斯坦福大學人文中心人工智能研究所（簡稱HAI）最新發布的「2026年AI指數報告」，這幾天在海內外教育圈和科技界持續刷屏。

這份已連續發布9年的年度報告，號稱是全球最權威的AI發展風向標，今年的內容涵蓋研發、技術性能、經濟、醫療、教育、政策與治理、公共輿論等9大維度。

432頁報告的核心結論是，AI在快速進化，但人類衡量和管理它的實力還沒跟上。

報告指出，AI處理復雜任務的能力接近甚至超越人類，但仍在部分操作中表現不穩定；90%前沿模型研發誕生在產業界，而非學術界；正規教育明顯滯后于AI發展；AI提升了生產率，但入門級崗位減少了等。

而我們在其中發現的一個令人最震驚的警示是，傳統好學生，正在被重新定義：過去我們贊頌聽話乖巧、會刷題、能考高分、遵守規則的學霸，可能反而在 AI時代會被慢慢邊緣化。

圖源｜斯坦福HAI

AI入侵課堂，學校卻在「裸奔」

斯坦福AI指數報告在教育部分赤裸裸地說，正規教育已落后于AI發展速度。

先來看幾組最直觀的數據。

在多個國家的調查中，約80%大學生在用AI完成學業，這一比例幾乎是2023年的2倍（當時約為40%），其中使用度最高的是印度尼西亞學生（95%），英美兩國為67%。

大學生和高中生有很多相似的使用場景，包括做研究、頭腦風暴、寫論文、檢查作業時等，最大的區別是大學生首要目的是用AI理解某個概念或學科。

學生使用AI后的效果如何呢？一項對超7.3萬名加州州立大學學生調查顯示，64%的人認為有積極作用，包括提升了主題理解和組織能力，也能更高效學習，節省了大量時間。

從這些數據就能看出，AI不再是簡單的學習工具，它更像是一種學習能力提升的基礎設施。

過去的學習是，誰刷的題更多，誰記得更牢，誰解題更熟練，就更有優勢。

如今概念解釋、資料整理、初步寫作等由AI完成，學習能力就變成了誰能拆解并高效調用AI完成任務，并對結果進行判斷和修正，也就是誰能更早進入人機協作模式。

圖源unsplash

然而很讓人無奈的是，學生在擁抱AI，學校卻沒有跟上，尤其是在中小學K-12階段，我們的教育系統滯后性明顯更大。

中學生AI平均使用率在50%到84%之間，但僅約一半的學校制定了AI相關政策。這就導致了一個矛盾的局面，學生已大面積用AI了，但學校仍在用舊規則管理學習。就算有學校提供了學習路徑，但推進的速度很慢且分布不均。

圖源unsplash

以美國為例，截止2025年12月美國只有4個州明確在計算機科學教育標準中強調了AI，即現在AI教育的整體采用率仍然有限。

這背后的原因有很多。

首先是在預算有限的情況下，學校不得不將資源重新分配到更緊迫的領域。

同時AI教育的推進和普及依賴政策指導、教師培訓和課程設置的協調一致，但三者之間仍存在明顯的斷層，學校很難快速實現從傳統教育到AI時代的轉型。

所以很多國家雖然在教育戰略中多次提及AI素養培養，但真正落地的有效行動仍然有限。

圖源unsplash

報告提到，約93%國家已開設CS課，但僅30%中小學將其設為強制要求，且資源和基礎設施在不同地區和學校之間分布不均衡，城市與私立學校明顯優于農村與公立學校。

正規學校教育本是培養AI素養和技能最重要的切入口，但如今它已經明顯掉隊，想要迎頭趕上，需要投入的時間和精力都非常大，一朝一夕很難達到。

這種滯后性也提醒著我們，AI時代的“好學生”不能被動等待學校投喂知識，必須成為主動的自學者和AI的協作者。

正如那句被廣泛傳播的話：“未來淘汰你的，不是AI，而是會用AI的人。”

孩子們的第一份工作，已被AI吞掉了

過去，大多數學生的職業規劃路徑很清晰，畢業后進入企業從基礎崗位做起，先積累經驗和人脈，再一步步晉升到高級崗位。

但斯坦福的報告在經濟章節給出了一個殘酷的現實，AI提升了生產率，但也壓縮了入門級崗位。

如今大量基礎性、執行型工作正在被AI替代，這讓沒工作經驗的年輕人就業難度大幅增加，競爭從踏入社會之前就開始了。

一項對1.2萬家歐洲企業的研究就發現，AI的使用不僅提高了勞動生產率，培訓的效果也更佳，像美國2025 年生產率增長達到2.7%，幾乎是前十年平均1.4%的2倍。

圖源unsplash

支持工作、軟件開發和市場營銷是生產力提升最明顯的崗位，AI帶來的增幅在14%到26%之間。

可生產力提高，就業問題就出現了。

自2022年以來，美國軟件開發和客服崗位22歲至25歲年輕人的就業人數持續下滑，到2025年9月，22歲至25歲軟件開發就業者人數相比峰值期下降了近20%。

然而很戲劇的一幕是，這些領域的年長者，即資深崗位的數量卻在持續增長，顯而易見，AI已默默搶走了初級員工的飯碗，只保留了高級員工的職位。

初級崗位是如何消失的呢？

通常外界都以為是大規模裁員或者員工主動離職，但其實是公司暫緩了招聘，讓員工連入職的通道都沒有了，越是接觸AI程度越高的職業，招聘下降越夸張。

在這樣的背景下，AI讓工作任務的分層變得極為明顯，這些任務大致可以分為三類：

第一類是標準型，比如如數據整理、基礎分析、文案撰寫和信息查詢，這是過去應屆生的主要工作，現在是AI替代的重災區。

該報告在闡述為何客服和軟件開發等容易被取代時，就指出當這些工作可以劃分為明確、可重復且有清晰質量監控的任務，AI帶來的收益最大。

第二類是協作型，比如方案設計、內容優化等，AI能會參與到其中，但仍需要人來引導。

2025年AI模型在語言、圖視頻處理、編程、推理和數學等領域的技能均有所提升，尤其是括博士級科學題目、多模態和數學推理已達到甚至超過人類的水平。

比如在測試研究生水平問題解決能力的GPQA評估中，人類專家的正確率為81.2%，AI模型已提升至93%。

然而AI能在IMO競賽中奪金，但模擬時鐘的正確讀取率僅為50.1%；它也能在編程和網絡安全任務上表現驚人，但在復雜規劃和物理世界交互上很笨拙。

斯坦福大學的報告就用“鋸齒前沿”（Jagged Frontier）來形容當前AI的能力。

第三類是高階型，如決策、創造、復雜問題拆解，這是最難被替代的部分，仍依賴人。

報告就提醒稱，在需要更深層推理或判斷力的工作中，AI帶來的效果較弱或為負。

當任務被重新劃分，還沒緩過神來的傳統按部就班的好學生的職業路徑必然會重重受阻。

靠高分、好大學、勤奮執行就能進大廠的時代將一去不復返。真正有競爭力的人是能彌補AI短板，包括具備人機協作、判斷力、創造性整合、復雜規劃和問題解決能力。

科技企業，正在接管學術圈

當AI不斷重塑學習方式和年輕人的就業格局時，你是否好奇過一件事，推動這一切變化的真正力量，究竟來自哪里？

斯坦福報告也給出了答案，是企業。因為今天最前沿AI模型幾乎都誕生于科技企業，而非學術界。

數據顯示，2003至2025年間開發的AI模型有87個，即91.58%出自工業界，學術界占比極低，僅為1.05%，比產學合作（占比5.26%，5個）和其他行業（占比2.11%，2個）都要少。

具體來看：

在科技企業，自2014年以來谷歌生產的知名AI模型最多，共191個，其次是Meta（86個）和OpenAI（59個），其中OpenAI在2025年就足足開發了19個；微軟是42個，英偉達、阿里巴巴、Anthropic、百度、Salesforce、字節跳動是10到29個。

在學術界，清華大學和斯坦福大學各生產了26個，卡耐基梅隆大學有25個，這三所大學是過去十年中產量最高的，其余是UCB（20）、華盛頓大學（19）、牛津（17）、MIT（15）、紐約大學和香港中文大學各11個。

為什么前沿創新的主戰場從學術界轉向了產業界？

成本高首當其沖。

AI前沿模型的開發需要巨量算力、海量數據以及長期的訓練，這背后是數千萬到數億級別的成本。各大企業有資本持續加注，去賭一把，但大學預算有限，即便具備研究能力，如此大的財力消耗根本支撐不起來。

核心競爭力掌握在工業界手里。

AI模型最關鍵的是要有海量真實世界數據，包括用戶數據、商業和搜索數據、社交內容等，這些價值連城的數據恰好都在企業。

而大學使用的是公開或小規模的實驗數據，不僅規模有限，數據質量與應用場景也無法相比，在這一點上，學術界還沒上桌就輸了。

圖源unsplash

學術界最大的優勢是理論產出。

斯坦福的報告顯示，2013年至2024年期間，68.13%的AI出版物來自學術界，政府機構占比12.44%，其次才是工業界，比例為11.47%。

但學術界將理論轉化到前沿模型上的速度已趕不上工業界，因為現在AI已從最初的側重理論和算法轉到實際落地階段。

企業可以實時利用自己掌握的數據去做測試，也能直接把最新模型推向市場應用，在商業世界里快速驗證、持續優化和迭代，而學術界明顯不占優勢。

當科技界在AI創新領域超越了學術界，不僅僅是技術發展階段和格局發生了變化，還有人才的定義權也交到了科技企業的手里。

以往學校決定著學什么、考什么、誰優秀，以學術成績和論文數量論英雄，現在企業掌握主導權，學術實力不再是唯一標準，最關鍵的是能否把知識轉化為結果。

企業主動培養人才，學習這件事變了

幾周前，吉利集團啟動了「跨時代躍遷人才培養計劃」，面向全國高三畢業生。

入選學生不用去讀大學，直接由低軌衛星、低空飛行、人工智能、新能源這四大高科技業務板塊的CEO親自教授多年實戰積累的戰略視野、解決問題的實操經驗。

同時高校教授或博士組成的學術導師團隊會提供系統的學術訓練。

圖源unsplash

官方說，這不是傳統的招聘，而是人才發現，只不過培養地點從教室搬進了產業一線。

除了吉利，還有非常多國內外企業都在瘋狂搶中學生，大幅提前了選人和培養人的時間。

比如騰訊今年暑期實習直接給13到18歲的中學生開放產品經理崗位，總監親自帶，直接參與真實項目。

為什么這么多企業親自下場培養人才？

原因無非是學校教的內容，和企業需要的出現了錯位。

企業等不起學校更新教材、課程改革以及教學方法和思路的改變，不如直接讓有超常學術潛力、對某個領域有熱愛、動手實踐能力強的孩子直接到真實世界里歷練。

這一招不僅緩解了教育滯后的問題，也讓企業物色到了人才。

不管是斯坦福報告的警示，還是海內外企業搶中學生這一行動，它們都沒否定學校教育的價值，只是在AI發展越來越快，企業也越來越務實時，我們必須重新思考學習這件事。

對于家長而言，孩子成績很重要，但更要關注各項關鍵能力的培養，比如持續學習、試錯再復盤的能力等，同時敢于為孩子的熱愛和選擇買單。

對于學生而言，不使用AI已不現實，讓AI成為自己的伙伴，借助它提高效率、拓展思路，把自己從完成任務的人逐漸變成解決問題的人。

https://hai.stanford.edu/assets/files/ai_index_report_2026.pdf

https://app.xinhuanet.com/news/article.html?articleId=a59f3aa7d373e78a1f2c3ea6f900289f