内容来源：https://www.geekwire.com/2026/etzioni-on-ai-ais-annual-physical-surfaces-one-big-surprise/

内容总结：

斯坦福2026年AI指数出炉：美国AI研发遥遥领先，使用率却仅排全球第24位

斯坦福大学近日发布了2026年《人工智能指数报告》，这份年度“体检报告”长达400页，涵盖技术性能、投资、劳动力市场、环境、公众态度、监管及中美竞争等12大领域。其中一项发现令人惊讶：全球AI研发最强的国家，并非AI应用最广的国家。

研发强势与应用冷清形成反差

报告显示，2025年美国AI私人投资高达2859亿美元，是中国的23倍，超过世界其他地区的总和。全球顶尖模型大多在美国实验室训练，美国研究人员数量也遥遥领先。然而，在涵盖24个经济体的生成式AI工具使用率排名中，美国仅以28.3%的普及率位列第24位，排在捷克之前。阿联酋以64%居首，新加坡61%紧随其后，挪威、爱尔兰和法国进入前五。

“采纳差距”为何出现？

尽管美国民众可以同日、同价（通常免费）使用相同工具，但美国的使用率比其人均GDP水平应有的趋势线低了约13个百分点，是所有富裕国家中落差最大的。报告没有直接解释原因，但相关数据暗示：美国工人普遍预期AI会让自己的工作变糟；仅有31%的美国人信任政府监管AI，为所有受访国最低；美国企业部署AI的速度也慢于中国和欧洲。

令人担忧的七个趋势

1. 能源消耗激增：Grok 4模型训练排放7.28万吨二氧化碳，相当于1.7万辆汽车年排放量；全球AI数据中心容量达29.6吉瓦，接近纽约州峰值用电。
2. 人才流失：迁往美国的AI学者数量自2017年下降89%，仅去年就减少80%。
3. 中美差距缩小：顶尖中美模型性能差距已缩至2.7个百分点，中国在论文、专利和工业机器人安装量上领先。
4. 透明度崩塌：基础模型透明度指数平均分从58分骤降至40分，最强模型披露信息最少。
5. 初级岗位受挤压：22-25岁美国软件开发者就业人数较2022年峰值下降近20%，三分之一的组织预计继续裁员。
6. 学生热衷但学校滞后：80%的美国高中生和大学生用AI做作业，但半数中学没有任何AI政策，仅6%的教师表示校规明确。
7. 公众矛盾：全球AI乐观度升至59%，但仅33%的美国人认为AI会让工作更好。

四个积极亮点

• 技术性能：前沿模型在博士级科学和数学竞赛中达到或超过人类水平；网络安全基准测试成功率从15%飙升至93%。
• 投资爆发：全球企业AI投资达5817亿美元，同比增130%，生成式AI占私人投资近半。
• 科学进步：AI相关自然科学论文增长26%-28%，实现首个端到端天气预报流程，建成首个天文学基础模型。
• 医疗突破：临床笔记工具为多家医院系统减少医生文书时间最高达83%。

结论

报告最引人深思的发现是“扩散鸿沟”：制造AI的国家，并未成为使用AI的先锋。 美国作为生成式AI的摇篮，却排名第24位，这一现实值得警惕。

中文翻译：

斯坦福大学近期发布了《2026年人工智能指数报告》，这份年度行业体检报告中的一项发现让我瞠目结舌：引领人工智能发展的国家，并非引领人工智能应用的国家。关于这一点稍后再谈。首先，什么是人工智能指数？

人工智能指数是最严谨的数据驱动型报告，描绘了人工智能的发展现状：每年从技术性能、投资、劳动力市场、环境、公众态度、监管、中美竞争等多个维度进行全面评估。这份报告长达400页，提炼出12条核心结论，其衡量体系之完善，无其他机构能及。

2026年报告中的大部分结论印证了我们已经知晓或强烈预感的事实：人工智能性能持续攀升，投资呈井喷态势，中国差距已缩小，年轻软件工程师正面临失业。这些都在意料之中。

然而，有一组数据令人意外。该指数衡量了2025年下半年二十多个经济体中生成式人工智能工具的使用率（即各国人口中使用比例）。排名靠前的并非你预想的那些国家。

阿拉伯联合酋长国以64%的使用率高居榜首，新加坡以61%位列第二，挪威、爱尔兰和法国紧随其后，跻身前五。使用率与人均国内生产总值高度相关：富裕国家拥有更完善的基础设施和更多知识型工作者，其工作能受益于这些工具。这符合直觉判断。

美国以28.3%的使用率排名第24位。这令我震惊不已。

下面的国家排名图表提供了更详细的榜单。

这种差距的诡异之处在于以下几点。

2025年，美国在人工智能领域的私人投资高达2859亿美元，是中国的23倍，超过世界其他国家的总和。许多顶尖模型都在美国实验室训练。即使自2017年以来人才流入减少了89%，美国研究人员的数量仍遥遥领先于其他国家。从所有供给侧指标来看，我们是打造人工智能的国家。

然而，根据该指数的应用排名，我们落后阿联酋23个位次，仅排在捷克共和国之前。

这种差距并非源于使用便利性问题。美国人可以在同一天、以同样的价格（通常免费）使用与其他人相同的工具。

下面这张人工智能使用率与人均国内生产总值的散点图，将每个国家与其收入水平进行对照。美国位于趋势线下方约13个百分点处，是所有富裕国家中差距最大的。

报告其余部分通过一些惊人的统计数据阐述了其他重要观点——例如，人工智能在网络安全基准测试中的性能从15%跃升至93%。

坏消息

七项发现令人担忧。

• 能源消耗。训练和推理过程如今消耗千兆瓦级电力。Grok 4模型训练排放了72,816吨二氧化碳，相当于17,000辆汽车行驶一年的排放量。全球人工智能数据中心容量达到29.6千兆瓦，大致相当于纽约州高峰期的用电需求。
• 人才流失。自2017年以来，迁往美国的人工智能学者数量下降了89%，仅在过去一年就下降了80%。
• 中美势均力敌。美国顶尖模型与中国顶尖模型之间的性能差距已缩小至2.7个百分点。中国在论文发表量、专利产出和工业机器人安装量方面领先，这与凯迪和我早在2019年的预测一致。
• 透明度崩塌。基础模型透明度指数对主要开发商的模型透明度进行评分，涵盖从训练数据到下游使用的各个方面。在经历两年的进步后，平均分在一年内从58分降至40分。能力最强的模型披露的信息最少。
• 入门级岗位挤压。美国22至25岁软件开发人员的就业率较2022年的峰值下降了近20%。三分之一的组织预计未来一年将进一步裁员。
• 学生领先，学校滞后。如今，美国五分之四的高中生和大学生使用人工智能完成学业相关任务。一半的初高中没有人工智能相关政策，只有6%的教师表示所在学校的政策明确。
• 公众矛盾心态。全球范围内对人工智能的乐观情绪上升至59%，但只有33%的美国人预期人工智能会改善他们的工作，仅有31%的人信任政府对其进行监管，这一比例在所有受调查国家中最低。

好消息

四项发现是积极的。

• 技术性能。前沿模型在博士级科学问题和竞赛数学领域已达到或超越人类水平，人工智能智能体在网络安全基准测试中的成功率从2024年的15%跃升至2025年的93%。
• 投资。2025年，全球企业人工智能投资达到5817亿美元，同比增长130%，其中生成式人工智能占据了近一半的私人投资。
• 科学领域。自然科学、物理学和生命科学领域与人工智能相关的出版物同比增长了26%至28%。人工智能首次运行了端到端天气预报流程，天文学领域也构建了首个基础模型。
• 医学领域。在多家医院系统中，临床笔记工具将医生撰写笔记的时间缩短了高达83%。

这份指数在揭示意外发现时最为有用。今年，这个意外发现就是“应用鸿沟”：打造人工智能的国家并非使用人工智能的国家。

为什么存在这种鸿沟？报告没有说明。但相关的发现暗示了答案。美国工人预期人工智能会让他们的工作更糟。美国选民不信任将负责监管人工智能的政府。美国企业部署人工智能的速度慢于中国或欧洲的企业。具有讽刺意味的是，这个开创了生成式人工智能的国家，其应用却并不充分。排名第24位。啧。

英文来源：

Stanford recently released the 2026 AI Index, the field’s annual physical. One finding stopped me cold: the country that leads AI development is not the country that leads AI adoption. I’ll come back to that. First, what is this AI Index?
The AI Index is the most rigorous data-driven portrait of where AI stands: a yearly checkup across technical performance, investment, the labor market, the environment, public attitudes, regulation, the US-China race, and more. Four hundred pages, twelve headline takeaways, and a measurement apparatus no other institution has matched.
Most of the 2026 takeaways confirm what we already know or strongly suspect. AI performance is climbing, investment is exploding, the China gap has closed, young software engineers are losing their jobs. Familiar territory.
One number is surprising, though. The Index measures adoption (the share of a country’s population using generative AI tools) across two dozen economies in the second half of 2025. The leaders are not the countries you would guess.
The United Arab Emirates tops the list at 64%. Singapore is second at 61%. Norway, Ireland, and France round out the top five. Adoption correlates strongly with GDP per capita: richer countries have better infrastructure and more knowledge workers whose jobs benefit from these tools. That makes intuitive sense.
The United States ranks 24th, at 28.3%. That shocked me.
The country ranking figure, below, provides the broader list.
Here is what makes the gap strange.
In 2025, US private investment in AI reached $285.9 billion, 23 times China’s and more than the rest of the world combined. Many of the leading models are trained in American labs. Even with talent inflows down 89% since 2017, US researchers still outnumber any other country’s by a wide margin. By every supply-side measure, we are the country that builds AI.
By the Index’s adoption ranking, we sit 23 places behind the UAE, just ahead of the Czech Republic.
The gap is not about ease of access. Americans can use the same tools, on the same day, for the same price (usually zero) as anyone else.
The AI adoption vs GDP per capita scatterplot, below, plots each country against its income. The US sits about 13 points under the trend line, the largest gap of any wealthy country.
The rest of the report makes additional important points with some staggering statistics—for instance, a jump in AI performance on cybersecurity benchmarks from 15% to 93%.
The bad news
Seven findings give cause for concern.
Energy. Training and inference now consume gigawatts of electricity. Grok 4’s training run emitted 72,816 tons of CO2, the equivalent of 17,000 cars driven for a year, and global AI data center capacity reached 29.6 gigawatts, roughly New York State at peak demand.
Talent flight. The number of AI scholars relocating to the US has dropped 89% since 2017, with an 80% decline in the past year alone.
US-China parity. The performance gap between the top American and top Chinese models has closed to 2.7 percentage points. China leads on publication volume, patent output, and industrial robot installations, aligned with what Cady and I predicted back in 2019.
Transparency collapse. The Foundation Model Transparency Index grades the major developers on how much they reveal about their models, from training data to downstream use. After two years of gains, the average fell from 58 to 40 in a single year. The most capable models disclose the least.
Entry-level squeeze. Employment among US software developers aged 22 to 25 has fallen nearly 20% from its 2022 peak. One in three organizations expects further workforce reductions over the coming year.
Students lead but schools lag. Four in five US high school and college students now use AI for school-related tasks. Half of middle and high schools have no AI policy, and only 6% of teachers say their school’s policies are clear.
Public ambivalence. Global optimism about AI rose to 59%, but only 33% of Americans expect AI to make their jobs better, and only 31% trust their government to regulate it, the lowest figure of any country surveyed.
The good news
Four findings are positive.
Technical performance. Frontier models now meet or exceed human performance on PhD-level science and competition mathematics, and the success rate of agents on cybersecurity benchmarks jumped from 15% in 2024 to 93% in 2025.
Investment. Global corporate AI investment hit $581.7 billion in 2025, up 130% year over year, with generative AI capturing nearly half of all private funding.
Science. AI-related publications in the natural, physical, and life sciences rose 26% to 28% year over year. AI ran its first end-to-end weather forecasting pipeline, and astronomy built its first foundation model.
Medicine. Clinical-note tools cut physician note-writing time by up to 83% across multiple hospital systems.
The Index is at its most useful when it surfaces a surprise. This year, that finding is the diffusion gap: the country that builds AI is not the country that uses it.
Why the gap? The report doesn’t say. But the adjacent findings hint at an answer. American workers expect AI to make their jobs worse. American voters distrust the government that would regulate it. American firms are deploying it more slowly than firms in China or Europe. Ironically, the country that pioneered generative AI is underutilizing it. Number 24. Sheesh.