每年斯坦福大学发布一次AI指数报告，2026年版刚出来。MIT Technology Review梳理了其中的核心数据。如果你要向人解释”AI现在到底发展到什么阶段”，这批数字是最好的素材。
普及速度已经超过互联网
全球超过50%的人在使用AI——这个普及速度比个人电脑和互联网快得多。88%的企业部署了AI工具，五分之四的大学生在用AI。
这些数字说明AI真的到了”普通人也在用”的阶段，不再只是技术圈的事。报告联合作者、南加州大学计算机科学家Yolanda Gil说了句很直白的话：”这项技术还在继续进步，完全看不出停滞的迹象，我自己都觉得震惊。”
模型性能：基准快被打满了
SWE-bench软件工程基准的成绩变化最能说明问题：2024年AI得分约60%，2025年已经接近100%。AI在博士级别的科学、数学、语言理解测试上，已经能超过人类专家。
截止2026年3月，模型性能榜单上：Anthropic排第一，其次是xAI、Google、OpenAI。中国的DeepSeek和阿里Qwen落后不多。
但这里有个值得认真对待的问题：
一个流行的数学测试基准的错题率高达42%——也就是基准本身有大量错误答案。AI模型可以通过”训练时见过答案”来刷高分数，这让很多benchmark分数不那么可信。
性能在进步，但我们用来衡量进步的尺子本身可能是弯的。
年轻程序员首当其冲
就业数据是这份报告里让人最不舒服的部分：
- 22-25岁软件开发者的就业人数自2022年以来下降了将近20%
- 客服岗位早期职业工人有类似的下滑趋势
- 三分之一的企业预计在未来一年缩减员工规模
AI提升生产力是真的：客服领域效率提升14%，软件开发领域提升26%。但生产力提升的红利先流向企业，失业压力先砸在入门级岗位的年轻人头上。
专家和普通人之间，差了50个百分点
这个数字很有意思：
| 群体 | 认为AI对就业有正面影响 |
|---|---|
| AI专家 | 73% |
| 美国普通公众 | 23% |
整整50个百分点的差距。专家觉得没问题，普通人觉得有问题。谁在说谎？现在很难下结论，但这个认知裂缝本身就很说明问题——AI领域的专家和承受AI影响的普通人，活在两个完全不同的信息世界里。
另一个数据：59%的人认为AI利大于弊，但52%的人说AI让他们感到不安。这两个数字可以同时成立，一点都不矛盾。
基础设施依赖：芯片和数据中心的地缘风险
台湾台积电制造了全球几乎所有顶级AI芯片，美国拥有最多的AI数据中心。这两点组合在一起，其实是很集中的供应链风险——只是现在大家都在享受AI带来的便利，这个话题没多少人认真讨论。
机器人：只有12%成功率
在所有AI进展里，机器人是最诚实的：家庭任务的成功率只有12%。Waymo在美国5座城市运营，百度Apollo Go在中国服务用户。自动驾驶和家庭机器人离”真正可用”还有距离。
报告里最值得记住的那句话
Yolanda Gil说：”我们对这些AI系统很多事情都搞不清楚。”
AI监管跑在技术后面。150条美国州级AI法案，联邦层面几乎空白。这个技术在不断进步，但没有人完全知道它在向哪里走。这种状态，是让人兴奋还是让人不安，大概取决于你在上面那个表格里属于哪一行。
参考来源：Want to understand the current state of AI? Check out these charts.（MIT Technology Review，2026年4月13日）；Stanford AI Index Report 2026