AI的锯齿前沿：金牌能力与简单任务的反差，喜忧参半

今天，斯坦福HAI重磅发布「2026年AI指数报告」！

这份长达423页的年度报告，全面揭示了全球AI产业的最新权力版图。

它给出了一条核心结论：AI的本事涨得飞快；但人类衡量和管好它的能力，却没怎么跟上步伐。

其中，最震撼的结论是——

中美AI模型性能差距已基本消失，双方在巅峰对决中频繁易主，目前Anthropic领先优势仅剩2.7%。

美国在AI上砸的钱比谁都多，但招揽顶尖人才却越来越吃力了。

报告还指出，AI的进化不仅没有遭遇所谓的「瓶颈」，反而正以史无前例的速度狂飙。

过去一年，全球超90%的顶尖模型，在博士级科学问题、多模态推理、竞赛数学上的表现，追平甚至超越了人类。

特别是在代码能力上，SWE-bench的成绩在一年内，从60%飙升至近100%。

AI的「偏科」现象极其严重，呈现出一种畸形的现状：

LLM可以拿下IMO金牌，却读不对模拟时钟，正确率仅为50.1%。

AI抢饭碗这事儿已经从预测变成了现实，而且最先遭殃的就是当代年轻「打工人」。

下面直接上干货，「2026年AI指数报告」最值得关注的12个硬核趋势。

其他亮点速览：

中美贴脸

差距只剩2.7%

斯坦福把2023年5月以来Arena榜单上的美国第一和中国第一，画在了同一张坐标系里。

2023年5月，gpt-4-0314拿1320分领跑，中国这边还是chatglm-6b，差距300多分。

2025年2月，DeepSeek-R1第一次和美国头部模型短暂打平。

2026年3月，美国的Claude Opus 4.6拿到1503分，中国dola-seed-2.0-preview拿到1464分。

如今中美AI之间的差距，仅有39分。换算成百分比，2.7%。

更值得说的是过去一年的换位频率。从2025年初开始，两国头部模型已经在Arena上你来我往换了好几次位置。

数量上同样接近五五开。

2025年美国发布了50个「显著模型」，中国紧跟着也发布了30个顶尖大模型。

第一梯队里OpenAI、谷歌、阿里、Anthropic、xAI同台站位，全球TOP 5五五分账。

再往下看到TOP 10，中国机构和企业占了四席，阿里、DeepSeek、清华、字节。

开源生态这一年的重心也明显东移。

DeepSeek、Qwen、GLM、MiniMax、Kimi一路把开源权重的能力曲线往前推。

价格层面是另一条战线。

海外开发者在X上算过一笔账，Seed 2.0 Pro的输出价格大约只有Claude Opus 4.6的十分之一。

性能贴脸，价格只要十分之一。这件事的连锁反应才刚刚开始。

90%前沿模型出自产业

封神速度史无前例

去年发布的95个最具代表性的模型里，超过九成都来自产业界，不是学术机构，也不是政府实验室。

学术界已经追不上前沿了。

发布速度也在变态加速。

光是2026年2月一个月，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-5八九个旗舰模型同月入场。

封神周期从「年」变成了「月」。

基准一年封顶

AI没有瓶颈

最猛的曲线是编程。

SWE-bench Verified这个真实修Bug的基准，一年时间从60%涨到接近100%。

不是涨了几个点，是基本封顶。

Terminal-Bench测试Agent处理真实终端任务的能力，从去年的20%涨到77.3%。

网络安全Agent解决问题的成功率，从15%涨到93%。

Gemini Deep Think在国际数学奥林匹克拿到金牌。

PhD级科学问答（GPQA Diamond）、竞赛数学（AIME）、多模态推理（MMMU）这些原本被认为「人类不可超越」的硬骨头，全部被前沿模型啃了下来。

最能说明问题的是Humanity's Last Exam。

这是一个专门被设计来「难倒AI、偏袒人类专家」的测试，题目由各个领域的顶尖专家提供。

去年OpenAI的o1拿到8.8%，前沿模型在一年时间里把分数往上又推了30个百分点，目前Claude Opus 4.6和Gemini 3.1 Pro已经双双过了50%。

锯齿前沿

能拿IMO金牌却看不懂表

但同一份指数甩出了另一组数字。

最强模型在「读模拟时钟」这个任务上的正确率，是50.1%。

机器人在实验室仿真环境（RLBench）里的操作成功率已经达到89.4%。但搬到真实家庭场景里完成洗碗、叠衣服这类家务，成功率立刻掉到12%。

实验室和厨房之间，差了77个百分点。

研究者把这种现象命名为「锯齿前沿」（jagged frontier）。AI能力的分布是凹凸不平的，能拿数学奥赛金牌，却没法稳定地告诉你现在几点。

AI能在数学奥赛拿金牌，但只有一半的概率能看懂模拟时钟。AI在加速，但加速的不是同一个方向。

另外，在智能体任务中，OSWorld测试中，前沿AI实力（66.3%）正逼近人类基线。

在专门评估科研逻辑的PaperArena测试中，最强AI加持的Agent，得分仅39%，只有博士生一半的功力。

但这种凹凸已经不影响企业把AI往生产线上塞。

AI Index给出的另一个数字是，全球企业AI采用率达到88%。九成的公司已经把AI接进了某个工作流。

代价同步在涨。AI相关事故记录从2024年的233起涨到362起。

钱在加速

5817亿砸进AI

2025年全球企业AI投资达到5817亿美元，同比增长130%。其中私募投资3447亿美元，同比增长127.5%。

两条曲线都几乎翻倍。

国别上，美国一骑绝尘。2025年美国私募AI投资2859亿美元。并且一年新增1953家AI创业公司，也是排名第二的10倍以上。

钱在加速涌向美国。但美国的另一项核心资源，正在反向流动。

人在流走

进美国的AI研究者跌了89%

里面有一组数字让人愣了一下。

2017年到现在，进入美国的AI研究人员和开发者数量下降了89%。

更关键的是，这个下降在加速。仅仅过去一年，下降幅度就达到80%。

美国仍然是全球AI研究人员密度最高的国家，但流入的水龙头正在拧紧。

钱和人这两条曲线开始反向。这是过去十年没出现过的局面。

算力三年涨30倍

命门都在一家公司手里

AI能力曲线在加速，背后那条算力曲线跑得更猛。

从2021年到现在，全球AI算力总量涨了30倍。过去三年里，每年都在翻三倍以上。

撑起这条曲线的是少数几家公司。

英伟达一家的GPU，占据了全世界AI算力的60%以上。亚马逊和谷歌靠自研芯片排在二三位，但加起来也远远追不上英伟达。

而几乎所有这些芯片，都来自一家代工厂，台积电。算力曲线越陡，命门就越窄。

代价也在加大。

全球AI数据中心的总功率已经达到29.6 GW，相当于纽约州在用电高峰时段的全部用电需求。xAI Grok 4一次训练的估算碳排放是72816吨二氧化碳当量，相当于17000辆汽车开一整年的尾气。

数据中心建在哪里，电从哪里来，芯片从哪里产，这三个问题已经变成今年所有AI公司CEO案头最头疼的事。

生成式AI三年渗透53%

中国职场使用率破80%

生成式AI在三年内达到了53%的全球人口渗透率。

这个速度比个人电脑快，比互联网快。

但渗透速度和国别相关性极强。新加坡61%，阿联酋54%，都跑在美国前面。美国在调查覆盖国家中只排第24位，渗透率28.3%。

如果把维度从消费者换成职场，反差更大。

报告里另一组数据显示，2025年全球58%的员工在工作中已经开始经常性使用AI。但在中国、印度、尼日利亚、阿联酋、沙特这5个国家，这个比例超过了80%。

中国的职场AI渗透率，已经比全球平均高出20个百分点以上。

更有意思的是消费者价值。

AI Index估算，到2026年初，生成式AI工具每年给美国消费者创造1720亿美元的价值。从2025年到2026年，每个用户的中位数价值翻了三倍。

绝大多数用户用的还是免费版。

普通人愿意为AI付的钱，远低于AI给他们创造的价值。这中间的剪刀差是现在所有AI公司都在试图弥合的东西。

入门岗位锐减

22-25岁开发岗狂砍20%

22到25岁的软件开发者群体，从2024年至今，就业人数下降了大约20%。

同期，年纪更大的同行群体反而在增长。

不止开发岗。客服等其他高AI暴露行业，也在出现同样的模式。

更让人担心的是企业问卷的结果。受访高管普遍预期，未来的裁员幅度会比过去几个月还要大。

这不是宏观失业率的事，是入口岗位被精准切掉的事。

第一份工作没了，整个职业阶梯就断了一格。这件事的长期影响，现在没人能算清。

AI正在改写科学发现的方式

如果说就业那一段是冷的，科学这段就是热的。

具体到应用，今年第一次有AI完整跑通了端到端的天气预报流程。从原始气象观测数据直接吐出温度、风速、湿度的最终预报，中间没有任何传统数值模型介入。

医院里也是一样。2025年大量医院开始部署能从就诊对话自动生成临床记录的AI工具。多个医院系统的医生反馈，写病历的时间减少了多达83%，工作倦怠显著下降。

但同一份指数给医疗AI泼了一盆冷水。一份针对500多个临床AI研究的综述发现，将近一半的研究依赖考试题式的数据集，只有5%用了真实临床数据。

AI能减少医生敲键盘的时间，这件事是确定的。AI在真实病人身上的临床价值，目前还有大量问号。

自学浪潮全球开炸

正规教育已经掉队

正规教育跟不上AI了。

美国有4/5的高中生和大学生现在用AI完成学校作业。但只有一半的中学有AI使用政策，只有6%的老师认为这些政策写得清楚。

学生跑在前面，老师还在原地，规则还没出现。

正规教育跟不上的同时，自学浪潮在全球开炸。里面写，学AI工程技能增长最快的三个国家分别是阿联酋、智利和南非。

不是美国，不是欧洲。

技能曲线的最陡峭的那一段，长在所有人都没在看的地方。

最强模型变成最不透明的

专家和公众撕裂

最强的模型，正在变成最不透明的模型。

Foundation Model Transparency Index今年的平均分从去年的58分跌到了40分。AI Index直接点名，谷歌、Anthropic、OpenAI都已经放弃公开最新模型的训练数据规模和训练时长。

去年发布的95个最具代表性的模型里，80个没有公开训练代码。

公众的情绪也变得更复杂。

全球范围内，认为AI利大于弊的比例从52%上升到59%。但同期，对AI感到紧张的比例从50%上升到52%。

两个方向在同时增长。

最分裂的是美国。只有33%的美国人认为AI会让自己的工作变得更好，全球平均是40%。美国人对本国政府监管AI的信任度，是受访国家里最低的，31%。

新加坡人对自己政府监管AI的信任度，是81%。

最近Sam Altman家被袭击的事件之后，硅谷圈内人「惊讶地发现」Instagram评论区里的普通人对此并不同情，甚至有人觉得「应该更激烈一点」。

他们没意识到事情已经糟到这个程度。

研报引用的Pew和Ipsos数据，专家和公众在AI影响就业、医疗、经济这些维度上的观感差距，普遍超过30个百分点，最大的一项达到50个百分点。

一边是实验室里的曲线在飞涨，一边是普通人心里的不安在累积。

中间没有桥。

423页的报告里有几百张图表，但其实只画了一张图。

横轴是时间，纵轴是能力。

模型能力的曲线在飞，算力曲线在飞，投资曲线在飞，采用率曲线在飞。其他全都在原地踏步或者向下。

这就是2026年AI Index的全部内容。

AI在加速。其他所有东西都在脱节。