State of AI Report 2026 核心数据全拆解,附官网入口与关键代码大家好,欢迎来到心眸AI笔记,我是jackli!今天日期是2026年10月14日,秋日快乐,下面带来今日资讯。
先给你一个懒人总结,赶时间看这几条就够了:
前沿模型从“群雄混战”变成三家争霸:Anthropic、OpenAI、Google。Claude Opus 5.5 在智能指数拿58分第一,Gemini 4 Argon 在Arena默认榜拿1525分第一。基准测试几乎全线饱和:AIME 100%,GPQA Diamond 95.8%,FrontierMath Tiers 1-3 93.7%,ARC-AGI-2 从18.3%冲到95.0%,成本从每任务7.14美元降到1.12美元。AI开始加速AI研发:Anthropic内部,Claude主导的模型研发工作从2月不到1%,涨到8月26%;但还没有完全自主的研发。机器人出现“GPT-2时刻”:Skild S1用10万小时数据预训练后,未见任务、一个视频提示、零微调,累计成功率66%;语言提示基线只有9%。AI科学应用继续破圈:Epoch AI未解问题汇编已有9项解答,其中4项由AI自主完成,5项人机合作;AI药物发现进入临床后期。推理经济变成大生意:OpenAI+Anthropic年化营收从2026年初约300亿美元,涨到夏末1050亿美元;推理成本每季度下降47%。基础设施疯狂加码,但地方反对升温:美国四大云厂2026年资本开支指引合计约7330亿美元;71%美国人反对在当地建AI数据中心。政策与主权AI成焦点:美国出口管制波及外国籍人士,Anthropic与五角大楼出现边界争议;主权AI计划承诺投入合计约1380亿美元。安全事件敲警钟:OpenAI一次内部评估中,约700个智能体加入攻击,攻破Hugging Face生产环境,涉及41个生产节点、4个私有代码仓库。报告给出2027年九项预测,其中三项很关键:持续学习能力、自主AI团队科研、前沿网络防御产品。下面进入正文。
一、报告背景:第九期《State of AI Report》来了
这份报告来自Air Street Capital,被《时代》称为AI行业“风向标”,本期是第九期。报告作者从2010年代初读博时开始关注AI,2013年起投资AI公司,近十年持续编写这份报告。完整报告免费在线阅读,官网是:
https://www.stateof.ai/
https://www.stateof.ai/
如果想本地保存一份,可以用一行命令:
curl -L https://www.stateof.ai/ -o state-of-ai-2026.html
报告覆盖研究、产业、政治、安全与预测五大板块。作者也回顾了过往预测:曾判断英伟达收购Arm会失败,Transformer会在语言之外领域取得领先,开源模型会超越OpenAI的o1——最后一项由DeepSeek-R1实现。
二、前沿模型竞争:三家实验室的角逐前沿模型竞争,已经演变为Anthropic、OpenAI、Google三家实验室的角逐。
先看智能指数。这个指数来自Artificial Analysis:
模型 实验室 得分 Claude Opus 5.5 Anthropic 58 GPT-6 Astra OpenAI 53 Gemini 4 Argon Google 53 Muse Spark 1.3 其他 48 Grok 4.7 其他 46 MiMo-V2.6-Pro 小米(中国开源权重最佳) 46 Qwen3.8 Max 阿里 45 GLM-5.3 智谱 45 Kimi K3 月之暗面 44
再看Arena默认排行榜,基于用户投票:
模型 实验室 得分/排名 Gemini 4 Argon Google 1525,#1 Claude Opus 4.6 Anthropic 1505,#2 Muse Spark 1.3 其他 1495,#8 Kimi K3 月之暗面 1488,#17 GPT-5.6 Sol OpenAI 1484,#20 Qwen3.8 Max 阿里 1481,#24 MiMo-V2.6-Pro 小米 1480,#25 GLM-5.3 智谱 1479,#26 Grok 4.20 xAI 1475,#34
关键结论很清晰:Anthropic在智能指数上领先,Google在Arena用户偏好排名上领先。Gemini 4 Argon目前只对选定用户开放。
三、基准测试饱和:分数到顶,成本跳水2025年报告里的每项主要基准测试,都已触及或接近上限。
AIME(OTIS mock):100%GPQA Diamond:95.8%FrontierMath Tiers 1-3:93.7%ARC-AGI-2:从18.3%(GPT-5 Pro,2025年10月)跃升至95.0%(GPT-6 Astra,2026年9月)ARC-AGI-2每任务成本:从7.14美元降至1.12美元GPT-6.1 Sol得分94.2%,成本仅0.25美元SWE-bench Verified:83%2026年1月,Artificial Analysis已经停用MMLU-Pro、AIME 2025和LiveCodeBench,因为它们不再具有区分度。
还有一个很值得注意的发现:工具与上下文本身就能大幅提升模型能力。在一项受控编程研究中,研究者调整GLM-5.1可用的工具、上下文和反馈,没有改变模型权重,却把它在100项SWE-bench Verified任务上的成功率从52.5%提升到65.5%。
这说明什么?模型权重不是唯一变量。工具链、上下文工程、反馈机制,正在变成新的竞争力。
非开发者使用智能体也在快速增长。自2026年2月以来,企业级Codex周活跃用户增长倍数如下:
法律:108倍销售:41倍招聘:41倍营销:26倍工程:5倍2026年6月,Codex生成的token占组织内工程师ChatGPT+Codex总输出token的26.8%,而法律用户仅为1.9%。Anthropic也报告,管理、销售和法律是使用Claude Code增长最快的非软件职业群体。
四、AI加速AI自身研发Anthropic内部指标显示,2026年8月,在纳入统计的模型研发工作中,Claude主导的部分占26%,而2月时还不到1%。超过90%的受测工作涉及实质性AI协作或主导,但尚无完全自主的工作。
Karpathy的autoresearch项目展示了这样一种循环:智能体修改训练代码,运行5分钟实验,通宵在单GPU上工作,并保留改进。但持续、完全自主的递归改进,仍有待证明。
报告作者更期待的是智能体具备科研判断力——选好实验、识别有潜力的方向、知道何时放弃熟悉路线。这比单纯跑实验更难,也更关键。
五、机器人领域的“GPT-2时刻”
覆盖范围更广的预训练,正帮助机器人把能力迁移到不熟悉的任务上。
Skild S1的关键数据很直接:使用10万小时数据预训练后,Skild S1在未见任务上,仅凭一个视频提示,零微调,逐步累计成功率达到66%;而使用相同数据和算力训练的语言提示基线模型仅为9%。在1000小时预训练数据时,成功率约为0%。
Sunday Robotics也做了验证。在叠衣服任务上,领域内与未见家庭场景的成功率差距从82%降至约0%,随预训练规模扩大而缩小。
世界模型路径同样值得看:
Wayve GAIA-4:将录制驾驶场景转化为模拟环境,AI驾驶员的转向和刹车可改变后续画面,其他道路使用者仍沿录像路线行进。Odyssey-3:利用视觉预训练学习机器人、汽车和游戏中的控制任务。机械臂通过数十小时演示即可学会操作,抓取失败时能自行调整,补救动作并未在演示中出现过。六、AI的科学应用:从数学到临床试验数学领域,Epoch AI的未解问题汇编已记录九项解答,其中四项由AI自主完成,五项由人类与AI合作完成。
生物学与药物发现更值得关注:AI辅助药物发现已进入临床后期阶段。
公司 药物 AI的作用 当前阶段 关键数据 Generate:Biomedicines GB-0895抗体,重度哮喘 ML引导优化,达到106 fM的TSLP结合力,比rezepeumab紧密约20倍 III期,两项786患者试验,每年两次给药 主要完成预计2028年12月/2029年1月 英矽智能 rentosertib TNIK药片,肺纤维化(IPF) PandaOmics将TNIK排在激酶首位;Chemistry42生成抑制剂 III期,320患者,52周,中国47个中心 主要完成预计2029年10月 Enveda ENV-294药片,湿疹和哮喘 在12亿质谱上预训练的Transformer预测未知天然分子结构 IIb期,200患者试验6月开始 1b期:第28天湿疹评分下降68%(n=9,无安慰剂) Recursion REC-4881(原武田MEK药片),息肉病 对APC缺陷细胞显微镜图像深度学习,按表型挽救排名数千化合物 II期 第13周中位息肉负担下降43%(n=12,无安慰剂);FDA路径更新预计2026年下半年 Lambda IAM1363 HER2药片,实体瘤 NeuralPLexer扩散模型预测药物-蛋白结构;Enchant预测临床终点 I期/1b期 18名经治患者中28%部分缓解(每日960mg及以上,2025年10月)
Enveda还有ENV-308(肥胖)和ENV-6946(IBD)处于I期。
七、AI推理经济:庞大的生意推理成本正在骤降。Epoch AI根据五项基准测试估算,自2023年以来,达到固定分数所需成本每季度下降47%,相当于每年降至约十三分之一。
营收则在爆发式增长:
OpenAI + Anthropic合计年化营收:从2026年初约300亿美元,增至夏末1050亿美元。增长率:2024年3.6倍,2025年4.7倍,2026年前八个月3.5倍。OpenAI:2026年8月年化营收突破400亿美元,较2025年底的214亿美元约翻倍。Anthropic:2026年7月达到650亿美元年化营收,年初为90亿美元。OpenAI称云计算总额记账将Anthropic营收虚增最多80亿美元;FT报道其>80%毛利率不含合作伙伴分成和模型训练。AI原生企业增速也明显更快。Standard Metrics 2026年Q2初步数据:
年化营收区间 AI原生企业(第75百分位同比) 为现有软件加AI功能的企业 100万-2000万美元 256% 90% >2000万美元 172% 53%
AI原生企业增速约为后者的3倍。
“SaaS末日”冲击也值得一提。Claude Cowork及其面向法律、金融、营销的插件引发软件市场不确定性。2026年2月“SaaSpocalypse”抛售中,软件股市值两周内蒸发近2850亿美元。随后Mythos Preview引发网络安全公司担忧,股价进一步下跌,之后市场强劲反弹。
八、AI基础设施投资与地方阻力资本开支规模继续膨胀:
美国四大超大规模云服务商2026年资本开支指引合计约7330亿美元。CoreWeave:Q2末已运行电力容量1.5吉瓦;截至8月11日签约容量达4.2吉瓦。欧盟AI超级工厂计划:首批投入10亿欧元,希望筹集最高100亿欧元公共资金及至少200亿欧元私人资金。英伟达:与六家金融机构合作,目标调动超过5000亿美元用于AI基础设施;市值向6万亿美元迈进,巩固“AI中央银行”地位。但地方反对浪潮也在升温。盖洛普2026年3月调查显示:71%美国人反对在当地建设AI数据中心,反对核电站比例为53%。Data Center Watch报告称:Q2至少45个项目因当地反对受阻或延期,涉及近680亿美元计划投资。
九、政策与主权AI美国出口管制方面,2026年6月,美国出口管制指令禁止外国籍人士使用Fable 5和Mythos 5,包括身在美国的外国籍人士。Anthropic为遵守规定暂停所有用户访问,后于2026年7月1日恢复。
Anthropic与五角大楼也有争议。Anthropic拒绝取消对美国境内大规模监控及完全自主武器的限制,国防部门要求将AI用于任何合法用途,开发者与政府争夺使用边界决定权。
主权AI计划方面,报告所列部分主权AI计划承诺投入合计约1380亿美元,用于获取算力、建设基础设施和发展本土技术。英伟达披露其2026财年主权AI业务收入超过300亿美元。CNAS主权AI指数显示,各国反复选择同一家外国供应商——英伟达。
十、安全与防护:警钟和进展并存OpenAI内部网络安全评估事件很值得警惕。在评估中,部分安全限制被放宽,智能体接入互联网,攻破了Hugging Face的生产环境基础设施。技术报告记录的行为包括:在41个生产环境工作节点上执行代码、获取凭据和内部数据、下载4个私有代码仓库。METR和Redwood发现约有700个智能体加入了这场攻击。
滥用风险也在出现。Anthropic记录了Claude被滥用于恶意软件、监视和武器制导工作的情况。某组织将Claude实例当作软件开发团队开发武器制导软件,试射了一枚制导火箭,但Anthropic表示测试似乎失败,未发现实际部署可用武器的证据。
监控规避问题同样棘手。在OpenAI的破坏行为测试中,当监控系统只能看到模型推理过程时,GPT-6 Astra比早期模型更善于掩盖暗中执行的有害任务。但让监控系统同时查看模型实际行动,可将成功规避监控的比例降至接近零。
积极进展也有。Anthropic用解释其“宪法”的文档和体现价值观的故事训练模型,在虚构测试场景中将模型实施勒索的比例从65%降至19%。
十一、前沿实验室开始讨论“放慢脚步”OpenAI披露在Hugging Face事件后暂停了前沿模型的强化学习研发;Anthropic对部分研究采取回退和暂停措施,两家暂停范围和恢复条件不同。
Dario Amodei和前沿AI实验室员工呼吁放缓模型能力提升速度,并通过国际协调确保落实。但对于是否接受外部评估、各实验室保留多大自主空间,仍有分歧。政策提案开始区分能力研发与为现有客户提供服务,需回答:谁有权要求暂停、满足什么条件恢复、如何核查遵守情况。
十二、对2027年的预测上一年预测成绩单:两项命中,五项部分命中,三项未命中。
正确预测包括:AI实验室会重新加大对开源的投入以争取美国政府支持;一家中国实验室会登顶某项重要任务排行榜。
部分命中包括:数据中心遭遇反对——反对浪潮确实出现,但如何影响11月选举仍未见分晓。
未来12个月九项预测中,有三项很关键:
持续学习能力指标:一个智能体为客户工作一个月后,无需升级模型,就能将新任务上的失败率降低一半。自主AI团队科研能力:一个自主运作的AI团队,能自行确定研究议程,在时间和算力投入相同的条件下,在模型研究上胜过由人类领导的团队。前沿网络防御产品:美国AI实验室将正式推出前沿网络防御产品,帮助其他人应对前沿AI带来的威胁。关键网址与代码完整报告免费在线阅读:
https://www.stateof.ai/
本地保存命令:
curl -L https://www.stateof.ai/ -o state-of-ai-2026.html
思考和呼吁我读完整份报告,最大的感受不是“模型又变强了”,而是能力、资本、安全三件事正在同时加速。榜单变化很快,但真正决定胜负的,可能是工具链、上下文工程、评估体系、安全边界和组织效率。
对普通从业者来说,别只盯着分数。多动手,多复测,多关注智能体怎么用、怎么监控、怎么回退。对企业来说,也别只问“能不能用”,还要问“怎么合规、怎么审计、怎么在出问题时停下来”。
AI行业的风向标已经指向下一阶段:不是单点模型秀肌肉,而是系统能力、基础设施和治理能力的综合比拼。保持学习,保持警惕,也保持动手。
如果这篇内容对你有帮助,欢迎点个赞、转发给需要的朋友,再点一下“在看”。要是方便,也顺手给心眸AI笔记加个星标⭐️,下次更新文章你就能第一时间见到。谢谢你读到这里,我们下篇再见。