每年史丹佛大學都會發布一份AI指數報告，2026年版剛出爐。《MIT Technology Review》梳理了其中的核心數據。如果你要向人解釋「AI現在到底發展到什麼階段」，這批數字是最好的素材。
普及速度已經超過網際網路
全球超過50%的人在使用AI——這個普及速度比個人電腦和網際網路快得多。88%的企業部署了AI工具，五分之四的大學生在用AI。
這些數字說明AI真的到了「普通人也在用」的階段，不再只是技術圈的事。報告共同作者、南加州大學電腦科學家Yolanda Gil說了句很直白的話：「這項技術還在繼續進步，完全看不出停滯的跡象，我自己都覺得震驚。」
模型性能：基準快被打滿了
SWE-bench軟體工程基準的成績變化最能說明問題：2024年AI得分約60%，2025年已經接近100%。AI在博士級別的科學、數學、語言理解測試上，已經能超過人類專家。
截至2026年3月，模型性能榜單上：Anthropic排第一，其次是xAI、Google、OpenAI。中國的DeepSeek和阿里Qwen落後不多。
但這裡有個值得認真對待的問題：
一個流行的數學測試基準的錯題率高達42%——也就是基準本身有大量錯誤答案。AI模型可以透過「訓練時見過答案」來刷高分數，這讓很多benchmark分數不那麼可信。
性能在進步，但我們用來衡量進步的尺子本身可能是彎的。
年輕程式設計師首當其衝
就業數據是這份報告裡最讓人不舒服的部分：
- 22-25歲軟體開發者的就業人數自2022年以來下降了將近20%
- 客服崗位早期職業工人有類似的下滑趨勢
- 三分之一的企業預計在未來一年縮減員工規模
AI提升生產力是真的：客服領域效率提升14%，軟體開發領域提升26%。但生產力提升的紅利先流向企業，失業壓力先砸在入門級崗位的年輕人頭上。
專家和普通人之間，差了50個百分點
這個數字很有意思：
| 群體 | 認為AI對就業有正面影響 |
|---|---|
| AI專家 | 73% |
| 美國普通公眾 | 23% |
整整50個百分點的差距。專家覺得沒問題，普通人覺得有問題。誰在說謊？現在很難下結論，但這個認知裂縫本身就說明了問題——AI領域的專家和承受AI影響的普通人，活在兩個完全不同的資訊世界裡。
另一個數據：59%的人認為AI利大於弊，但52%的人說AI讓他們感到不安。這兩個數字可以同時成立，一點都不矛盾。
基礎設施依賴：晶片和資料中心的地緣風險
台灣台積電製造了全球幾乎所有頂級AI晶片，美國擁有最多的AI資料中心。這兩點組合在一起，其實是很集中的供應鏈風險——只是現在大家都在享受AI帶來的便利，這個話題沒多少人認真討論。
機器人：只有12%成功率
在所有AI進展裡，機器人是最誠實的：家庭任務的成功率只有12%。Waymo在美國5座城市營運，百度Apollo Go在中國服務用戶。自動駕駛和家庭機器人離「真正可用」還有距離。
報告裡最值得記住的那句話
Yolanda Gil說：「我們對這些AI系統很多事情都搞不清楚。」
AI監管跑在技術後面。150條美國州級AI法案，聯邦層面幾乎空白。這個技術在不斷進步，但沒有人完全知道它在向哪裡走。這種狀態，是讓人興奮還是讓人不安，大概取決於你在上面那個表格裡屬於哪一行。
參考來源：CocoLoop、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