AI 越来越强，我们准备好了吗？

当 AI 看起来无所不能

AI 已经能写代码、解数学题、生成影像，也开始进入医院和实验室。它究竟是在全面取代人，还是只在少数任务上格外擅长？斯坦福以人为本人工智能研究院的《AI Index Report 2026》把今年最醒目的矛盾写得很清楚：模型能力快速前进，治理、评估、教育和数据体系却越来越跟不上。

这份指数横跨研发、性能、经济、科学、医学、教育、治理和公众舆论。读完后留下的印象，不是 AI 在匀速变强，而是几件事同时发生：能力跃升、真实效用出现、测量工具失准、社会准备不足。

最容易误导人的，是“参差不齐的智能边界”。同一个系统，可以在某些难题上像专家，在另一些看似简单的任务上失手。Gemini Deep Think 能在国际数学奥林匹克中达到金牌水平，读取传统模拟时钟的准确率却只有 50.1%，人类约为 90.1%。一次亮眼成绩，说明不了它已经具备稳定、通用的理解力。

更麻烦的是，用来打分的尺子本身也可能不准。部分传统测试题错误率最高可达 42%，排行榜还可能被训练数据污染和针对性刷榜扭曲。模型分数越来越接近，最多说明竞争在加剧，并不能单独证明各家系统在真实场景里同样可靠。

供给端也在向少数玩家集中。2025 年发布的 102 个知名模型里，93 个来自工业界，约占 91.2%，学术界只贡献了 2 个；大量模型也没有公开训练代码。算力和资本决定谁能训练下一代系统，外部研究者要独立核验，只会越来越难。

经济账本同样冷热不均。生成式 AI 在美国一年创造的消费者剩余约 1720 亿美元——也就是用户觉得“这工具值得继续用”的额外价值。很多人已经从聊天、写作和检索里感到方便，但这不等于企业利润同步上涨，更不等于每个行业都吃到了同样红利。

效率提升最明显的地方，往往是任务边界清楚、结果容易验收的岗位。客户服务和软件开发等场景里，AI 带来约 14% 至 26% 的生产力提升。证据更支持“帮人完成一段工作”，还谈不上改写所有职业的完整流程。

就业影响也按资历分层。22 至 25 岁年轻软件开发者的就业人数，相比 2024 年下降近 20%；资深开发者的情况更稳。初级岗位承压值得警惕，但利率、科技业裁员周期和招聘收缩也可能掺在里面。现有数据还拆不开：这 20% 里，究竟有多少真是 AI 造成的。

医疗里更站得住的用法，是让 AI 先接手记录、整理和预警，而不是独立替医生下诊断。多家机构已部署“环境 AI”语音病历工具，记录时间最多可减少 83%，投资回报率可达 112%。这些数字证明的是具体工作流变快了，不能外推成 AI 已经能独立处理复杂医疗决定。

科研侧的边界也差不多。AI 可以协助提出假设、处理资料、设计实验；但在 PaperArena 这类要求读文献、调工具并完成端到端研究的测试中，最佳 AI 智能体准确率只有 38.8%，人类博士专家为 83.5%。更贴切的角色仍是协作者，而不是能稳定接管完整科研过程的自主科学家。

能力往前跑，规则和评估却在后面追。模型在标准安全测试里可能表现不错，一旦遇到蓄意绕过限制的攻击，防线又会迅速失守；加强隐私保护，还可能和准确性、公平性互相拉扯。装机量变多，并不自动等于风险可控。

公众感受也和专家预期脱节。皮尤调查显示，73% 的 AI 专家认为 AI 会改善人们的工作方式，普通公众里只有 23% 同意，相差 50 个百分点。做系统和做研究的人更容易看到效率，直面岗位变化的人更容易感到不确定。

所谓“全球图景”也仍有大片空白。部分企业调查没有纳入中国，国际教育数据缺少中国、印度和许多非洲国家，GitHub 也覆盖不了其他代码平台。这份指数适合勾勒大趋势，不能当成每个国家、每个行业、每个家庭的共同经历。

更稳妥的读法是：AI 正在先改写工作中的具体步骤——整理、生成、检索和部分分析变快了，医疗与科研里的辅助流程也开始见到收益；而需要长期规划、现实验证、责任承担和复杂协作的完整工作，现有系统仍明显落后于人类。

能力、采用和资本投入在同步加速，生产力证据、就业归因、评估可靠性和治理准备却仍不齐。它能告诉我们哪些任务已经受到冲击，却给不出某个人明年是否失业、某家公司一定省多少钱的答案。

来源机构：Stanford Institute for Human-Centered Artificial Intelligence

本内容用于研究报告阅读与理解，不构成投资建议或交易信号。

精选全球权威机构研报，结构化多语言阅读，支持可信溯源。

本内容用于研究报告阅读与理解，不构成投资建议或交易信号。