（來源：麻省理工科技評論）

如果你在關(guān)注 AI 新聞，你大概率已經(jīng)看得眼花繚亂了——AI 堪比淘金熱；AI 只是經(jīng)濟泡沫；AI 在搶走你的工作；AI 連個鐘表都看不懂……

近期，在這些聲音中，斯坦福大學以人為本人工智能研究所（HAI）撰寫的“AI 年度成績單” 新鮮出爐，以幫我們在噪音之中撥云見霧。

盡管有預測說 AI 發(fā)展已經(jīng)觸及到了天花板，這份報告顯示頂尖模型仍在持續(xù)變強。人們擁抱 AI 的速度，比當年接受個人電腦和互聯(lián)網(wǎng)時都要快。AI 公司創(chuàng)造收入的速度超過了以往任何一輪技術(shù)浪潮中的公司，與此同時它們也在數(shù)據(jù)中心和芯片上砸下數(shù)千億美元。而用來衡量 AI 的基準測試、用來約束 AI 的政策，以及整個就業(yè)市場，都在艱難地追趕 AI 的步伐。AI 在狂奔，而剩下的人還在找鞋穿。

這種速度是有代價的。全球 AI 數(shù)據(jù)中心的耗電量如今可達 29.6 吉瓦，足以在用電高峰時支撐整個紐約州的運轉(zhuǎn)。僅 OpenAI 的 GPT-4o 每年的耗水量，就可能超過 1200 萬人的飲用水需求。這些數(shù)據(jù)揭示了一項演進速度超過我們管理能力的技術(shù)。下面我們來看看這份報告里幾個關(guān)鍵點。

中美水準并駕齊驅(qū)

Arena 是一個由用戶驅(qū)動的 AI 模型排行榜，它讓用戶把相同的提示詞同時丟給不同的大語言模型，再根據(jù)大量用戶的投票結(jié)果給模型排名。根據(jù) Arena 的最新數(shù)據(jù)，美國和中國在 AI 模型性能上幾乎并駕齊驅(qū)。2023 年初，OpenAI 憑借 ChatGPT 遙遙領(lǐng)先，但隨著 Google 和 Anthropic 相繼推出自己的模型，這一差距在 2024 年逐漸縮小。2025 年 2 月，中國的 DeepSeek 推出的 R1 一度追平了當時美國最頂尖的模型 ChatGPT。截至 2026 年 3 月，Anthropic 位居榜首，緊隨其后的是 xAI、Google 和 OpenAI。DeepSeek 和阿里巴巴等中國模型也不遑多讓。如今頂尖 AI 模型之間的差距已經(jīng)被壓縮到發(fā)絲之細，它們正在轉(zhuǎn)而比拼成本、可靠性和實際可用性。

（來源：麻省理工科技評論）

報告指出，美國和中國的 AI 優(yōu)勢各有不同。美國擁有更強的 AI 模型、更多的資本，以及估計約 5427 個數(shù)據(jù)中心，是任何其他國家的 10 倍以上；中國則在 AI 研究論文、專利和機器人領(lǐng)域領(lǐng)先。

隨著競爭加劇，OpenAI、Anthropic 和 Google 等公司已經(jīng)不再公開模型的訓練代碼、參數(shù)數(shù)量和數(shù)據(jù)集規(guī)模?！瓣P(guān)于如何預測模型的行為，我們有很多東西還不清楚，”南加州大學計算機科學家、該報告的合著者約蘭達·吉爾（Yolanda Gil）說。她表示，這種不透明讓獨立研究人員很難研究如何讓 AI 模型變得更安全。

模型能力進步飛快

盡管有聲音預測發(fā)展會進入平臺期，AI 模型卻一直在變得越來越強。按某些衡量標準，它們在旨在測試博士級科學、數(shù)學和語言理解能力的考試上已經(jīng)達到或超過了人類專家的水平。針對 AI 模型的軟件工程基準測試 SWE-bench Verified，頂尖成績從 2024 年的約 60% 躍升到 2025 年的近 100%。2025 年，一個 AI 系統(tǒng)獨立完成了天氣預報。

“這項技術(shù)持續(xù)在進步，完全沒有進入平臺期，我被震驚到了?！奔獱栒f。

（來源：麻省理工科技評論）

不過 AI 在其他很多領(lǐng)域仍然吃癟。由于模型是通過處理海量文本和圖像來學習，而不是通過親歷物理世界，它們表現(xiàn)出一種“參差不齊的智能”：機器人仍處于起步階段，只能完成 12% 的家務(wù)任務(wù)；自動駕駛汽車發(fā)展稍快，Waymo 已經(jīng)在美國五個城市運行，百度的 Apollo Go 也在中國各地接送乘客。AI 也在向法律、金融等專業(yè)領(lǐng)域擴展，但目前還沒有哪個模型能主導這些領(lǐng)域

基準測試已經(jīng)落后

這些進步數(shù)據(jù)需要保留余地。斯坦福報告指出，用來追蹤 AI 進展的基準測試正被模型飛速突破，已經(jīng)跟不上節(jié)奏。有的基準本身就做得不夠嚴謹——一個流行的數(shù)學能力基準測試的錯誤率高達 42%。有的則容易被“作弊”：比如當模型直接在基準測試的數(shù)據(jù)上接受了訓練，它可以學會拿高分而并沒有真的變聰明。

由于 AI 實際使用的方式與它被測試的方式很少一致，基準測試的好成績并不總能轉(zhuǎn)化為真實世界的表現(xiàn)。而對于 AI 智能體和機器人這類復雜的交互式技術(shù)，相應的基準測試幾乎還不存在。

AI 公司也越來越少公開自己的模型是如何訓練的，獨立測試得出的結(jié)論有時與公司自己報告的不一致?！昂芏喙静还_自己的模型在某些基準上的表現(xiàn)，尤其是那些涉及‘負責任 AI’的基準，”吉爾說，“你不公開某項基準的表現(xiàn)，這件事本身可能就說明了一些問題?！?/strong>

AI 開始影響就業(yè)

進入主流視野不到三年，AI 的用戶已經(jīng)覆蓋了全球超過一半的人口，普及速度超過了個人電腦和互聯(lián)網(wǎng)。估計有 88% 的機構(gòu)組織在使用 AI，大學生里每五人有四人用過 AI。

部署還處于早期，AI 對就業(yè)的影響很難量化。不過一些研究顯示，AI 已經(jīng)開始影響特定行業(yè)的年輕從業(yè)者。斯坦福經(jīng)濟學家 2025 年的一項研究顯示，22 到 25 歲軟件開發(fā)者的就業(yè)人數(shù)自 2022 年以來下降了近 20%。這一下降未必能全部歸因于 AI，更廣泛的宏觀經(jīng)濟環(huán)境也可能是原因，但 AI 看起來確實在其中扮演了角色

（來源：麻省理工科技評論）

雇主們表示招聘可能會繼續(xù)收緊。麥肯錫 2025 年的一項調(diào)查顯示，三分之一的組織預計 AI 將在未來一年內(nèi)縮減他們的員工規(guī)模，尤其是服務(wù)與供應鏈運營和軟件工程領(lǐng)域。報告引用的研究數(shù)據(jù)顯示，AI 在客戶服務(wù)領(lǐng)域提升了 14% 的生產(chǎn)力，在軟件開發(fā)領(lǐng)域提升了 26%，但對那些更依賴判斷力的任務(wù)，生產(chǎn)力收益并未顯現(xiàn)。整體上看，AI 對經(jīng)濟的更大影響還需要更多時間才能看清楚。

公眾專家判斷相左

全球范圍來看，人們對 AI 既樂觀又焦慮：報告引用的益普索（Ipsos）調(diào)查顯示，59% 的人認為 AI 帶來的好處會多于壞處，52% 的人則說 AI 讓他們緊張。

值得注意的是，專家和普通公眾對 AI 未來的判斷差異懸殊，最大的鴻溝出現(xiàn)在對就業(yè)的預期上：73% 的專家認為 AI 將對人們的工作方式產(chǎn)生正面影響，但美國公眾里持此觀點的只有 23%。在 AI 對教育和醫(yī)療的影響上，專家同樣比公眾更樂觀，但雙方都認同 AI 將損害選舉和人際關(guān)系。

（來源：麻省理工科技評論）

在受訪國家中，美國人對本國政府監(jiān)管 AI 的信心最低——這是益普索另一項調(diào)查的結(jié)論。擔心聯(lián)邦 AI 監(jiān)管力度不夠的美國人，多于擔心監(jiān)管過度的人。

各國政府艱難立法

各國政府都在掙扎著為 AI 立規(guī)矩，過去一年里確實有一些進展。歐盟《人工智能法案》的首批禁令已生效，禁止在預測性警務(wù)和情感識別中使用 AI。日本、韓國和意大利也通過了各自的國家級 AI 法律。美國聯(lián)邦政府則走向了去監(jiān)管化，特朗普總統(tǒng)簽署行政命令，試圖限制各州對 AI 的監(jiān)管權(quán)。

盡管聯(lián)邦層面是這樣的動作，美國各州立法機構(gòu)仍然通過了創(chuàng)紀錄的 150 項 AI 相關(guān)法案。加州通過了具有標志性意義的立法，包括 SB 53 法案，要求 AI 模型開發(fā)者履行安全披露義務(wù)，并為舉報者提供保護。紐約通過了 RAISE 法案，要求 AI 公司公開安全規(guī)范并報告重大安全事件。

（來源：麻省理工科技評論）

但吉爾說，盡管立法活動頻繁，監(jiān)管仍然跑在技術(shù)后面，因為我們對 AI 本身的理解還不夠。“各國政府在監(jiān)管 AI 上很謹慎，因為……我們很多事情都沒搞清楚，”她說，“我們對這些系統(tǒng)還沒有很好的把握?！?/p>

https://www.technologyreview.com/2026/04/13/1135675/want-to-understand-the-current-state-of-ai-check-out-these-charts/