structure｜1️⃣ 三级笔记、思想框架

🔖 文章信息

• 标题：2026 AI Index Report
• 来源：Stanford HAI（Human-Centered Artificial Intelligence）
• 类型：年度旗舰报告官方导读（Top Takeaways）
• 覆盖范围：AI 技术性能、研发基础设施、负责任 AI、经济影响、科学应用、医疗、教育、政策治理、公众舆论

📐 核心论点

AI 的影响力前所未有地深入社会各层面。2026 年的 AI 全景呈现出一组深刻的张力：能力在加速，但安全、教育和公众信任都没跟上。全球格局正在重塑——美中差距几乎消失，AI 主权成为国策，而开源正在重新分配参与权。

📝 大纲笔记

一、AI 能力：不是在平台期，而是在加速

• 2025 年，工业界贡献了超过 90% 的前沿模型
• 多个模型在 PhD 级科学问题、多模态推理、竞赛数学上达到或超越人类基线
• SWE-bench Verified（代码基准测试）：一年内从 60% 飙升到接近 100%
• 组织采用率达到 88%，五分之四的大学生已经在使用生成式 AI
• 生成式 AI 三年内达到 53% 人口采用率，比 PC 和互联网都快
  • 但各国差异大，与人均 GDP 强相关
  • 新加坡 61%、阿联酋 54%，美国仅排第 24 位（28.3%）
• 美国消费者从生成式 AI 工具获得的估算年价值达 1720 亿美元（2026 年初），人均价值在 2025→2026 间翻了三倍

二、AI 的 Jagged Frontier（锯齿状前沿）

• Gemini Deep Think 在国际数学奥林匹克拿了金牌
• 但最好的模型读模拟时钟的准确率只有 50.1%
• AI Agent 在 OSWorld（跨操作系统的真实计算机任务测试）上从 12% 跃升到约 66%，但仍有三分之一的结构化基准测试失败
• 这就是研究者所说的 jagged frontier：能力并非均匀推进，而是在某些维度惊人强大、另一些维度出人意料地脆弱

三、美中 AI 差距：实质上已经关闭

• 自 2025 年初起，美中模型多次交替领先
• 2025 年 2 月，DeepSeek-R1 一度追平美国顶级模型
• 截至 2026 年 3 月，Anthropic 顶级模型仅领先 2.7%
• 美国优势：更多顶级模型、更高影响力专利
• 中国优势：论文数量、引用量、专利产出、工业机器人安装量均领先
• 韩国：AI 人均专利数全球第一，创新密度突出

四、基础设施：美国数据中心 + TSMC 的全球依赖

• 美国拥有 5,427 个数据中心，是第二名的 10 倍以上
• 能源消耗也是全球第一
• 几乎所有领先 AI 芯片由台积电（TSMC）一家代工——全球 AI 硬件供应链高度依赖台湾一座工厂
• 2025 年 TSMC 美国工厂开始运营，但集中度风险仍然突出

五、负责任 AI：安全跟不上能力

• 几乎所有前沿模型开发者都报告能力基准测试结果，但负责任 AI 基准测试的报告参差不齐
• AI 事件记录数从 2024 年 233 起升至 362 起
• 一个关键发现：改善一个负责任 AI 维度（如安全）可能会降低另一个维度（如准确性）——维度间存在张力

六、投资与人才：美国领跑投资，但吸引人才的能力在急剧下滑

• 美国 2025 年私人 AI 投资达 2859 亿美元，是中国的 23 倍以上
  • 但仅看私人投资可能低估中国总支出（政府引导基金未计入）
• 美国 2025 年新增 AI 创业公司 1,953 家，是第二名的 10 倍
• 人才危机：迁入美国的 AI 研究者和开发者数量自 2017 年下降了 89%，仅过去一年就下降了 80%

七、教育：正式教育跟不上，但人们在每个人生阶段都在学 AI

• 超过 80% 的美国高中和大学生在课业中使用 AI
• 但只有一半的中学有 AI 政策，仅 6% 的教师认为政策清晰
• 课堂之外，AI 工程技能增长最快的是阿联酋、智利和南非
• 美国和加拿大新 AI 博士 2022→2024 增长 22%，但新增博士进了学术界，而非工业界

八、AI 主权：成为国家政策的核心特征

• 国家 AI 战略在扩展，尤其是发展中经济体
• 国家级 AI 超算投资同步上升——各国正在争夺对 AI 生态系统的国内控制权
• 但模型生产仍然集中在美国和中国
• 开源正在重新分配参与权："rest of the world" 在 GitHub 的贡献已超欧洲、接近美国，推动了更多语言多样性的模型和基准

九、专家 vs 公众：认知鸿沟巨大

• AI 对工作的影响：73% 专家认为积极 vs 仅 23% 公众认为积极，差距 50 个百分点
• 经济影响、医疗影响同样存在类似分歧
• 全球对政府监管 AI 的信任度差异大：
  • 美国公众对本国政府监管 AI 的信任度全球最低，仅 31%
  • 全球范围内，欧盟被认为比美国或中国更值得信赖来有效监管 AI

十、报告结构一览

1. Chapter 1：Research and Development（研发、模型、开源、基础设施、环境足迹、论文、专利）
2. Chapter 2：Technical Performance（技术性能基准）
3. Chapter 3：Responsible AI（安全、公平、透明、治理）
4. Chapter 4：Economy（私营部门、劳动力市场、生产力、工作的未来）
5. Chapter 5：Science（新增章节：AI 在生物、化学、物理、天文学中的角色）
6. Chapter 6：Medicine（科学发现、临床应用、患者参与、伦理）
7. Chapter 7：Education（教育）
8. Chapter 8：Policy and Governance（政策、公共投资、AI 主权）
9. Chapter 9：Public Opinion（公众舆论、信任、监管态度）

🧠 思想框架

这份报告的核心思想框架是**「加速能力 vs 滞后治理」的张力**：

1. 能力维度：AI 在快速加速，jagged frontier 意味着进步不均匀但整体方向不可逆
2. 竞争维度：美中差距实质关闭，但竞争格局复杂——各有优势领域，韩国等小国以密度取胜
3. 基础设施维度：巨大的集中度风险（美国数据中心 + TSMC 代工），地缘政治脆弱性
4. 治理维度：安全跟不上能力，事件在上升，维度间存在 trade-off
5. 人才维度：美国领跑投资但正在失去人才吸引力——长期竞争力的隐患
6. 普惠维度：采用速度创纪录但与 GDP 相关，教育体系跟不上，开源在民主化参与
7. 信任维度：专家与公众的巨大认知鸿沟，全球对监管机构的信任碎片化

这些张力不是孤立的——它们相互交织，构成了 2026 年 AI 全景的核心叙事。

concepts｜2️⃣ 关键概念、概念网络

一、核心概念解析 (Core Concepts)

【Jagged Frontier（锯齿状前沿）】

• context：
• 费曼一下：AI 的能力进步不是一条平滑上升的曲线，而是一条锯齿形的边界——在某些维度（如竞赛数学）已经超人，在另一些维度（如读模拟时钟）却不如小学生。你不能简单地说「AI 很强」或「AI 很弱」，因为它在不同任务上的表现可以相差天壤之别。这意味着评估 AI 能力时，必须具体到任务维度，而不能笼统概括。

【AI Sovereignty（AI 主权）】

• context：
• 费曼一下：各国越来越把「拥有自主可控的 AI 能力」当成国家安全级别的战略目标来追求——就像石油主权、粮食安全一样。表现形式包括：制定国家 AI 战略、投资 AI 超算基础设施、扶持本土模型。但现实是模型生产依然集中在美中两国，开源正在成为打破这种集中的「民主化」力量。

【Responsible AI（负责任 AI）的维度间 Trade-off】

• context：
• 费曼一下：负责任 AI 不是一个单一目标，而是多个维度（安全、公平、透明、准确性）构成的多目标优化问题。关键洞察是这些维度之间存在张力——你拧紧一个螺丝，另一个可能就松了。这使得「做负责任的 AI」比想象中更难，因为没有一个简单的「全部调到最高」的解法。

【SWE-bench Verified】

• context：
• 费曼一下：一个用来测试 AI 解决真实软件工程问题能力的基准测试。它不是让 AI 写玩具代码，而是让它处理真实开源项目中的 issue。一年内从 60% 到接近 100% 的跃升，说明 AI 的代码能力正在以惊人速度逼近（甚至达到）专业程序员水平。

【OSWorld】

• context：
• 费曼一下：一个测试 AI Agent 能否像人一样操作真实电脑的基准——跨操作系统，执行真实任务（如打开文件、修改设置、使用软件）。从 12% 到 66% 的跃升说明 AI Agent 正在从「基本不能用」快速进化到「大部分时候能用」，但三分之一的失败率意味着离可靠还有距离。

【AI Index】

• context：
• 费曼一下：Stanford HAI 每年发布的 AI 全景追踪报告，用数据而非观点来描述 AI 的现状。覆盖技术性能、经济影响、政策治理、公众舆论等九大维度，是全球政策制定者、研究者和企业高管理解 AI 发展最权威的参考之一。

agentic reading｜3️⃣ 费曼 x3