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。

一页看完四大板块的结论

01

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。

PDF第6页《12 months pass, and the frontier fight is now a three-lab race》

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。

PDF第8页《Same model, better harness = stronger agent》

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%。

PDF第21页《Claude now leads a quarter of Anthropic’s model R&D, with humans supervising》

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”。

PDF第22页《Within 6 months, OpenAI researchers are solving much longer tasks autonomously》

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。

PDF第18页《Can agents produce a top-tier research paper? No, but they can do its engineering.》

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。

PDF第38页《Benchmarks built to last for years are now saturating in months》

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。

PDF第56页《Robotics gets its GPT-2 moment: generalization now scales with pre-training》

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。

02

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。

PDF第83页《OpenAI and Anthropic’s revenue are >3x’ing YoY, each time from a higher base》

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%。

PDF第86页《OpenAI and Anthropic capture 96% of token spending tracked by Ramp》

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。

PDF第100页《Non-developers’ Codex use is growing faster than developers’ use》

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。

PDF第108页《Claude Cowork nuked $285B of public software value in Feb that was won back by Sept》

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。

PDF第123页《Neoclouds have contracted >15GW of AI compute…and are racing to get it live》

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。

PDF第132页《AI buyers are outbidding the grid for the machines that make electricity》

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。

PDF第128页《Hyperscalers and chipmakers hold over $3T of commitments off their balance sheets》

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。

03

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。

04

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。

PDF第197页《OpenAI’s cyber eval turned into a multi-agent coordinated cyber attack on Hugging Face》

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。

PDF第221页《Astra is better at hiding sabotage when monitors only see its reasoning》

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。

PDF第233页《Frontier lab leaders and 1,386 staff call for the ability to slow AI progress》

05

预测

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

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。
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。
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。
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。
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。
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。
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。
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。
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。
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”）

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。
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。
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。
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。
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。
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。
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。
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。
AGI 2027 ✨