每年这个时候，斯坦福 HAI 都会发一份让人读完有点后背发凉的报告。今年的423页，照例什么都没藏。
2026年4月13日，斯坦福大学以人为本人工智能研究所（Stanford HAI）发布了第九届年度《AI指数报告》。和往年一样，它不做预测，只呼现数据——但数据说的那些话，比任何预测都更让人坐不住。
本文挑几组最值得普通人关注的数字，逐一拆解。
中美差距只剩 2.7%，但美国已在失去人
先说最被引用的那个数字：截至2026年3月，美国最强前沿模型（比如 Anthropic 的 Claude 系列）在综合能力评分上，仅领先中国最强竞争对手约 2.7%。
两年前，这个差距还有十几个百分点。
分维度看会更复杂一些：美国在已发布的前沿模型数量和高影响力专利上仍占优；中国在论文发表量、引用总量、专利申请总量和工业机器人装机量上全部领先。DeepSeek-R1 在今年2月曾短暂追平美国前沿水准，引发的那波震荡，报告也做了专门记录。
不过有一个数字比差距本身更値得关注：迁移到美国的AI学者数量，自2017年以来下降了89%，仅过去一年就跳了80%。
这不只是移民政策的问题。当一个国家在人才流入上出现这种量级的下滑，技术领先带来的护城河很难长期维持。人比论文更难复制。
三年普及 53%，超过 PC 和互联网的速度
报告里有一句话让我反复读了两遇：
生成式AI在短短三年内实现了53%的全民普及率，超过了个人电脑，也超过了互联网。
做个参照：互联网达到同等普及率花了大概七年，PC 花了更长时间。
但有意思的是，普及率并不均匀。新加坡61%、阿联酆54%都跑在前头；反而是美国，只有28.3%，在被调查国家里排到第24位。
为什么？报告给了一个线索：美国公众仅有33%认为AI会改善自身工作表现，是全球平均值40%的下方；对政府管理AI能力的信任度只有31%，在所有调查国中垒底。
乐观度低，使用意愿就低。
中国、印度、尼日利亚、阿联酌这些新兴市场，超过80%的职场人表示定期在工作中使用AI工具。这个数字在欧美明显更低。
AI Agent 的成功率：从 20% 跳到 77.3%
如果你对 AI Agent 的落地进展感兴趣，这组数据值得留意：
- 处理现实世界任务的成功率：从2025年的 20% 跃升至 77.3%
- 计算机操作任务（OSWorld 基准）：最佳 Agent 成功率达到 66%
- 编程基准 SWE-bench：一年内从60%提升至接近100%
- 网络安全任务解决成功率：从2024年的 15% 飙升至 93%
后面这个数字是把双刃剑。AI 在网络安全领域的能力爆发，意味着攻防两端都在重新校准。如果你关注 AI Agent 安全隐患这件事，这组数字提供了很好的背景。
但报告同时指出一个“黳齿状前沿”（jagged frontier）现象：同一个模型，能拿数学奥林匹克金牌，却无法正确读取一个模拟时钟（正确率只有50.1%）。结构化测试里仍有约三分之一的任务失败。高能力和低可靠性并存，是当下 Agent 落地最难绕过的工程问题。
5817 亿美元投进去了，但年轻人的工作没了
全球企业AI投资在2025年达到 5817亿美元，同比增长130%。私人投资单独拿出来是 3447亿美元，也是同比翻了一倍多。
钱在涌入。同期发生了什么？
报告里有一组数据很难被忽视：美国22至25岁的年轻软件开发者就业人数，2024年下降了近20%。同期，年长开发者的数量仍在增长。
不是“AI会不会取代人类工作”的假设题，是已经发生的现实记录。初级岗位受冲击更早，这和很多人的直觉一致——毅竟AI替代的是“有明确答案的重复性任务”，而那类工作往往是新人的入场券。
报告也给出了另一面：在客服和软件开发领域，AI将从业者生产力提升了14%到26%。但这里有一个关键区分：需要判断力的任务，AI介入的效果较弱，有时甚至为负。
如果你在思考怎么用 AI 做一份副业或者经营一个一人公司，这篇关于一人公司浪潮的文章可能值得一读——AI带来的机会和它带来的就业冲击是同一枚硬币的两面。
模型越强，越不透明
这是报告里相对被低报道的一点，但非常値得记下来：
2025年，“基础模型透明度指数”的平均得分从58分降至40分。最强的那些模型，往往是最不愿意说清楚自己怎么运作的。
与此同时，AI安全事件数量从2024年的233起增长到2025年的362起，增幁55%。主流大模型的幻觉率范围是 22%到94%——这个区间宽得出奇，意味着即使是主流模型，在某些任务上仍然极不可靠。
这和我们日常使用的感受是吉合的：AI很多时候好用，但你从来不知道哪次它会“一本正经地胡说八道”。
医疗、科学：AI 真正改变了什么
最后说几个正面的。
医疗领域：多智能体系的临床诊断准确率达到 85.5%，而同条件下人类医生为 20%；自动生成病历的工具使医生书写时间减少了 83%；FDA已批准 258个 AI医疗器械。
科学领域：AI驱动的药物发现论文从431篇增至 3311篇（这7倍增长）；AI已连续两年获得诺贝尔奖；自然科学领域AI相关论文同比增长了26%-28%。
一个値得关注的新前沿是“虚拟细胞”（Virtual Cells）——由 ARC 研究所的 Evo2、STATE，以及 DeepMind 的 AlphaGenome 代表的一类模型，可以预测细胞对药物和基因扰动的响应，而无需在湿实验室里做实验。这个方向在两年前几乎不存在。
不是结尾的结尾
423页报告浓缩成几组数字，总是会有遗漏。但有几件事是清楚的：
- 技术在加速，但“加速”的收益分配极不均匀
- 安全与治理的建设速度，落后于能力的增长速度
- 中美的技术差距正在消失，但人才流动的趋势更値得关注
- 对普通人来说，不是“要不要用AI”的问题，是“怎么在AI密集的环境里找到自己位置”的问题
如果你想更具体地了解怎么在日常工作中用好AI，可以看看这份2026版AI实战应用指南。
这份报告的英文全文和中译本可以在 Stanford HAI 官网 免费下载。
数据来源：Stanford HAI《AI Index Report 2026》，2026年4月13日发布
发表回复