個人電腦用了十幾年才走進(jìn)半數(shù)家庭，互聯(lián)網(wǎng)花了七年覆蓋過半網(wǎng)民。AI 只用了三年，滲透率就飆到 53%。斯坦福 HAI 研究所最新發(fā)布的《2026 AI 指數(shù)報告》給出這個數(shù)字時，連研究者自己都愣了一下——技術(shù)擴(kuò)散的速度刷新了歷史紀(jì)錄，但"負(fù)責(zé)任 AI"的進(jìn)度條幾乎沒動。

這份 423 頁的厚報告，由人類研究員主筆，ChatGPT 和 Claude 打雜，Google 和 OpenAI 們掏錢贊助。它追蹤的不只是技術(shù)參數(shù)，還有 AI 在現(xiàn)實(shí)世界里制造的麻煩。2024 年記錄在案的 AI 事故是 233 起，2025 年跳到 362 起，漲幅 55%。事故定義很直白：AI 系統(tǒng)部署后造成的實(shí)際傷害或險些傷害。

當(dāng)律師把假案號喂給法庭

美國第六巡回上訴法庭最近點(diǎn)名批評了一起案件：律師用 AI 生成法律文件，里面塞了"超過二十四個虛假引用和事實(shí)誤述"。法官沒客氣，直接把這事寫進(jìn)意見書里。斯坦福團(tuán)隊把這當(dāng)成典型案例——AI 能力跑在前頭，安全基準(zhǔn)線落在后頭。

組織層面的 AI 采用率已經(jīng)沖到 88%，大學(xué)生群體約 80% 坦承在用。但"用得上"和"用得好"是兩件事。SWE-bench 測試顯示，AI 處理真實(shí) GitHub 問題的成功率從 60% 躥到接近 100%，只用了一年時間。編程能力突飛猛進(jìn)，其他領(lǐng)域卻瘸著腿走路。

AA-Omniscient 指數(shù)專門測一件事：模型會不會承認(rèn)自己不知道，而不是瞎蒙。26 個主流模型的幻覺率從 22% 到 94% 不等，差距大到離譜。換句話說，你用的那個 AI 可能是個老實(shí)人，也可能是個滿嘴跑火車的騙子——而用戶根本分不清。

更荒誕的是基礎(chǔ)能力缺口。ClockBench 基準(zhǔn)測試?yán)铮琌penAI 的 GPT-5.4 High 讀模擬時鐘的正確率只有 50.6%，普通人類能做到 90%。機(jī)器人更慘，BEHAVIOR-1K 模擬環(huán)境下完成家務(wù)任務(wù)的成功率僅 12%。能寫代碼的 AI，看不懂表；能聊天的 AI，擦不了桌子。

專家和公眾唯一共識：要出事

斯坦福報告挖了一層有趣的數(shù)據(jù)：AI 專家和美國公眾在幾乎所有問題上都吵得不可開交，唯獨(dú)在兩個領(lǐng)域罕見地達(dá)成一致——選舉和人際關(guān)系，會被 AI 搞砸。

64% 的美國公眾認(rèn)為，未來 AI 會減少人類可用的工作崗位。專家群體對這個預(yù)測分歧極大，但沒人否認(rèn)技術(shù)正在重塑勞動市場。真正讓兩邊同時皺眉的，是 AI 對信息環(huán)境和情感連接的滲透。

選舉場景里，深度偽造（Deepfake）和自動化信息操控已經(jīng)不算新聞。2024 年多國大選期間，AI 生成的偽造音視頻在社交平臺瘋傳，從候選人"說"從未說過的話，到完全虛構(gòu)的丑聞片段。監(jiān)管和檢測工具的反應(yīng)速度，明顯跟不上偽造技術(shù)的迭代節(jié)奏。

人際關(guān)系維度更隱蔽，也更難量化。AI 伴侶應(yīng)用的用戶規(guī)模在 2023-2025 年間翻了數(shù)倍，Replika、Character.AI 等產(chǎn)品把"情感勞動"外包給算法。斯坦福報告沒給具體用戶數(shù)，但引用了多項調(diào)查：相當(dāng)比例的年輕人認(rèn)為 AI 關(guān)系"比真人更輕松"，同時承認(rèn)這讓他們更回避現(xiàn)實(shí)社交。

技術(shù)提供了一種替代方案，而替代方案正在改變?nèi)藗儗?正常關(guān)系"的定義。

責(zé)任 AI 的基準(zhǔn)線，還在用 2022 年的尺子

報告里有個細(xì)節(jié)容易被忽略：主流 AI 安全基準(zhǔn)的更新頻率，遠(yuǎn)低于模型本身的迭代速度。很多測試集還是 2022 年設(shè)計的，當(dāng)時 GPT-3.5 都算前沿。現(xiàn)在拿來測 GPT-5 級別的系統(tǒng)，相當(dāng)于用小學(xué)試卷考大學(xué)生——分?jǐn)?shù)虛高，隱患被掩蓋。

企業(yè)端的"負(fù)責(zé)任 AI"投入也在縮水。報告追蹤了頭部 AI 公司的安全團(tuán)隊變動：2024 年以來，多個知名安全研究機(jī)構(gòu)被裁撤或重組，核心人員流向創(chuàng)業(yè)團(tuán)隊或完全離開行業(yè)。公開理由是"整合資源"，但時間點(diǎn)和產(chǎn)品發(fā)布節(jié)奏高度重合。

資助方名單本身也說明問題。Google、OpenAI、Anthropic、Microsoft 同時出現(xiàn)在贊助商和報告批評對象的位置上。斯坦福 HAI 的獨(dú)立性聲明寫了兩頁，但讀者自有判斷——當(dāng)裁判和運(yùn)動員共享更衣室，哨子會不會偏音？

公眾感知層面，信任度曲線在 2024 年達(dá)到頂峰后回落。皮尤研究中心的同期數(shù)據(jù)顯示，認(rèn)為 AI"利大于弊"的美國人比例從 52% 降至 41%。專家群體的樂觀情緒反而更穩(wěn)定，形成一道認(rèn)知鴻溝。斯坦福報告試圖解釋這種分裂：專家看的是技術(shù)潛力，公眾嘗的是落地苦果。

三年走完別人十年的路，代價是什么

AI 的擴(kuò)散速度確實(shí)創(chuàng)造了歷史。個人電腦從誕生到 53% 滲透率用了約 15 年，互聯(lián)網(wǎng)用了 7 年，智能手機(jī)用了 5 年。AI 把這個周期壓縮到 3 年，靠的不是硬件成本下降，而是云端 API 的即時觸達(dá)——用戶不需要買設(shè)備，注冊個賬號就能用上頂級模型。

這種"輕資產(chǎn)" adoption 模式跳過了技術(shù)擴(kuò)散的傳統(tǒng)階段。沒有裝機(jī)量的緩慢爬坡，沒有寬帶基礎(chǔ)設(shè)施的十年鋪設(shè)，風(fēng)險也隨之同步抵達(dá)。2024 年的 233 起事故到 2025 年的 362 起，增幅曲線和采用率曲線幾乎平行。

事故類型也在演變。早期多是算法偏見、推薦系統(tǒng)失控這類"系統(tǒng)內(nèi)"問題；2024 年以來，"用戶主動濫用"占比明顯上升——用 AI 批量生成釣魚郵件、偽造身份文檔、制作非自愿色情內(nèi)容。工具越易用，濫用門檻越低。

斯坦福團(tuán)隊沒有給出 2026 年的事故預(yù)測數(shù)字。但報告引用了 AI Incident Database 維護(hù)者的話：「我們記錄的速度已經(jīng)跟不上發(fā)生的速度。」

選舉和人際關(guān)系，一個是社會協(xié)作的底層協(xié)議，一個是人類經(jīng)驗(yàn)的私密核心。AI 同時侵入這兩個領(lǐng)域，意味著技術(shù)影響從"效率工具"層面向"意義生成"層面躍遷。它不再只是幫你寫郵件更快，而是在幫你決定相信什么、愛誰、如何被愛。

報告結(jié)尾處有個容易被跳過的附錄：研究者用 GPT-4o 和 Claude 3.5 輔助完成了部分?jǐn)?shù)據(jù)整理和圖表生成。腳注里特意標(biāo)注了"人類最終審核"。這個細(xì)節(jié)像是一個微縮隱喻——我們還在試圖劃清人機(jī)邊界，但邊界本身已經(jīng)模糊。

下一次大選周期里，你會怎么驗(yàn)證一段視頻的真?zhèn)危慨?dāng)你的朋友開始認(rèn)真談?wù)?AI 伴侶比前任更懂我"時，你會怎么回應(yīng)？