“21世紀關鍵技術”關注科技未來發展趨勢，研究21世紀前沿科技關鍵技術的需求，和影響。將不定期推薦和發布世界范圍重要關鍵技術研究進展和未來趨勢研究。

來源：21世紀關鍵技術

斯坦福大學以人為中心的人工智能研究所（HAI）近日發布《2026年人工智能指數報告》，這是該系列的第九版。報告綜合獨立來源的全球數據，全面追蹤人工智能在技術、經濟、勞動力、治理與公眾認知等維度上的發展軌跡。如果說2025年的報告記錄的是人工智能作為主流力量的"到來"，那么這份最新報告試圖回答的是：到來之后，發生了什么。

報告聯席主席在序言中寫道，這項技術的擴張速度，已超出一切圍繞它建立的管理體系所能跟上的節奏。這句話，構成了整份報告的核心張力。

資本與規模：一場沒有減速跡象的擴張

2025年，全球企業對人工智能的投資總量超過此前任何年份，且增速同樣創下歷史紀錄。私人投資增長127.5%，占全部投資的60%；生成式人工智能的私人融資增長逾200%，幾乎占據全部AI私人融資的半壁江山。新獲融資的AI企業數量同比增長71%，融資規模超過10億美元的單筆交易數量幾乎翻倍。

美國在這一格局中保持絕對主導地位。2025年，美國私人AI投資達2859億美元，是中國124億美元的23倍以上。當年新獲融資的AI企業共1953家，是排名第二國家的10倍以上。谷歌母公司Alphabet僅資本支出一項便超過1500億美元。

但這一領先地位存在內在的隱患。自2017年以來，流入美國的AI研究人員和開發者數量下降了89%，僅在過去一年就下降了80%。資本在集聚，而人才在流失。報告指出，如果這一趨勢持續，美國在AI研發生態上的優勢可能受到更深層的侵蝕。

與此同時，前沿模型公司的營收正以歷史罕見的速度攀升，但計算成本和基礎設施開支同樣在突破紀錄。這意味著，AI經濟的規模化并不必然等同于盈利能力的成熟。收入在增長，但支出的增長可能同樣兇猛。

普及與價值：比互聯網還快，但分布極不均衡

生成式人工智能在三年內實現了約53%的人口普及率，超過個人電腦和互聯網在同等時間窗口內的擴散速度。這一數字在報告中被反復引用，因為它不僅是一個技術傳播的統計，更折射出一場經濟和社會結構的深層變動。

然而，普及率背后的地理分布高度不均。新加坡以61%的采用率領先，阿聯酋為54%，兩國均超出其收入水平所能預測的數值。美國的數字則令人意外：28.3%，全球排名第24位。普及速度與人均GDP高度相關，但規律并非鐵板一塊——一些中等收入國家的擴散速度遠超預期。

消費者從這些工具中獲取的經濟價值，也在快速上升。報告估算，截至2026年初，美國消費者從生成式AI工具中獲得的年度消費者剩余約達1720億美元，較一年前的1120億美元增長54%。更值得注意的是，每位用戶的中位價值在2025年至2026年間增長了兩倍，而這些工具中大多數仍可免費或近乎免費獲取。這一組合——極高價值、極低獲取成本——是AI經濟區別于大多數歷史技術擴散的顯著特征之一。

在企業層面，受調查組織中有88%表示正在使用AI，生成式AI已在至少一項業務職能中部署于70%的組織。但與此同時，AI智能體（AI agent）的部署率在幾乎所有業務職能中仍處于個位數。這說明，企業的"采用"在很大程度上仍停留在試驗和局部應用階段，真正的流程替代尚未大規模發生。

勞動力沖擊：生產率提升與青年就業下滑同步出現

報告對勞動力市場的分析是最令人不安的部分之一，原因在于其揭示的結構性不對稱。

在客戶支持和軟件開發領域，AI輔助工具帶來了14%至26%的生產率提升，這是有實證依據的發現。然而，在需要更多判斷力的任務中，效果則減弱甚至為負。更關鍵的是，生產率的提升并未平均分配于勞動力市場的各個層級。在AI賦能效果最為顯著的軟件開發領域，美國22歲至25歲的開發者就業率從2024年起下降了近20%，而資深開發者的就業人數卻仍在增長。

這一發現印證了多項獨立研究所提出的"資歷偏向型技術變革"假說：AI傾向于替代初級勞動力，而使高級職位受益。報告將年輕開發者稱為"煤礦里的金絲雀"——他們的就業惡化，是整個勞動力市場深層變動的早期信號，而這一信號早在ChatGPT面世之前的2022年便已出現。

麥肯錫的調查數據顯示，在軟件工程和制造業職能中，受訪者將AI與最高成本節約相關聯的比例為56%，而在營銷與銷售、戰略與財務等職能中，AI被認為能帶來最高收入增長的比例超過60%。用一個更簡單的方式概括：在哪里省錢，就在哪里裁人；在哪里賺錢，就在哪里留人。

教育體系的滯后使這一問題更加突出。超過80%的美國高中生和大學生已將AI用于學習相關任務，但只有一半的中學和高中出臺了AI使用政策，且僅有6%的教師認為這些政策是清晰的。新增AI博士數量從2022年到2024年增長了22%，但增量部分的畢業生選擇進入學術界，而非產業界。

技術邊界與治理空白

在技術層面，報告描繪了一幅前沿模型趨于收斂的圖景。在Arena等主流評測平臺上，頭部供應商的模型Elo分數彼此相差無幾，Anthropic、xAI、Google之間的差距已不足以產生實質性區分。基準測試的飽和問題——即模型分數高到測試本身失去區分能力——正在成為系統性挑戰。為此而設計的"更難"測試，往往在數年內便被模型突破。

與此同時，前沿實驗室在負責任AI評測方面的信息披露極為稀少。報告梳理了多項涵蓋安全性、公平性、事實可靠性的評測基準，發現大多數模型條目為空白——前沿實驗室并非不做內部評測，但它們極少使用外部可比的標準化基準進行披露。這使得獨立驗證幾乎無從實現。在科學領域，前沿模型已在化學基準測試上平均優于人類化學家，但在天體物理學的論文復現任務上得分卻低于20%，在地球觀測問題上得分33%。大模型并不必然優于小模型，一個1.11億參數的蛋白質語言模型在ProteinGym基準上擊敗了參數量大近200倍的競爭模型。

AI的環境代價同樣在快速累積。Grok 4的訓練估計排放了72816噸二氧化碳當量。全球AI數據中心的電力容量已達29.6吉瓦，相當于紐約州峰值用電量。GPT-4o的推理過程每年消耗的水量，可能超過1200萬人的飲用水需求。

在政策領域，2025年出現了方向上的明顯分歧。歐盟《人工智能法案》的首批禁止條款開始生效，日本、韓國和意大利分別通過了本國AI立法；與此同時，美國聯邦層面轉向放松監管，而各州立法機構通過的AI相關法案數量卻創下歷史紀錄。超過一半新采納國家AI戰略的國家來自發展中國家，表明"AI主權"已成為一個跨越發展階段的政策關切。

公眾認知方面，報告追蹤了覆蓋30余個國家的多項大規模調查。全球對AI的樂觀情緒在2025年上升，但焦慮感同步增加。專家與公眾之間存在巨大認知鴻溝：73%的AI專家預期AI對工作方式有積極影響，而持同樣看法的公眾僅占23%，差距高達50個百分點。美國公眾對本國政府監管AI的信任度僅為31%，是受調查國家中最低的。在全球范圍內，歐盟被認為比美國或中國更值得信賴地監管AI。

報告最終呈現的，是一幅內部充滿張力的圖景：技術在加速，資本在集中，普及在擴散，但治理體系、評測方法、教育機構乃至用于追蹤AI影響的數據基礎設施，均未能跟上這一節奏。正如報告序言所言，"數據并不指向單一方向。它揭示的是一個擴張速度超過周圍系統適應能力的領域。"這句話，既是診斷，也是警告。

閱讀最新前沿科技趨勢報告，請訪問21世紀關鍵技術研究院的“未來知識庫”

未來知識庫是 “21世紀關鍵技術研究院”建 立的在線知識庫平臺，收藏的資料范圍包括人工智能、腦科學、互聯網、超級智能，數智大腦、能源、軍事、經濟、人類風險等等領域的前沿進展與未來趨勢。目前擁有超過8000篇重要資料。每周更新不少于100篇世界范圍最新研究資料。 歡迎掃描二維碼或訪問https://wx.zsxq.com/group/454854145828進入。

截止到2月28日 ”未來知識庫”精選的百部前沿科技趨勢報告

（加入未來知識庫，全部資料免費閱讀和下載）