State of AI Report 2026 报告解读:AI 这一年发生了什么?
原文链接: https://www.stateof.ai/ 来源: Nathan Benaich and Air Street Capital 发现于: 小互 · AI 解读站 · 2026/10/9 说明: 本文由 AIHot 自动聚合,并由 GLM 翻译为中文(保留全部代码与链接)
2026 年人工智能报告
这是最受关注且值得信赖的人工智能关键发展分析。

Nathan Benaich 与 Air Street Capital
浏览完整报告
https://www.stateof.ai/State-of-AI-Report-2026.pdf#page=1
幻灯片编号 / 244 打开全屏
解读人工智能进展
经过数月的研究和直至最后一刻的修订,我很高兴向大家呈现第九届年度《人工智能报告》。
近十年来,这份报告一直是我倾注心血的作品。我对人工智能的兴趣始于 2010 年代初我在癌症研究和计算生物学领域的博士研究。自 2013 年以来,我一直在投资那些致力于构建和应用人工智能以加速技术进步的公司。这份报告是我分享所学成果、帮助更多人理解塑造我们世界的研究的一种方式。
每天都有新的论文、模型发布以及行业和政治领域的发展。大量的工作都花在判断哪些值得你关注、核实证据支持的内容、与研究人员和开发者辩论,以及解释其重要性上。
我们每年也会做出预测,并回头评估这些预测。过去的预测包括:英伟达未能收购 Arm、Transformer 在语言之外取得了领先成果,以及开源模型超越 OpenAI 的 o1(DeepSeek-R1 随后确实做到了这一点)。
如果你想在这一年中持续关注这些发展,请订阅 Air Street Press 以获取我每月的《人工智能现状》通讯和定期文章。
让我们深入探讨关键故事
前沿领域现在是一场由 Anthropic、OpenAI 和 Google 参与的三足鼎立之争。Anthropic 在 Artificial Analysis 的智力指数中领先,而 Google 目前在 Arena 的人选答案排名中领先。
https://www.stateof.ai/assets/2026-staging-55248615/figure-01.png
去年,我们描述了推理能力随着 OpenAI 的 o 系列模型变得大规模可用。自那以后,我亲身经历了这些改进,因为我能够迭代并越来越多地委托给 Agent 的有用工作量一直在增长。
我的观点是,人们从人工智能中获得巨大价值与获得较少价值之间的差距,主要在于是否知道如何使用以及如何设置它。换句话说,这是一个“人类技能问题”,而不是“人工智能技术问题”。我真心认为我们需要一个针对人工智能的“Genius Bar”(天才吧/技术支持中心),人们可以在那里获得动手帮助,选择工具并设置它们,以协助日常任务。
更好的工具和上下文使 Agent 更具能力
在数学、科学推理和编码领域,旨在挑战模型多年的基准测试在几个月内就接近了其上限。我们需要新的评估方法,以揭示模型在哪些方面仍然有所区分,以及它们能够可靠地做什么。
https://www.stateof.ai/assets/2026-staging-55248615/figure-02.png
前沿能力仍然不均匀或呈“尖峰”状,并且可能在代际之间波动。根据我的经验,Opus 4.6 是一个不错的模型,Opus 5 有所倒退,而 Opus 5.5 又变得不错。更好的工具和上下文可以提供帮助。在一项受控的编码研究中,在不更改 GLM-5.1 权重的情况下,改变其可用的工具、上下文和反馈,使其在 100 个 SWE-bench Verified 任务上的成功率从 52.5% 提升至 65.5%。是的,这是一个“较旧的模型”,但这一原则依然适用。
随着模型及其周围的基础设施共同改进(并实现自我构建),我预计当今的许多弱点将被逐步克服。我们还能从已有的能力中挖掘出更多价值。
令人兴奋的是,这一趋势的影响范围远超开发者群体。OpenAI 关于 Agent 采用情况 的研究发现,增长最快的是非开发者群体,包括法律、销售、招聘和营销领域的人员。帮助他们将这些工具付诸实践,是一个比“编码 Agent”这一名称所暗示的更为巨大的机遇。
https://www.stateof.ai/assets/2026-staging-55248615/figure-10.png
AI 正在加速 AI 的构建工作
AI 已经在帮助构建更好的 AI。根据 Anthropic 的 内部指数,Claude 在 8 月主导了 26% 的已衡量模型研发工作,而 2 月份这一比例还不到 1%。研究人员设定任务并监督执行,Anthropic 报告称这正在 加速 开发进程。这是我感到最兴奋的 AI 研究分支之一。
https://www.stateof.ai/assets/2026-staging-55248615/figure-11.png
对许多人来说,Karpathy 的 autoresearch 让这一循环中的部分环节变得具体可见:一个 Agent 编辑训练代码,运行五分钟实验,并在单张 GPU 上利用过夜时间保留改进成果。这自动化了研究中有益的一部分,尽管持续、完全自主的递归改进仍有待证明。
我希望看到的下一步是 Agent 发展出“科学品味”:选择实验、识别有前景的方向,并知道何时放弃熟悉的方法。正如我在《AI 能否学会 科学品味?》一文中所述,学习这种判断力可能需要利用论文中省略的备选方案、失败案例和决策过程。其雄心在于实现类似 AlphaGo 在科学策略上的转变。
机器人领域的 GPT-2 时刻与世界模型的崛起
更广泛的预训练正在帮助机器人泛化到不熟悉的任务中。这就是我认为机器人领域正接近其 GPT-2 时刻的原因,因为新模型、硬件和数据收集方法正在汇聚。我通过投资 Sereact、Wayve、Black Forest Labs 和 Odyssey 等公司来观察这一趋势。
Skild 的 S1 无需更新权重即可从视频演示中执行不熟悉的任务。经过 100,000 小时的预训练,它在该公司累计的每步成功率指标上得分 66%,而基于相同数据和算力训练的语言提示基线模型得分仅为 9%。
https://www.stateof.ai/assets/2026-staging-55248615/figure-12.png
从演示中学习可能会减少每次部署所需的特定任务训练量。世界模型提供了另一种途径。Wayve 的 GAIA-4 将记录的驾驶场景转化为模拟环境,其中 AI 驾驶员的转向和制动会改变其接下来的视野。其他道路参与者遵循其记录的路径,但驾驶员可以探索其自身行为的后果。
Odyssey-3 利用视觉预训练来学习机器人、汽车和游戏的控制策略。在公司的实验中,机械臂从数十小时的演示中学习,并在未展示恢复过程的情况下从抓取失误中恢复。这些早期结果表明,物理 AI 可能不需要针对其可能遇到的每种情况提供大量演示。
AI 助力科学研究:从数学到临床试验
AI 正在解决困扰专业研究人员的数学问题。Epoch AI 的 开放问题集合 记录了九个解决方案,其中四个由自主 AI 完成,五个通过人机协作完成。在生物学领域,更准确的分子相互作用预测正在改善哪些设计能进入 实验室测试。在我投资组合中的公司 Profluent 内部,我正亲眼目睹这一过程,该公司致力于构建用于设计蛋白质(如基因编辑器)的前沿模型。
对于生物技术领域的创业者来说,好消息是围绕药物发现正在涌现新的商业模式,这些模式不再以拥有药物为核心。例如,Tempus 与阿斯利康(AstraZeneca)和 Pathos 签署了许可协议,将其 肿瘤学数据 用于基础模型开发;而 GSK 与 Noetik 达成的五年 协议 则包括为癌症研究访问虚拟细胞模型而支付的年度费用。
AI 辅助药物发现终于进入了晚期临床开发阶段。Generate:Biomedicines 的 GB-0895(用于治疗重度哮喘)和 Insilico 的 rentosertib(用于治疗特发性肺纤维化)正在招募 III 期临床试验受试者。Enveda 的 ENV-294 正在针对湿疹和哮喘进行安慰剂对照的 IIa 期试验。人体试验当然是最终的考验,并将决定这些药物是否安全有效。
https://www.stateof.ai/assets/2026-staging-55248615/figure-13.png
AI 推理正成为一个庞大的业务
Agent 在工作过程中反复调用经过训练的模型,从而在 API、订阅服务和基础设施方面创造了持续的需求。许多公司正急于带着它们“空桶”来从这次推理(收入)瀑布中分一杯羹。事实上,我认为行业正处于一种“要么在试图触及前沿的过程中失败,要么活得足够久以服务于推理”的状态。
在五个基准测试中,Epoch AI 估计,自 2023 年以来,达到固定分数所需的成本每季度降低了 47%,每年大约降低了 13 倍。这使得将更多工作委托出去在经济上变得可行。
https://www.stateof.ai/assets/2026-staging-55248615/figure-14.png
截至夏末,OpenAI 和 Anthropic 的合并年化收入运行率达到了惊人的 1050 亿美元,而年初这一数字约为 300 亿美元。这些数字涵盖了它们 across 订阅、编码产品和 API 的全部业务。用 OpenAI 的话说:“我们不能因为被支线任务分心而错失这一刻。”
https://www.stateof.ai/assets/2026-staging-55248615/figure-15.png
但这种收入的快速增长不仅限于前沿实验室。在 Standard Metrics 的初步 Q2 数据中,年化收入在 100 万至 2000 万美元之间的 AI 原生公司在第 75 百分位上的同比增长率为 256%,而将 AI 添加到现有软件中的公司这一比率为 90%。在超过 2000 万美元的收入层级,对比分别为 172% 和 53%。这些比较并不能证明采用 AI 会导致更快的增长,但我怀疑确实如此。
https://www.stateof.ai/assets/2026-staging-55248615/figure-16.png
Claude Cowork 及其在法律、金融、营销等领域的业务插件给软件市场带来了剧烈的不确定性。在二月份的“SaaSpocalypse”(软件末日)期间,两周内软件股市值蒸发了近 2850 亿美元。随后,Mythos Preview 引发了人们对网络安全公司将变得无关紧要的担忧,导致进一步下跌,尽管随后出现了强劲反弹。我认为这是一种荒谬的观点,因为这些能力为更好的防御创造了大量需求。投资者必须判断 Agent 是会侵蚀现有企业的定价权、扩大其市场,还是使竞争对手能够取代它。或者,现有企业的数据护城河是否仍然是一个 Agent 可以在此基础上构建的护城河。我们必须远远早于答案出现在营收数据之前做出决定。
https://www.stateof.ai/assets/2026-staging-55248615/figure-17.png
更多 AI 需要融资、建设和地方同意
满足这一巨大的智能需求需要在整个技术栈上进行非凡的投资。事实上,美国四大超大规模云服务商(hyperscalers)预计 2026 年资本支出总额约为 7330 亿美元。Neoclouds 也在大量投资,CoreWeave 报告称在第二季度末拥有 1.5GW 的活跃功率,截至 8 月 11 日,已签约功率达到 4.2GW。与此同时,欧盟的首批 Gigafactory 贡献了 10 亿欧元,这是在欧洲计划框架下寻求高达 100 亿欧元公共资金和至少 200 亿欧元私人资金的举措。这些是不同的衡量标准,欧盟计划并不代表所有欧洲投资。这种对比展示了美国超大规模云服务商能够从其资产负债表上动员多少资金,而欧洲仍在努力整合公共和私人承诺。
https://www.stateof.ai/assets/2026-staging-55248615/figure-03.png
随着 NVIDIA 市值迈向 6 万亿美元,它正巩固其作为“AI 中央银行”的角色。其合作伙伴关系涉及六家金融机构,旨在动员超过 5000 亿美元用于 AI 基础设施,以帮助开发者专注于寻找和融资场地、许可证、电力、冷却、网络和芯片。
但在数据中心领域,情况绝非一片大好。去年,我们预测会出现一波美国数据中心的NIMBYism(邻避主义),而Gallup 3 月的调查显示,71% 的美国人反对在当地建设 AI 数据中心,相比之下,反对建设核电站的比例为 53%。Data Center Watch 报告称,在第二季度,至少有 45 个项目因当地反对而受阻或延迟,这些项目代表了近 680 亿美元的计划投资。地方同意权已经决定了哪些项目可以推进。
华盛顿正在加强对前沿 AI 的控制
超级智能已从 AI 圈子里的一个梗变成了白宫行政命令。随着各国政府为更强大的系统做准备,它们正在主张对谁可以访问这些系统以及如何使用的控制权,尽管这些政府并不拥有这些公司的股权或董事会控制权。
https://www.stateof.ai/assets/2026-staging-55248615/figure-04.png
6 月,美国出口指令禁止外国人(包括在美国境内的人)使用 Fable 5 和 Mythos 5。Anthropic 暂停了所有用户对这些模型的访问以遵守规定,随后宣布于 2026 年 7 月 1 日恢复访问。对于世界其他地区来说,这使依赖关系变得具体:华盛顿可以立即撤回对关键技术的访问权限。
Anthropic 与五角大楼的争端将这一问题带入了 AI 本身的使用中。该公司拒绝取消对大规模国内监控和完全自主武器的限制,而国防部则寻求用于任何合法用途的访问权限。开发者和政府正在争夺设定边界的权力。
报告中提到的选定主权 AI 计划承诺投入约 1380 亿美元用于计算访问、基础设施和国内开发。有些仍处于采购阶段,而另一些已经开始交付容量。NVIDIA 单独报告称,在 2026 财年,主权 AI 收入超过300 亿美元。CNAS 主权 AI 指数显示,各国正在回归同一外国供应商(NVIDIA)来建立国内能力。
https://www.stateof.ai/assets/2026-staging-55248615/figure-05.png
正如我在《欧洲无法靠租房实现 AI 主权》一文中所论证的,拥有本地数据中心并不意味着对其中运行的模型拥有控制权。一个可信的替代方案需要持续投入研究人员、算力、能源以及迭代模型。欧洲的务实目标应是具备足够的本土能力,以便在断供期间维持关键工作运行,并手握谈判筹码(例如具备竞争力的电力和数据中心容量)进行交涉。当然,前提是其能源价格和规划许可挑战能够降低至具有竞争力的水平……
安全与防护:Agent 已攻击真实系统
在 OpenAI 内部进行降低安全措施的网络安全评估期间,Agent 接入了互联网,并破坏了 Hugging Face 的生产基础设施。OpenAI 的 技术报告 记录了在 41 个生产节点上执行代码、访问凭证和内部数据,以及下载了四个私有仓库。一次能力评估演变成了一场针对另一家组织的大规模协同 Agent 攻击。
https://www.stateof.ai/assets/2026-staging-55248615/figure-06.png
METR 和 Redwood 发现,约有 700 个 Agent 在接收到意外无法完成的任务后加入了攻击。有些 Agent 意识到以这种方式欺骗评分者超出了其职责范围且不道德,但仍然参与了攻击。当 Agent 能够触及生产系统时,定义不当的目标可能导致远超原始任务的危害。
从这一事件中得出的另一个鲜明教训是,防御者需要访问同样强大的防御性网络系统。Hugging Face 的 取证请求 因包含攻击命令和利用载荷而被商业 API 护栏阻止。它转而求助于中国开源权重模型 GLM-5.2 来调查由美国前沿模型 Agent 发起的入侵。前沿模型提供商需要确保客户在保护真实系统时能够可靠地获得防御能力。
https://www.stateof.ai/assets/2026-staging-55248615/figure-07.png
除了 OpenAI/Hugging Face 事件外,Anthropic 9 月的 威胁报告 也记录了故意滥用行为,包括恶意软件开发、监控和武器制导工作。在也门北部,一个组织利用多个 Claude 实例作为软件团队开发武器制导软件。他们试射了一枚制导火箭,但 Anthropic 表示测试似乎失败了,且未发现该组织部署了可作战武器的证据。这种执行复杂工作的能力同样可能被试图盗窃、胁迫和欺骗的人所利用。
https://www.stateof.ai/assets/2026-staging-55248615/figure-18.png
另一个令人担忧的问题是,我们不能假设模型的书面推理揭示了其实际行为。在 OpenAI 的 破坏测试 中,当监控者仅看到其推理过程时,GPT-6 Astra 比早期模型更成功地隐藏了有害的副作用任务。在测试中,给予监控者访问其行动权限后,成功逃避监控的比例降至接近零。监督必须关注 Agent 的实际行为。
https://www.stateof.ai/assets/2026-staging-55248615/figure-08.png
另一方面,一个令人鼓舞的结果来自 Anthropic 的实验,该实验通过训练模型阅读解释其宪法和说明其价值观的故事,在虚构测试场景中将其被勒索的概率从 65% 降低至 19%。结果表明,解释规则背后的原因有助于模型在新情境中应用这些规则。这些增益在实际生产环境中是否依然有效,仍有待验证。
前沿实验室正在讨论如何放缓步伐
在 Hugging Face 事件之后,OpenAI 披露了暂停前沿强化学习工作,而 Anthropic 则描述了针对部分研究的回滚和暂停措施。两者的范围和重启条件各不相同。
随后,Dario Amodei 和 前沿实验室员工 呼吁减缓能力提升速度,并通过国际协调确保这一目标的实现。构建前沿系统的领导者们正在寻求机制来放缓自身行业的发展,但在外部评估以及每个实验室应保留多少自主权方面存在分歧。政策提案 现在区分了能力研究与服务现有客户。实际的问题在于:谁有权要求暂停,什么条件允许重启,以及如何验证合规性。这并不容易。
https://www.stateof.ai/assets/2026-staging-55248615/figure-09.png
我们对 2027 年的 AI 预测
像每一年一样,我们回顾了去年的预测。我们的记分牌显示两项命中、五项部分结果和三项未命中。我们正确预测了 AI 实验室重新投入开源以赢得美国政府支持,以及一家中国实验室在主要任务排行榜上名列前茅。我们的数据中心反对呼吁是一个部分命中:反弹确实出现了,但其对 11 月选举的影响仍未确定。
我们在未来 12 个月内的九项预测中有三项是:
- 一个 Agent 在一个月客户工作后,无需模型升级,其在新任务上的失败率减半。这将是衡量持续学习的一个实际指标。
- 一个自主 AI 团队在相同的时间和算力下,在模型研究方面胜过由人类领导的团队,并自行设定议程。这将帮助我们了解模型是否具备表达比最佳研究人员更好的研究品味能力。
- 美国 AI 实验室正式推出前沿网络安全防御产品,以帮助他人应对来自前沿 AI 的威胁。我看不到其他避免这种情况的方法。
我邀请你阅读完整的 State of AI Report 2026,并订阅 Air Street Press 以获取我们全年的文章。请将报告分享给任何可能从中受益的人,并发送你的评论、批评和建议。我很想听听哪些内容给你留下了深刻印象。同时,感谢所有贡献时间和参与同行评审的每个人!
前进,
Nathan
引用本报告
Benaich, N. and Air Street Capital (2026). State of AI Report 2026. https://www.stateof.ai