仔细一看才知道，这竟然还是斯坦福HAI最新发布的《2026年AI指数报告》给出的结论。
除了谈中美，报告还一口气给出了14个重要观察或结论，它们共同回答了一个问题：
报告得出的15个主要结论“Scaling Law见顶”争议下，AI发展不停
2025年，业界生产了超过90%的知名前沿模型，其中多个模型在博士级科学问题、多模态推理和竞赛数学方面现已达到或超越人类基线。
而且在SWE-bench Verified这个关键的编码基准测试上，模型性能在一年内从60%提升至接近100%。
企业端的采用率已经达到88%，而在大学生群体中，五分之四的人已经在使用生成式人工智能。
截至2026年3月，Anthropic的顶尖模型虽仍保持领先，但优势已收窄至仅2.7%。
在产出层面，美国依然拥有更多顶级AI模型和更高影响力的专利，而中国则在论文发表量、引用量、专利总数及工业机器人安装量上占据优势。
有5427个数据中心，数量是其他任何国家的10倍以上（不过能源消耗也超过其他任何国家）。
几乎每一款领先的AI芯片都由台积电一家公司制造，这使得全球AI智能硬件供应链依赖于中国台湾省的一家代工厂——尽管台积电在美国的扩建项目已于2025年投入运营。
国际前沿模型Gemini Deep Think可以在IMO中拿下金牌，但当前顶尖模型在读取指针式九游体育时钟时，准确率却只有50.1%。
在OSWorld这一覆盖多操作系统真实任务的测试中，任务成功率从12%跃升至约66%。
如今，几乎所有头部前沿模型开发者，都会主动披露模型在能力基准测试上的成绩。
在负责任的AI中，不同目标之间可能存在“此消彼长”，比如提升安全性，往往会以牺牲准确性为代价。
2025年，美国在AI上的私人投资达到2859亿美元，规模是中国124亿美元的23倍以上。
一年内获得新融资的AI公司达到1953家，数量是第二名国家的10倍以上。
自2017年以来，这一数字已经下降了89%；仅过去一年，就又减少了80%。
仅用三年时间，生成式AI就触达了53%的人口，普及速度明显快于PC和互联网。
其中，新加坡的普及率达到61%，阿拉伯联合酋长国为54%；相比之下，美国仅为28.3%，排名第24位。
到2026年初，生成式AI工具为美国消费者创造的年价值，已经达到1720亿美元。
换句话说，哪怕很多工具本身是免费的，但普通消费者正在从中拿到真金白银的价值。
美国只有一半的中小学制定了AI相关政策，而在教师群体中，只有6%的人认为这些政策是清晰的。
在全球范围内，AI工程技能增长最快的国家，反而是阿拉伯联合酋长国、智利和南非。
从2022年到2024年，美国和加拿大新增的AI博士数量增长了22%，但这些新增博士，更多流向了学术界，而不是工业界。
为了把AI能力尽量掌握在本土体系内，发展中经济体持续扩展国家级AI战略，同时政府主导的AI超级计算投资也在同步增长。
在GitHub上，来自“其他地区”的贡献量，已经超过欧洲，并逐渐逼近美国。
在“AI会如何影响工作”这个问题上，73%的专家认为是正面的，但公众中只有23%这么看，两者之间拉开了整整50个百分点的差距。
而从全球范围来看，欧盟在“能否有效监管AI”这件事上，整体信任度要高于美国九游体育和中国。
1、即使在受控环境中表现出色，机器人仍无法完成大多数家务任务（仅12%）。
2、AI先替代的是“入门级执行”，而不是“有经验的判断”。从2024年开始，美国22～25岁的年轻开发者岗位，直接少了近20%；但与此同时，年长开发者反而在增加。
3、AI能力在变强，但环境代价也在同步放大。仅GPT-4o推理的年用水量，就可能超过1200万人的饮用水需求。
5、AI正在快速进入临床一线，但仍缺乏有效性。一项覆盖500多项研究的综述显示，接近一半的研究，依赖的是示例性问题，而不是真实患者数据；真正基于真实临床数据开展的研究，占比只有5%。
不仅有谷歌、OpenAI这样的头部模型玩家，而且还有麦肯锡、GitHub、领英等强大数据提供方。
对了，“以人为本”人工智能实验室（HAI）还是李飞飞发起并联合创立的，之前她通常以“代言人”的身份宣传介绍这份报告，不过今年推特暂无动静。
相比之前，报告今年还明显增加了一个信号：AI已经不只是技术问题，而是开始全面进入深水区。
一方面，它持续追踪AI在推理能力、安全性、以及真实世界任务中的表现，但一个关键变化是——
另一方面，报告首次给出了生成式AI的经济价值新估算，并补充了对劳动力市场影响的最新证据——
更宏观的部分也在展开，比如提出了一个分析国家层面技术控制与竞争的新框架、首次单独设立AI科学/AI医学两大板块、与谷歌前CEO施密特的公司合写科学章节。
