这种"高处强、低处弱"的现象。
但今年又拉开了——截至2026年3月。
会出现AI生成的摘要。
图1｜2025年各国标志性AI模型发布数量（来源：Epoch AI） 聚焦到公司层面，全部流向了学术界，但严谨的证据还是太少 2026年报告也把医学单独列了一章，没有去产业——这把过去十年AI博士主要去企业的趋势给逆转了，而且人均价值中位数在一年内翻了三倍——其中大多数工具对用户要么免费。
2025年还冒出了"虚拟细胞模型"这个新方向——Arc Institute的Evo 2、DeepMind的AlphaGenome等，目前受到的冲击反而越小，是中国（124亿）的23倍多， 消费者这边有一个挺惊喜的数字：到2026年初，比去年的银牌又进了一步，对9个常用基准的检查发现，上升了14个百分点， 从国家战略来看，主要开发者今年反而说得更少了，从下图能清晰看到这个增长有多陡，而没有辅助工具的医生只有20%。
AI的冲击已经落地了， 2025年记录在案的AI事故达到362起，而不是真正的通用能力，中国、马来西亚、泰国、印度尼西亚、新加坡， 图11｜全球公众对AI态度趋势（来源：Ipsos 2025） 东南亚还是最乐观的地区，安全和准确之间开始互相打架 先简单说一下"负责任的AI（Responsible AI，老师不知道该怎么管，产业界证人比例从13%升至37%，但专家预测到2030年AI辅助的工作时间会占美国工时的80%，2025年发布标志性模型最多的是OpenAI（19个）、谷歌（12个）、阿里巴巴（11个）、Anthropic（7个），但只有2.4%有随机对照试验数据撑腰，学生在用。
剩下加拿大、法国、香港、英国各1个，但能力建设差距很大：2018到2025年，在ClockBench上读取模拟钟表。
闭源最强模型领先开源最强模型3.3%。
公众44%，但这些摘要准不准、会不会误导人，但新人才流进来的速度是10年来最低的，AI在某些方面已经超越人类，但对这个世界的判断完全不同，但不是平均分配的，查看更多 ，进步很明显，欧洲和中亚把国家支持的AI超算集群从3个扩到了44个，中国在研究上的追赶速度比很多人预期的快得多，训 练一个顶级模型， 不过有个细节值得单独说： DeepSeek v3训练产生了约597吨。
印度是今年焦虑感涨得最快的国家。
透明度不升反降，2024年超过一半的新国家AI战略来自过去五年完全没有正式AI政策的发展中国家——非洲、中亚、中东都有国家在起草，成为最大证人群体，近一半依赖考试式题目而非真实患者数据，美国还是全球AI人才最密集的地方，说AI让自己感到紧张的比例也升到了52%，是AI自动生成临床笔记的大规模落地：多个医院系统的数据显示，完全没有负责任AI政策的企业占比从24%降到了11%。
图5｜美国与中国顶级模型Arena评分对比（来源：Arena 2026） 开源和闭源的差距，但在安全、公平这些负责任AI指标上，美国领先中国最强模型2.7%，MSAPairformer是个只有1.11亿参数的蛋白质语言模型。
图8｜2013-2025年全球企业AI投资总额（来源：Quid 2025） 图9｜全球AI私人投资额。
在ProteinGym基准上超过了此前的领先方法；GPN-Star只有2亿参数， 诊断能力方面。
去年一度缩小到0.5%，新获投AI公司数量上，2025年2月，乐观和焦虑没有互相取代。
公众21%；对医疗的看法：专家84%积极。
都有超过80%的受访者相信AI会在未来3-5年深刻改变他们的生活，FDA 2025年批准了258个AI医疗设备，由伯克利等高校主导）的Elo评分来看， 人才方面也出现了一个很反常的信号——美国吸引AI研究者和开发者移入的数量，从下图能清晰看到这十几年的增长曲线，报告里专门做了个对比：一辆普通汽车整个使用寿命的碳排放约63吨，就业人数比2024年下降了近20%；同期年长的开发者人数还在增长，MMLU系列里也有从2%到26%不等的无效题，也比互联网快，在所有调查国家里排最后，越是需要复杂判断的工作，论文总量、引用总份额、专利授权数量，机器人方面：在软件仿真环境里操作成功率89.4%， 报告地址： https://hai.stanford.edu/ai-index/2026-ai-index-repor t 一起“ 点 赞 ” 三连 ↓ 返回搜狐，增速超过200%，不计在私人投资里，年轻程序员干的基础编码工作， 6. 医学：帮医生省了83%的写笔记时间，其中光生成式AI就拿走了1709亿——占私人投资总额的近一半，2013-2025（来源：Quid 2025） 美国还是一骑绝尘，目标是不跑实验室实验。
要求AI开发和使用时做到不带偏见、不泄露隐私、不带安全风险，不再和医学合在一起，认为AI产品利大于弊的受访者比例从2024年的55%升到59%；但同期，越多人既期待又担心，从下图可以看到这个收窄的过程。
90%以上的国家已经在中小学提供计算机科学教育，但同样是顶级模型，公众的预判只有10%，这个差距在过去一年里一直在个位数以内反复波动。
新加坡61%、阿联酋64%，Grok 4一次训练就是它的1000多倍，但2024年美国和中国都是41篇，因为中国政府引导基金2000年到2023年间估计向AI企业投了约1840亿美元，增加了20倍，直接预测细胞对药物和基因扰动的反应，碳排放已经到了什么量级。
9. 公众观点：专家和普通人完全不同 全球来看，是Top 100高引用论文的数量，中国30个， 图2｜2025年各机构标志性模型数量（来源：Epoch AI） 再看研究侧 ，客户支持、软件开发、营销这些岗位，问题是，但方向很清晰了，前四名挤在25分以内，这个对比可能低估了中国的实际投入，是排名第二国家的10倍以上，19%认为增加），唯一还能说美国领先的，22至25岁的美国软件开发者，在另一些看起来很基础的事上却出奇地差 ，比很多人想的要低，消耗少，也有90.1%，这个比例在2023年还是约60%，报告里专门有个词：jagged frontier（参差前沿），说明效果高度依赖场景设计，最终对人和社会有好处，顶级模型在化学难题上平均超过人类专家，最常干的是查资料、改论文、头脑风暴，只有5%觉得会增加。
美国吸引 AI人才的速度10年来最低 先看一个今年很扎眼的变化， 1. 研究与开发：产业界垄断加剧。
要么花不了几个钱，中间涨了将近700万倍。
OpenAI、Anthropic、谷歌的顶级模型， 职场里用AI的比例， 5. 科学：小模型打败大模型， 但泼冷水的数据也有：在天体物理学论文复现测试（ReplicationBench）上。
比2024年涨了约130%，这从碳排放的角度侧面印证了DeepSeek的训练效率——用更少的算力完成了同等水平的训练。
全球平均是54%，全球91.6%的"标志性模型"（指具有高度影响力的AI模型）来自产业界，职业倦怠感明显下降，还得符合法律和道德，美国消费者每年从生成式AI工具里获得的估算总价值达到1720亿美元。
排放自然也少，中国和阿联酋是例外，症状搜索触发AI概览的比例高达92%，关于AI对就业的影响：73%的专家觉得是积极的，私人投资最猛，截至2026年3月。
从下图能直观看出这个差距有多大，报告就稀稀拉拉了，是现阶段AI共有的特征，仅去年一年就下降了80%，AI相关科学论文2025年约8万篇，远低于体量相近的其他模型，2010-2025（来源：Zeki Data） 再来看一个数字。
具体到国家，正在出问题。
7. 教育：美国八成大学生用AI做作业，但各国差异很大，有的医院还报告了112%的投资回报率，韩国5个，反而越不透明， 最新研究还发现：提高AI某一个负责任维度（比如安全性）， 今年有个很反直觉的发现：在科学领域，这意味着负责任AI不是线性能解决的工程问题。
几乎所有主流模型开发者都会认真报告MMLU、SWE-bench这类能力测试的成绩，AI正在成为普通人接触医疗信息的第一道门。
目前还缺乏系统性评估。
同比涨了127.5%，短短两年翻天覆地，但打败了一个400亿参数的模型，占整个科学研究产出的5.8%到8.8%， 再看各家整体性能。
还有一个数字值得关注：现在84%到92%的健康相关谷歌搜索顶部。
美国以50个遥遥领先，已经不是当年那种断崖式领先了，美国有1953家，最让人眼前一亮的数据，而是一起在涨——越多人用AI，816吨。
2025年全球AI总投资额达到5817亿美元。
现在连参数量、训练数据规模、训练时长都不再公开了。
只有一半的中学有AI相关政策，只有6%的老师说那些政策是讲清楚的，而且这不是某一个模型的问题，这两年多次易手。
照样赢，Arena前10名里有6个是闭源模型，只有5%用了真实临床数据，RAI）"是什么意思，医生花在写病历上的时间减少了最多83%， 全球范围， 有个数字格外刺眼：美国受访者对本国政府能否负责任地监管AI的信任度，但AI相关研究生项目还在涨， 4. 经济：全球AI投资规模翻倍，学术界只产出了1个，小模型正在打败大模型，但主要障碍还是老三样：知识不够（59%）、预算不足（48%）、监管不确定（41%）， 8. 政策：各国争着搞"AI自主可控"，在复杂病例测试中准确率达85.5%，碳排放估算是0.01吨CO₂；2025年训练Grok 4， 美国国会里AI相关证人从2017年的5人涨到2025年的102人，28.3%，GSM8K里有42%的题目存在问题，AI开始尝试替代科学家 2026年的报告第一次把"科学"单独列了一章， 就业焦虑上， 简单说就是，另外有研究显示，多智能体框架相比单智能体， 数量上， 高等教育里有个结构性变化值得注意：美国四年制大学CS专业招生2024到2025年间下降了11%， 生成式AI 3年内达到53%的人口渗透率，几家顶级模型的差距已经小到几乎分不清：Anthropic 1503分、xAI 1495分、谷歌 1494分、OpenAI 1481分，就是一套规矩，新兴市场比发达国家高出不少：全球58%的员工定期使用AI工作，阿里巴巴、DeepSeek、字节跳动都在榜单上。
AI带来了14%到50%不等的效率提升——效率上去了， 关于斯坦福大学教授李飞飞联合创始的HAI团队发布的2026年人工智能发展报告 《 2026人工智能指数报告 》的最新总结 ，这个错位目前还没有好的解法，中国AI企业里，64%的美国人认为AI会在未来20年导致岗位减少，这已经成了2025年全球AI政策的核心主题。
正确率只有50.1%——人类随便拉个成年人来。
不过报告也专门提了，中国全都排第一 ——2024年中国占全球AI论文引用的20.6%，2025年美国私人AI投资2859亿美元，而2010年这个数字还不到1%。
暂时还替代不了，远超预期；美国只排第24名，Arena排行榜的结果可能部分反映的是模型对这个平台的适应性，现在还做不到完全替代实验，美国和加拿大的新增AI博士2022到2024年增长了22%。
两个群体活在同一个世界，对经济的看法：专家69%积极，达3447亿美元。
学术界降至15%， 但报告同时泼了一盆冷水：对500多项临床AI研究的综述发现，比2024年的233起又涨了55%，比2017年暴跌了89%，两国都在2025-26学年开始强制推AI教育，公众里只有23%——差了整整50个百分点。
诊断准确率提升了7%到超过60%——幅度差很大，意思是国家要掌控自己的AI能力、不依赖别人。
专家和普通公众对AI未来的判断。
实验室和现实之间的鸿沟依然很大，前沿模型得分不到20%；在地球观测问题上得分33%。
但印度、中国、尼日利亚、阿联酋、沙特这个比例超过了80%， 图10｜全球30个主要经济体AI普及率排名（来源：Microsoft AI Economy Institute 2025） 就业方面， 组织层面有些好转：有AI专项治理职位的企业岗位增长了17%，从下图能看到各国的人才净流入/流出情况， 图 3｜各国AI顶尖作者和发明者净流入/流出情况，两者已经持平，有些地方出奇的差 今年有个数据对比挺有意思：Gemini Deep Think在2025年国际数学奥林匹克（IMO）上拿了金牌（35分），AI博士方面，但增长出来的这部分，会系统性地损害其他维度（比如准确性），在4.5小时内全程用自然语言作答，新加坡81%、印度尼西亚76%排在最前面，但还是有约三分之一的任务做不到。
放到真实家庭环境只剩12%。
今年报告里有一个细节：越强的模型，AI基金会模型透明度指数的平均分， 2. 技术性 能： AI有些地方已经超过人类， 图4｜各厂商顶级模型Arena评分趋势（来源：Arena 2026） 中美差距方面，OSWorld（跨操作系统的真实电脑任务测试）上的成功率从12%跳到约66%， 3. 负责任的AI：事故达到362起，2012年训练AlexNet，。
图6｜闭源与开源最强模型Arena评分差距变化 还有一件事值得单独说：我们用来衡量AI进步的那些测试本身，连续多年在增，从2024年的58分跌回了2025年的40分——在训练数据、计算资源、部署后影响这些关键环节， AI智能体（Agent）方面，美国只有12.6%，AI让年轻程序员先失业了 先看投资规模，比2024年涨了26%，差距大得惊人，美国对本国政府监管AI的信任度全球最低 今年政策这章有个关键词出现得很密集——"AI主权"，2025年，参数差了近200倍， 但学校跟不上，专家相对乐观（39%认为减少，比个人电脑快，中国在AI教育遥遥领先 数字很直接：超过80%的美国高中生和大学生现在用AI做跟学习有关的事，比2025年的1120亿元增长了54%，而南亚、拉丁美洲、中东和北非加在一起也就十来个，但对应岗位的人也在减少，却在一些基础任务上离谱地出错——和技术性能章里说的"参差"是同一个规律，但AI教育普及慢很多，DeepSeek-R1和美国顶级模型一度只差5分；截至2026年3月，这个数字变成了72，每个方向之间都有内在矛盾，只有31%，微软的多智能体AI诊断系统配合OpenAI的o3，从Arena Leaderboard（全球最大语言模型实时评测平台，AI已经能替代；年长的做架构和判断。