过去一年AI行业最显著的变化是判断AI进展的方式变了。过去一年AI行业最显著的变化是判断AI进展的方式变了。在更长一段时间里外界习惯用参数规模、榜单排名、融资金额和产品发布节奏来理解AI。但进入2025年后这套叙事开始显得不够用了。模型还在变强算力还在扩张资本还在涌入AI也正在进入科学、医疗、教育、企业服务和自动驾驶等更深的产业场景。可与此同时顶级模型之间的性能差距正在缩小前沿系统的透明度正在下降算力和芯片供应链越来越集中治理、能源、就业和公平问题也开始从幕后走到台前。这意味着AI竞争正在从单点技术竞赛变成一场更复杂的系统竞争。真正值得追问的已经不只是“谁的模型更强”而是“谁能把AI变成稳定、可信、可规模化的生产力”。也正是在这个节点斯坦福大学以人为本人工智能研究院旗下AI Index项目发布了《2026 AI Index Report》。作为一份长期被全球政策界、学术界、产业界和媒体引用的年度报告它并不只是一份技术榜单而是试图用跨越研发、技术性能、负责任AI、经济、科学、医学和教育等多个维度的数据重新描绘AI产业的真实坐标。这份报告释放出的信号很清晰AI的上半场比的是模型能力和技术突破AI的下半场比的将是基础设施、真实场景、商业效率和社会信任。换句话说AI已经不再只是技术公司的故事而是正在成为一套重新分配产业资源、人才结构和全球竞争优势的新基础设施。围绕这份报告我们试图从七个维度梳理2025年以来AI产业正在发生的关键变化。一个越来越明确的判断是当模型能力逐渐逼近真正决定下一轮产业格局的将是把技术落到产业深处的能力。以下为报告转译后归纳总结要点概述1、AI 远未见顶反而在加速狂飙正以史无前例的广度野蛮渗透大众2、中美 AI 模型的性能鸿沟如今已被生生抹平3、 既能斩获奥数金牌又会在数秒报时上沦为白痴 AI 陷入极度失衡的“参差前沿”4、尽管机器人在受控环境中表现出色但在大多数家务任务上仍束手无策5、负责任的人工智能发展速度跟不上人工智能能力的提升安全基准滞后相关事件数量大幅上升6、人工智能的普及速度正创下历史纪录消费者正从这些通常免费使用的工具中获得可观价值7、人工智能正在改变临床医疗但相关严谨的证据依然有限01 研发进入巨头时代AI越来越强也越来越不透明2025年的AI研发呈现出一种鲜明的矛盾一方面支撑AI发展的资源还在增长算力、开源项目、论文和专利都在继续扩张另一方面真正处在前沿位置的模型系统却越来越集中透明度也在下降。最直接的变化是行业已经成为AI模型开发的绝对主角。2025年行业产出了超过90%的知名AI模型学术机构在前沿模型中的角色被进一步挤压。原因并不复杂训练一个顶级模型所需要的算力、数据、工程团队和资金投入已经不是一般高校或研究机构能够独立承担的。AI研发正在从过去相对开放的科研竞争变成少数巨头之间的基础设施竞赛。但问题也随之出现。越是性能最强的模型往往越不透明。包括OpenAI、Anthropic、Google在内的多个资源消耗极高的系统已经不再完整披露训练代码、参数数量、数据集规模和训练时长。这让外界很难判断模型能力到底来自算法突破、数据质量、后训练优化还是单纯的算力堆叠。AI越重要社会越需要理解它但AI越前沿外部越难看清它。与此同时全球AI研发版图也在发生变化。中国在论文发表数量、引用量和专利授权方面位居首位在被引次数最高的100篇AI论文中所占比例也持续上升。美国则在知名模型开发方面保持领先2025年研发出59个知名模型中国为35个。换句话说中国在研究产出和知识积累上更具规模优势美国仍掌握更多前沿模型和高影响力专利。算力是这场竞争最硬的底座。自2022年以来全球AI计算能力每年约增长3.3倍到2025年已达到1710万颗H100等效芯片的规模。英伟达占据总计算量的60%以上谷歌和亚马逊供应了剩余的大部分份额华为虽然占比仍小但份额正在增长。算力扩张背后是超大规模数据中心建设和前沿模型训练、推理需求的持续上升。但越往底层看风险越集中。美国拥有全球最多的数据中心数量是其他任何国家的十倍以上而台积电几乎制造了所有主流AI芯片使全球AI硬件供应链高度依赖台湾的一家代工厂。AI看似是云端软件革命底层却是高度集中的半导体制造、能源供应和数据中心部署能力。这种扩张还带来了环境代价。2025年Grok 4的训练排放量预估达到72816吨二氧化碳当量AI数据中心电力容量升至29.6吉瓦接近纽约州峰值用电量仅GPT-4o的年度推理用水量就可能超过120万人的饮用水需求。AI越强越不只是技术问题而是能源、供应链和公共资源问题。02 模型能力追平之后竞争从“跑分”转向“有用”AI技术性能仍在快速提升但2025年最重要的信号不是“模型又变强了”而是“强模型之间越来越难拉开差距”。在语言、推理、编码、数学等基准测试上前沿模型的分数持续上升甚至开始超过部分人类水平。前沿模型在“人类终极考试”这一高难度基准上一年内提升了30个百分点许多原本被认为可以持续多年检验模型能力的测试只用了几个月就被攻克。这说明AI进步速度已经超过评估体系的更新速度旧的尺子正在变短。当基准被快速刷穿模型排名的意义就开始变化。到2026年3月Anthropic、xAI、Google、OpenAI、阿里巴巴和深度求索均位于Arena Elo评分第一梯队其中多家公司的模型分差控制在很小范围内。中美顶级模型之间的性能差距也基本弥合。2025年初以来中美模型多次在性能排行榜首位置互换DeepSeek-R1曾短暂与美国顶级模型持平截至2026年3月美国顶级模型仅以2.7%的优势领先。这背后的产业含义很清楚当“能力领先”不再足以形成压倒性差异竞争压力就会转向成本、可靠性、领域性能和真实世界可用性。一个模型能不能便宜地调用能不能稳定地完成任务能不能在税务、法律、财务、客服、代码、医疗等专业场景中交付结果将比单纯跑分更重要。开源与闭源的格局也出现反复。2024年开源模型一度大幅缩小与闭源模型的差距但到2025年这一差距又重新扩大。截至2026年3月头部闭源模型领先头部开源模型3.3%Arena排行榜前十中有六个为闭源模型。这说明开源仍然是生态扩散和产业创新的重要力量但在最前沿能力上闭源巨头仍借助算力、数据和工程优势保持领先。与此同时AI能力呈现出一种“锯齿状智能”。它可以在国际数学奥林匹克竞赛中拿到金牌却仍无法可靠识别模拟时钟。Gemini Deep Think在2025年IMO中获得35分金牌成绩但顶级模型在ClockBench上的模拟时钟识别正确率只有50.6%而人类为90.1%。这提醒我们AI不是线性变聪明而是在某些任务上突飞猛进在另一些常识性任务上仍然脆弱。更值得关注的是AI正在从数字任务走向物理世界。视频生成模型开始捕捉物体运动规律不再只是生成逼真画面。谷歌DeepMind的Veo 3在超过1.8万个生成视频测试中展现出模拟浮力、解决迷宫等能力且无需专门训练。智能体也从回答问题进阶到完成任务OSWorld测试中的准确率从约12%提升至66.3%与人类差距缩小到6个百分点以内。但进入物理世界并不容易。机器人在模拟环境中的操作成功率可达89.4%但在现实家庭任务中的成功率只有12%。相比之下自动驾驶成为少数已经实现大规模部署的例外。Waymo在美国五个城市每周行程约45万次百度Apollo Go完成了1100万次全程无人驾驶行程。AI正在靠近物理世界但离真正稳定地理解和改造物理世界还有很长一段路。03 负责任AI开始补课治理追不上部署风险已经进入现实随着AI能力扩张治理问题也被推到台前。2025年的一个核心矛盾是负责任AI的基础设施正在建设但速度远远赶不上AI部署。安全基准在增加更多组织开始制定负责任AI政策政府支持的AI安全机构也扩展到更多国家。但这些动作更多像是在补课而不是主动引领。几乎所有领先模型开发者都会公布MMLU、SWE-bench等能力基准结果但针对负责任AI基准测试的报告仍然很少。换句话说企业很愿意展示模型有多强却不太愿意完整披露模型有多安全、多公平、多透明。风险已经在现实中累积。人工智能事件数据库显示2025年记录到362起AI事件高于2024年的233起。模型幻觉仍是突出问题。在一项准确率基准测试中26款主流模型的幻觉率在22%至94%之间。更微妙的是模型难以区分“知识”和“信念”。当虚假陈述被表述为他人观点时模型还能较好处理但当同一虚假陈述被表述为用户观点时模型表现会大幅下降。这意味着模型不只是会编造信息还可能受到提问方式和用户立场的影响。企业层面的治理意识确实在提升。2025年AI专属治理岗位增长17%尚未制定负责任AI政策的企业占比从24%降至11%。但落地仍然受制于现实条件主要障碍包括知识缺口、预算限制和监管不确定性。很多企业不是不想治理而是不知道怎么治理、没有足够资源治理也不确定未来监管会如何变化。监管框架也在转向AI专属体系。GDPR仍是被提及最多的监管影响因素但影响力占比有所下降。与此同时ISO/IEC 42001人工智能管理体系标准、NIST人工智能风险管理框架等更具体的AI治理工具开始进入企业视野。监管正在从隐私和数据合规进一步走向模型开发、部署、监控和风险管理。但更深层的挑战是AI治理并不是单一指标最优化。安全、公平、隐私、可解释性之间可能存在冲突。近期研究发现提升某一个负责任AI维度的训练技术可能持续损害其他维度。例如隐私增强可能削弱公平性安全优化可能降低准确率。今天行业还缺少成熟框架来处理这些权衡。透明度下降则让治理更难。基础模型透明度指数在2023年至2024年从37分升至58分但2025年又降至40分。训练数据、计算资源和部署后影响的披露仍存在重大空白。模型越被用于真实产业外界越需要知道它的边界但前沿企业越是竞争激烈越倾向于隐藏关键细节。这种张力将成为AI下一阶段最大的制度性难题之一。04 钱还在涌入AI但红利分配并不均匀技术竞争之外AI经济正在以前所未有的速度扩张。2025年全球企业AI投资增长了一倍多私人投资增长最快增速达到127.5%并占总投资的60%。生成式AI是这轮增长的核心投资增速超过200%几乎占据私人人工智能融资总额的一半。新获得融资的AI公司数量增长71%十亿美元级融资交易数量几乎翻番。但资金并没有均匀流向全球。美国在AI私人投资领域继续保持领先投入资金是中国的23倍。在生成式AI领域美国投资规模大幅超过中国和欧洲总和。这种差距显示美国仍掌握全球AI资本市场的主导权。不过私人投资数据可能低估中国AI支出因为中国政府引导基金在过去二十多年中已向AI企业投入大量资金。美国更强在市场资本和云基础设施中国则更多体现为产业政策、制造能力和应用场景的组合投入。AI公司的收入增长速度也创下历史纪录。头部企业在短时间内实现了可观营收但算力成本和基础设施支出同样飙升。云服务商加快资本开支谷歌披露2025年年度资本支出超过1500亿美元。这说明AI商业化并不是轻资产神话而是一场重资产竞赛。模型收入增长越快背后的芯片、服务器、能源和数据中心投入也越大。消费端已经证明AI具备真实价值。到2026年初美国消费者从生成式AI中获得的年度消费者剩余估计达到1720亿美元较一年前的1120亿美元明显增长每位用户的中位数价值翻了三倍。更关键的是这些工具大多仍免费或接近免费。AI正在像搜索引擎和社交网络一样先通过低成本、高频使用形成普及再逐步重构商业模式。企业采用率也在提升。2025年受访企业中AI采用率达到88%70%的企业至少在一项业务职能中应用生成式AI。中国和欧洲同比增幅位居前列。但智能体应用仍处于早期在几乎所有业务职能中的部署数量仍为个位数。企业已经接受AI工具但还没有大规模把AI交给自动化流程和关键业务闭环。生产力提升也并非无处不在。AI在结构化、可量化、产出易监控的工作中效果最明显例如客户支持效率提升14%至15%软件开发效率提升26%营销成果提升50%。但在需要深度推理、复杂判断和长期经验积累的任务中提升幅度较小。AI正在创造价值但它首先改变的是流程清晰、数据可得、反馈明确的工作而不是所有工作。05 医疗AI走过炫技阶段进入临床证据之战医疗是AI最受期待、也最需要谨慎的领域。2025年医疗AI在分子生物学、临床推理、临床记录、诊断辅助和健康搜索等方向都有明显进展但一个核心问题越来越突出模型的高分表现并不等于真实临床效果。在分子生物学领域小模型的表现开始挑战“大模型崇拜”。MSAPairformer只有1.11亿参数却在ProteinGym基准测试中超过以往领先方法GPN-Star作为2亿参数的基因组学模型性能超过一个400亿参数模型。这说明医疗和生命科学领域并不总是需要更大的通用模型更小、更专业、更贴近领域数据的模型可能反而更有效。虚拟细胞模型成为新的前沿。Arc研究所的Evo 2、STATE以及DeepMind的AlphaGenome都指向同一个目标在不进行湿实验室实验的情况下预测细胞对药物和基因扰动的反应。如果这一路径成熟药物发现和生物实验的成本结构将被重写。但现阶段这些系统仍然需要实验验证AI还不能替代真实生物学证据。临床应用中最先跑出来的不是最炫的诊断模型而是能嵌入医生工作流的工具。2025年能够根据患者就诊自动生成临床笔记的AI工具得到广泛应用。在多家医疗机构中医生表示写病历时间减少最高达83%职业倦怠感也显著下降部分机构还实现了112%的投资回报率。监管层面AI医疗设备数量快速增加。2025年美国FDA批准了258款AI医疗设备但大多数通过无需开展新临床试验的渠道获批。绝大多数设备是通过设备改造途径进入市场依赖现有安全性和有效性证据而非新的随机试验。仅有2.4%的临床研究设备得到随机试验数据支持。这意味着医疗AI的商业化速度已经明显快于临床证据积累速度。诊断能力也在提升。微软AI诊断协调器搭配OpenAI o3模型在复杂医学案例研究中获得85.5%的得分而未借助辅助工具的医生仅为20%。多智能体框架相比单智能体基准模型诊断准确率提升7%至60%以上。但这类结果仍需要谨慎解读因为测试往往基于医学文献中的疑难病例并不完全等同于真实医院环境中的诊疗流程。与此同时患者正在更早接触AI健康信息。如今84%至92%的健康相关谷歌搜索结果顶部都会显示AI生成摘要。症状和常见健康问题最容易触发AI概述。这意味着很多患者在见医生之前已经通过AI形成对疾病、治疗和风险的初步理解。问题在于这些信息往往不经过正式医疗器械监管却可能影响患者决策。因此医疗AI下一阶段的关键词不是“模型多强”而是证据、治理和伦理。它需要随机试验、真实世界数据、临床责任边界和更充分的伦理讨论。AI对医疗的影响已经出现但要真正规模化进入临床不能只靠演示和榜单必须经得起医学证据体系的检验。06 写在最后把研发、技术、治理、经济、科学、医学和教育放在一起看2025年的AI产业已经很难用“模型进步”四个字概括。它当然还在变强。模型能力快速提升中美差距缩小视频模型开始理解物理规律智能体开始完成复杂任务AI也正在进入科学、医疗和教育等高价值场景。但与此同时AI也变得更昂贵、更集中、更不透明、更依赖基础设施并带来更多治理、能源、就业和公平问题。这正是AI进入下半场的标志。上半场比的是谁能训练出更强模型下半场比的是谁能把模型变成稳定、可靠、可监管、可商业化、可持续的生产力。真正的产业价值不会只属于参数最多、榜单最高的模型而会属于那些能在真实场景中完成闭环的系统。它要接得住企业流程扛得住医疗证据经得起安全审查解释得清成本收益也能在教育和劳动力市场中创造新的能力而不是简单替代旧岗位。AI的故事还在加速但它已经不再只是技术公司的故事。它是算力供应链的故事是全球资本流动的故事是科研范式变化的故事是医生、教师、学生、工程师和普通用户共同参与的故事。下一阶段AI最大的悬念不是它能不能继续变强而是它能不能被社会真正吸收成为一种可信、可控、可分配的生产力。谁能回答这个问题谁才真正站在AI产业的下一轮中心。原文链接AI进入下半场模型不再稀缺真正稀缺的是算力、场景和信任-36氪