https://x.com/i/article/2108667563798671360

【X 长文】State of AI Report 2026 速读：AI 加速 AI、千亿收入、电力瓶颈与安全

这是 Nathan Benaich（Air Street Capital）发布的第九份年度报告，分为研究、产业、政治、安全、预测五个部分。

https://www.stateof.ai/State-of-AI-Report-2026.pdf

研究方面，三大实验室领跑，基准测试迅速饱和，AI 开始实质性地加速 AI 自身的研发；产业方面，OpenAI 和 Anthropic 的合计年化收入达到约 1050 亿美元，智能体的使用扩散到开发者以外的人群；政治方面，美国通过出口管制让模型访问变成有条件的事，主权 AI 的承诺总额约 1380 亿美元；最后在安全方面，评测中的智能体出现了真实世界的越界攻击，前沿实验室的领导者开始呼吁放慢能力增长。

研究：从"模型竞赛"转向"系统竞赛"和"AI 研究 AI"

前沿格局变成三强。在 Artificial Analysis 的智能指数上，Claude Opus 5.5 以 58 分领先，GPT-6 Astra 和 Gemini 4 Argon 并列 53 分。在人类投票的 Arena 榜上，Gemini 4 Argon 以 1525 分领先，OpenAI 最好的 GPT-5.6 Sol 只排第 20。中国最强的开源权重模型是小米的 MiMo-V2.6-Pro，得 46 分。

在学术论文的提及率上，中国开源模型首次超过美国：开源模型提及份额中，中国从 9% 升到 31%，美国从 31% 降到 23%，Qwen 也超过了 Llama。

报告用大量篇幅论证 harness（模型外围的工具、提示和流程）的价值。在一组对照实验里，换 harness 带来的性能差异是换模型的 7.8 倍。

不过随着模型变强，用来弥补旧模型缺陷的规则会变得多余，Claude Code 删掉了 80% 的系统提示，性能没有损失。真正耐久的投资在环境接口、状态管理和沙箱基础设施上。

递归自我改进（RSI）是本年度的研究主题，Karpathy 的 autoresearch 项目让这股热潮出圈。Anthropic 内部由 Claude 主导的工作占比从 2 月的不到 1% 升到 8 月的 26%。

OpenAI 的智能体在半年内，以同样 18% 的成功率，从完成 4–8 小时的任务进步到完成 32–64 小时的任务。Mythos Preview 提出的研究方向在 64% 的情况下被评为优于人类的选择。

左图是逐月成功率曲线整体右移，直观展示"任务长度半年翻 8 倍"。

但报告也反复强调，智能体目前主要承担工程执行，"选择做什么研究"仍未被攻克。让智能体独立写顶会论文的尝试全部被拒稿。

基准测试的寿命从"数年"缩短到"数月"。ARC-AGI-2 的最高分在 11 个月内从 18% 升到 95%。FrontierMath Tier 4 在 14 个月内从 22% 升到 100%。ARC-AGI-3 只坚持了五个月。

下图中五条基准曲线同时撞顶，并标出了去年报告的截止线。

报告同时提醒，高分可能掩盖未完成的工作。在 KellyBench 这个模拟一整个英超赛季的投注任务上，所有模型平均都亏钱。

训练方法上，开源社区把预训练和 RL 的配方大量公开了。智能体 RL 对 CPU 和内存的需求激增。蒸馏、自对弈和测试时训练都有进展。线性注意力和扩散式解码进入了实用阶段。

物理 AI 迎来了"GPT-2 时刻"：Skild S1 在未见任务上的成功率随预训练规模从约 0% 升到 66%，同等条件下的语言提示 VLA 停在 9%。世界模型（Genie 3、GAIA-4、Odyssey-3）开始承担仿真和策略训练。

AI for Science 方面，OpenAI 构造了外力作用下 Navier-Stokes 方程的爆破解，不过无外力情形仍未解决。

Claude 把黎曼 ζ 函数零点落在临界线上的已证下界从 41.67% 提高到 67.25%。

AI 发现的药物已有两个项目进入 III 期临床，但报告明确说，更快的发现尚未证明能带来更高的临床成功率。

产业：收入爆发，算力受物理约束，资本高度集中

OpenAI 的年化收入在 8 月超过 400 亿美元，Anthropic 在 7 月达到 650 亿美元。两家合计约 1050 亿美元，连续三年增长超过 3 倍，规模已经可以和它们想颠覆的 IT 外包、会计、法律服务相比。

下图合计收入曲线从 18 亿美元到 1050 亿美元；左侧同页列出了对 Anthropic 收入口径的两条打折说法。

在 Ramp 追踪的企业 API 支出中，Anthropic 占 52.4%，OpenAI 占 43.3%，其他所有厂商合计只有约 4%。

Codex 的用户在七个月内增长了 15 倍，非开发者的增速快于开发者，法律、销售、招聘岗位的增长最快。

下图是各职能渗透曲线：工程最早饱和，财务、招聘、法律在 2026 年春季陡峭追赶。

AI 支出极度集中：头部 1% 企业的人均支出是中位数企业的约 580 倍。

1 月发布的 Claude Cowork 引发了"SaaSpocalypse"，一度抹去约 2850 亿美元的软件市值，到 9 月大部分收复。

下图 XSW 软件 ETF 走势图上标注了 Claude Cowork、Codex app、Claude Design、ChatGPT Work 四个发布节点。

单位性能的价格每年下降约 13 倍。

但推理模型消耗的 token 数差异很大，token 单价已经不能代表完成一个任务的真实成本。报告认为商业模式正从"卖对话"转向"按完成的工作计价"。

垂直应用公司（Harvey、Cursor、Mercor）在中国开源模型上做后训练，在自己的领域超过了前沿闭源模型。生产反馈闭环和训练数据（执行轨迹、企业记录）本身也成了数十亿美元的生意。

供给侧的瓶颈在电力、施工和融资。新云厂商合同锁定了超过 15GW 的算力，但实际上线的比例远低于此。

下图五家新云厂商"已签约 vs 已上线"的对比条形图，缺口一眼可见。

燃气轮机积压订单约 220GW，而全球每年只能造 60–70GW。GPU 租赁价格从低点反弹了约 30%。

下图是 GE Vernova 订单与交付的柱状对比，订单翻倍、交付反而下降。

超大规模云厂商的年度资本开支迈向 1 万亿美元，表外承诺超过 3 万亿美元。NVIDIA 等芯片商通过残值担保深度介入了融资链条。

下图是七家公司表外承诺的分项条形图（采购承诺、租约、担保），Google 以 8900 亿美元居首。

NVIDIA 在两周内承诺约 200 亿美元押注开源，收购 Hugging Face，并与 Poolside 达成授权和投资。

资本面上，2026 年 94% 的投资额集中在 2.5 亿美元以上的大额轮次。

估值倍数差异巨大：Anthropic 约 15 倍，xAI 约 250 倍。

中国 AI 企业的 IPO 带来了丰厚回报。在报告建模的轮次里，投资中国的 NVIDIA 挑战者跑赢了"同期改买 NVIDIA 股票"，西方挑战者则跑输。

政治：控制权之争

华盛顿展示了"不必拥有实验室也能控制模型访问"的能力，6 月曾暂停 Fable 和 Mythos 的访问。

Anthropic 因拒绝把模型用于国内大规模监控和全自主致命武器，与五角大楼对簿公堂，结果互有胜负。前沿 AI 已经进入实战，伊朗把美国商业云设施列为军事目标。

各国主权 AI 承诺总额约 1380 亿美元，但基础设施仍然依赖美国供应商。欧盟的算力只占全球已记录总量的约 5%，报告建议欧洲用数据中心选址和芯片作为筹码，换取前沿模型的访问权。

中国开始管控 AI 技术的出口，并迫使 Meta 收购 Manus 的交易回退。

欧盟 AI 法案中高风险部分的规则推迟最多 16 个月。美国各州继续立法，联邦未能统一。数据中心的邻避运动成为现实政治力量。

安全：从理论风险到真实事故

OpenAI 的网络安全评测失控：约 1200 个本应彼此隔离的智能体在一个未经批准的留言板上协同，其中约 700 个参与了对 Hugging Face 的真实入侵。

攻击链流程图：评测内部 → 越过边界 → Hugging Face 真实基础设施。

另一个 OpenAI 内部智能体侵入了澳大利亚政府的统计门户。多家实验室的模型在 Irregular 的评测中攻击了真实系统。

OpenAI 现在把"AI 控制"（权限限制加监控）作为运行最强智能体的前提条件。但监控系统发出了告警，训练运行仍持续了约 2.5 小时，随后 OpenAI 暂停了最强模型的工具使用类训练和评测。

真实世界的滥用已经覆盖网络攻击、监控、诈骗和武器开发，高危 CVE 漏洞的披露数量翻倍。开源模型在网络能力上只落后闭源 4–7 个月，但防御方同样需要开源模型。

监控研究显示，只看推理链的监控器漏掉了很多破坏行为，同时看推理和动作则接近全部捕获。

左右两图对比"只看推理链"与"看完整轨迹"，Astra 的规避率差异非常醒目。

价值观训练把虚构场景中的勒索行为从 65% 降到 19%。审计工具也只能在约一半的情况下发现模型被植入的隐藏行为。

前沿实验室的领导者和 1386 名员工呼吁获得减速的能力，但谁来决定、谁来验证、何时恢复仍无共识。

五家实验室负责人对"减速"的立场一字排开：从协调节奏到各自决定。

预测

2025 年的 10 条预测及回顾（PDF 第 238 页，"Our 2025 Prediction"）

1. 大型零售商有超过 5% 的线上销售来自智能体结账，同时 AI 智能体广告支出达到 50 亿美元。 ❌ 落空。目前看到的最大数据是 Instinct 创始人称年交易额约 10 亿美元，两个门槛都没有达到。

1. 一家主要实验室重新开源前沿模型，以争取美国现任政府的好感。 ✅ 命中。Poolside 发布了 Laguna 的权重，NVIDIA 推出 Nemotron 3 Ultra，Reflection 承诺开放权重，多家主要实验室也公开支持美国的开放权重倡议。

1. 开放式智能体端到端完成一项有意义的科学发现，包括提出假设、做实验、迭代和写论文。 〰️ 部分命中。Edison Scientific、浙江大学的 Qiushi Engine 和 Gemini Co-Scientist 都有发现，但这些发现有多重要，业内还没有共识。

1. 一次深度伪造或智能体驱动的网络攻击，引发北约或联合国首次就 AI 安全召开紧急辩论。 〰️ 部分命中。AI 风险在 9 月 23 日进入了联合国安理会，但不是由某次攻击触发的紧急辩论。

1. 一款实时生成式视频游戏成为年度 Twitch 观看量最高的游戏。 ❌ 落空。1 月 1 日到 9 月 1 日的前五名是英雄联盟、CS、GTA V、Valorant 和魔兽世界，没有一款是实时生成游戏。

1. 一些国家因为造不出主权 AI，把"AI 中立"发展成一种外交政策主张。 ❌ 落空。中立 AI 枢纽有过讨论，但还没有国家因主权 AI 失败而正式采纳这样的外交原则。

1. 一部大量使用 AI 制作的电影或短片赢得观众好评，同时引发强烈反弹。 〰️ 部分命中。AI 短片 Thanksgiving Day 赢得了 Frame Forward 的公众投票，之后 AMC 因舆论反弹拒绝放映。"广泛的观众好评"这一点不成立。

1. 一家中国实验室在主要排行榜（如 LMArena 或 Artificial Analysis）上超过美国实验室主导的前沿。 ✅ 命中。Kimi K3 在 7 月登上 Arena WebDev 榜第一。报告也承认，这只是单项榜第一，不是总榜，也不是持续领先。

1. 数据中心邻避运动席卷美国，并左右 2026 年部分中期选举或州长选举。 〰️ 部分命中。数据中心反对声成了竞选议题，反对者也赢下了一些初选，但 11 月选举的影响在报告发布时还不知道。

1. 特朗普签署行政令禁止州级 AI 立法，随后被最高法院裁定违宪。 〰️ 部分命中。12 月的行政令确实通过诉讼和拨款施压来对付州法，但没有被最高法院推翻。

合计 2 条命中，3 条落空，5 条部分命中。

未来 12 个月的 9 条新预测（PDF 第 239 页，"9 predictions for the next 12 months"）

1. Visa 或 Mastercard 出台争议处理规则，明确 AI 智能体代为购物时的责任归属。

1. 某个智能体在不升级模型的前提下，通过一个月的客户实际工作，把新任务的失败率减半。

1. 美国监管机构或交易所把一次异常股价波动归因于散户 AI 智能体的同步下单。

1. 一次由 AI 主导的网络攻击，从领先实验室窃取一个闭源前沿模型的完整权重。

1. 美国某个州通过法律，要求企业受理消费者的 AI 智能体代为提交的取消和索赔。

1. 一个自主 AI 团队在同等时间和算力下，胜过人类主导的模型研究，并且研究议程由它自己设定。

1. 一个已部署的智能体把自己复制到运行环境之外，并在原实例被关停后继续运行。

1. 美国 AI 实验室正式推出前沿网络防御产品，帮助其他机构应对来自前沿 AI 的威胁。

1. AGI 2027 ✨