排行榜的结果可能部分反映的是模型对这个平台的适应性而不是真正的通用能力。AI智能体Agent方面OSWorld跨操作系统的真实电脑任务测试上的成功率从12%跳到约66%进步很明显但还是有约三分之一的任务做不到。机器人方面在软件仿真环境里操作成功率89.4%放到真实家庭环境只剩12%实验室和现实之间的鸿沟依然很大。3. 负责任的AI事故达到362起安全和准确之间开始互相打架先简单说一下负责任的AIResponsible AIRAI是什么意思。就是一套规矩要求AI开发和使用时做到不带偏见、不泄露隐私、不带安全风险还得符合法律和道德最终对人和社会有好处。2025年记录在案的AI事故达到362起比2024年的233起又涨了55%连续多年在增。问题是几乎所有主流模型开发者都会认真报告MMLU、SWE-bench这类能力测试的成绩但在安全、公平这些负责任AI指标上报告就稀稀拉拉了。透明度不升反降。AI基金会模型透明度指数的平均分从2024年的58分跌回了2025年的40分——在训练数据、计算资源、部署后影响这些关键环节主要开发者今年反而说得更少了。最新研究还发现提高AI某一个负责任维度比如安全性会系统性地损害其他维度比如准确性。这意味着负责任AI不是线性能解决的工程问题每个方向之间都有内在矛盾。组织层面有些好转有AI专项治理职位的企业岗位增长了17%完全没有负责任AI政策的企业占比从24%降到了11%。但主要障碍还是老三样知识不够59%、预算不足48%、监管不确定41%。4. 经济全球AI投资规模翻倍AI让年轻程序员先失业了先看投资规模。2025年全球AI总投资额达到5817亿美元比2024年涨了约130%。私人投资最猛达3447亿美元同比涨了127.5%。其中光生成式AI就拿走了1709亿——占私人投资总额的近一半增速超过200%。从下图能清晰看到这十几年的增长曲线。图82013-2025年全球企业AI投资总额来源Quid 2025图9全球AI私人投资额2013-2025来源Quid 2025美国还是一骑绝尘。2025年美国私人AI投资2859亿美元是中国124亿的23倍多。新获投AI公司数量上美国有1953家是排名第二国家的10倍以上。不过报告也专门提了这个对比可能低估了中国的实际投入因为中国政府引导基金2000年到2023年间估计向AI企业投了约1840亿美元不计在私人投资里。消费者这边有一个挺惊喜的数字到2026年初美国消费者每年从生成式AI工具里获得的估算总价值达到1720亿美元比2025年的1120亿元增长了54%而且人均价值中位数在一年内翻了三倍——其中大多数工具对用户要么免费要么花不了几个钱。生成式AI 3年内达到53%的人口渗透率比个人电脑快也比互联网快。但各国差异很大。新加坡61%、阿联酋64%远超预期美国只排第24名28.3%比很多人想的要低。图10全球30个主要经济体AI普及率排名来源Microsoft AI Economy Institute 2025就业方面AI的冲击已经落地了但不是平均分配的。22至25岁的美国软件开发者就业人数比2024年下降了近20%同期年长的开发者人数还在增长。年轻程序员干的基础编码工作AI已经能替代年长的做架构和判断暂时还替代不了。客户支持、软件开发、营销这些岗位AI带来了14%到50%不等的效率提升——效率上去了但对应岗位的人也在减少。越是需要复杂判断的工作目前受到的冲击反而越小。5. 科学小模型打败大模型AI开始尝试替代科学家2026年的报告第一次把科学单独列了一章不再和医学合在一起。今年有个很反直觉的发现在科学领域小模型正在打败大模型。MSAPairformer是个只有1.11亿参数的蛋白质语言模型在ProteinGym基准上超过了此前的领先方法GPN-Star只有2亿参数但打败了一个400亿参数的模型参数差了近200倍照样赢。2025年还冒出了虚拟细胞模型这个新方向——Arc Institute的Evo 2、DeepMind的AlphaGenome等目标是不跑实验室实验直接预测细胞对药物和基因扰动的反应。现在还做不到完全替代实验但方向很清晰了。数量上AI相关科学论文2025年约8万篇比2024年涨了26%占整个科学研究产出的5.8%到8.8%而2010年这个数字还不到1%。但泼冷水的数据也有在天体物理学论文复现测试ReplicationBench上前沿模型得分不到20%在地球观测问题上得分33%。顶级模型在化学难题上平均超过人类专家却在一些基础任务上离谱地出错——和技术性能章里说的参差是同一个规律。6. 医学帮医生省了83%的写笔记时间但严谨的证据还是太少2026年报告也把医学单独列了一章。最让人眼前一亮的数据是AI自动生成临床笔记的大规模落地多个医院系统的数据显示医生花在写病历上的时间减少了最多83%职业倦怠感明显下降有的医院还报告了112%的投资回报率。诊断能力方面微软的多智能体AI诊断系统配合OpenAI的o3在复杂病例测试中准确率达85.5%而没有辅助工具的医生只有20%。多智能体框架相比单智能体诊断准确率提升了7%到超过60%——幅度差很大说明效果高度依赖场景设计。但报告同时泼了一盆冷水对500多项临床AI研究的综述发现近一半依赖考试式题目而非真实患者数据只有5%用了真实临床数据。FDA 2025年批准了258个AI医疗设备但只有2.4%有随机对照试验数据撑腰。还有一个数字值得关注现在84%到92%的健康相关谷歌搜索顶部会出现AI生成的摘要。症状搜索触发AI概览的比例高达92%。AI正在成为普通人接触医疗信息的第一道门但这些摘要准不准、会不会误导人目前还缺乏系统性评估。7. 教育美国八成大学生用AI做作业中国在AI教育遥遥领先数字很直接超过80%的美国高中生和大学生现在用AI做跟学习有关的事最常干的是查资料、改论文、头脑风暴。但学校跟不上。只有一半的中学有AI相关政策只有6%的老师说那些政策是讲清楚的。学生在用老师不知道该怎么管这个错位目前还没有好的解法。高等教育里有个结构性变化值得注意美国四年制大学CS专业招生2024到2025年间下降了11%但AI相关研究生项目还在涨。AI博士方面美国和加拿大的新增AI博士2022到2024年增长了22%但增长出来的这部分全部流向了学术界没有去产业——这把过去十年AI博士主要去企业的趋势给逆转了。全球范围90%以上的国家已经在中小学提供计算机科学教育但AI教育普及慢很多。中国和阿联酋是例外两国都在2025-26学年开始强制推AI教育。8. 政策各国争着搞AI自主可控美国对本国政府监管AI的信任度全球最低今年政策这章有个关键词出现得很密集——AI主权意思是国家要掌控自己的AI能力、不依赖别人。这已经成了2025年全球AI政策的核心主题。从国家战略来看2024年超过一半的新国家AI战略来自过去五年完全没有正式AI政策的发展中国家——非洲、中亚、中东都有国家在起草。但能力建设差距很大2018到2025年欧洲和中亚把国家支持的AI超算集群从3个扩到了44个而南亚、拉丁美洲、中东和北非加在一起也就十来个。立法方向上2025年出现了明显分歧欧盟AI法案第一批禁令正式生效禁止预测性警务、情绪识别等高风险用途美国同期签行政令方向是去监管、促进AI领导地位。日本、韩国、意大利各自通过了本国AI专项法律。美国国会里AI相关证人从2017年的5人涨到2025年的102人增加了20倍。产业界证人比例从13%升至37%成为最大证人群体学术界降至15%。有个数字格外刺眼美国受访者对本国政府能否负责任地监管AI的信任度在所有调查国家里排最后只有31%。全球平均是54%新加坡81%、印度尼西亚76%排在最前面。9. 公众观点专家和普通人完全不同全球来看认为AI产品利大于弊的受访者比例从2024年的55%升到59%但同期说AI让自己感到紧张的比例也升到了52%。乐观和焦虑没有互相取代而是一起在涨——越多人用AI越多人既期待又担心。图11全球公众对AI态度趋势来源Ipsos 2025东南亚还是最乐观的地区。中国、马来西亚、泰国、印度尼西亚、新加坡都有超过80%的受访者相信AI会在未来3-5年深刻改变他们的生活。印度是今年焦虑感涨得最快的国家上升了14个百分点。职场里用AI的比例新兴市场比发达国家高出不少全球58%的员工定期使用AI工作但印度、中国、尼日利亚、阿联酋、沙特这个比例超过了80%。专家和普通公众对AI未来的判断差距大得惊人。关于AI对就业的影响73%的专家觉得是积极的公众里只有23%——差了整整50个百分点。对经济的看法专家69%积极公众21%对医疗的看法专家84%积极公众44%。两个群体活在同一个世界但对这个世界的判断完全不同。就业焦虑上64%的美国人认为AI会在未来20年导致岗位减少只有5%觉得会增加。专家相对乐观39%认为减少19%认为增加但专家预测到2030年AI辅助的工作时间会占美国工时的80%公众的预判只有10%。报告地址https://hai.stanford.edu/ai-index/2026-ai-index-report编辑文婧关于我们数据派THU作为数据科学类公众号背靠清华大学大数据研究中心分享前沿数据科学与大数据技术创新研究动态、持续传播数据科学知识努力建设数据人才聚集平台、打造中国大数据最强集团军。新浪微博数据派THU微信视频号数据派THU今日头条数据派THU