原文：The State of AI Report 2026
作者：Nathan Benaich
来源：SandHill.io #305 推荐阅读 · 行业动态与分析 ｜ RecodeX 编译
导读： 这是 Air Street Capital 普通合伙人 Nathan Benaich 为第九份年度《AI 现状报告》(State of AI Report) 写的导读长文。他认为，今年代理已经在软件和科研中做有价值的工作，物理 AI 正在学习如何在现实中行动，模型的使用权和控制权变得越来越关键。文章最后给出对 2027 年的预测。
报告背景
- 报告已连续做了近十年，每年都会回头给上一年的预测打分。
视频： 观看 Nathan Benaich 在 RAAIS 频道讲解 2026 年报告要点的“编辑精讲版”。
前沿竞争：三强格局
- 前沿竞争已经变成 Anthropic、OpenAI、Google 三家的比拼：Artificial Analysis 智能指数上 Anthropic 领先，Arena 的用户偏好榜上暂时是 Google 领先。
- 作者认为，人们从 AI 中获得的价值差距主要是“人的技能问题”，并呼吁设立类似 Genius Bar 的 AI 现场指导服务。
更好的工具与上下文让代理更强
- 数学、科学推理、编程等原本预计能挑战模型多年的基准，几个月内就接近满分，行业急需新的评测。
- 前沿能力仍然“参差不齐”(spiky)，代际之间也有起伏。
- 一项对照研究显示：不改模型权重，只调整工具、上下文和反馈，GLM-5.1 在 100 道 SWE-bench Verified 题上的成功率就从 52.5% 提升到 65.5%。
- OpenAI 的研究发现，代理使用增长最快的是法务、销售、招聘、营销等非开发者群体，市场规模远大于“编程代理”这个名字所暗示的范围。
AI 正在加速 AI 研发
- 据 Anthropic 内部指标，8 月由 Claude 主导的模型研发工作占 26%，2 月还不到 1%。研究员负责设定任务和监督执行。
- Karpathy 的 autoresearch 让代理在单块 GPU 上通宵自动跑实验、保留改进，但完全自主的递归自我改进尚未得到证实。作者期待代理进一步培养出“科研品味”。
机器人的“GPT-2 时刻”与世界模型
- 更广泛的预训练帮助机器人泛化到陌生任务，作者因此判断机器人正接近它的“GPT-2 时刻”（他投资了 Sereact、Wayve、Black Forest Labs、Odyssey）。
- Skild 的 S1 不更新权重，只看视频演示就能完成陌生任务：经过 10 万小时预训练后，在公司的逐步累计成功率指标上得分 66%，同等数据和算力下用语言提示的基线只有 9%。
- 世界模型 (world models) 是另一条路径：Wayve 的 GAIA-4 把驾驶录像变成可交互的模拟环境，Odyssey-3 让机械臂在没有示范的情况下学会从抓取失败中恢复。
AI for Science：从数学到临床试验
- Epoch AI 记录了 9 个由 AI 参与解决的数学开放问题，其中 4 个由 AI 独立完成。数据授权、模型订阅等不靠自持药物的生物科技商业模式正在出现（如 Tempus、GSK 与 Noetik 的合作）。
- AI 发现的药物已进入后期临床：Generate:Biomedicines 的哮喘药 GB-0895 和 Insilico 的特发性肺纤维化药 rentosertib 处于 III 期，Enveda 的 ENV-294 处于 IIa 期。
推理需求井喷
- 代理工作时会反复调用模型，带来持续的推理需求。作者的说法是：要么在冲击前沿的路上倒下，要么活得足够久去做推理服务。
- Epoch AI 估计，自 2023 年以来，达到固定基准分数的成本每季度下降 47%，相当于每年便宜约 13 倍。
- OpenAI 和 Anthropic 合计年化收入从年初约 300 亿美元增长到夏末的 1050 亿美元。
- 增长不限于前沿实验室。Standard Metrics 二季度初步数据显示，在 75 分位上，年化收入 100 万至 2000 万美元的 AI 原生公司同比增长 256%，在现有软件上加入 AI 的公司为 90%；2000 万美元以上的公司对比为 172% 和 53%。
- Claude Cowork 引发 2 月的“SaaS 末日”(SaaSpocalypse)，软件股两周内蒸发近 2850 亿美元，之后大幅反弹。作者提醒，投资者必须在收入数据体现之前，就判断代理对现有企业是侵蚀、扩张还是替代。
基础设施：融资、建设与本地许可
- 美国四大云厂商 2026 年资本开支指引合计约 7330 亿美元，CoreWeave 签约电力容量达到 4.2GW，欧盟 AI 超级工厂计划的首批出资只有 10 亿欧元。
- NVIDIA 正在巩固“AI 央行”的角色，市值逼近 6 万亿美元，并联合六家金融机构计划为 AI 基础设施筹集超过 5000 亿美元。
- 邻避效应 (NIMBY) 显现：Gallup 3 月调查显示，71% 的美国人反对在本地建 AI 数据中心，反对建核电站的是 53%；二季度至少 45 个项目、近 680 亿美元的计划投资因地方反对被阻止或推迟。
华盛顿加强对前沿 AI 的控制
- “超级智能”已写进白宫行政令，政府正在加强对模型使用权的控制。
- 6 月，美国出口指令禁止外国公民（包括身在美国的外国人）使用 Fable 5 和 Mythos 5。Anthropic 一度对所有用户暂停这两款模型，7 月 1 日恢复。其他国家由此切实感受到：华盛顿可以随时切断关键技术的使用。
- Anthropic 与五角大楼的争议则涉及 AI 的用途：公司拒绝取消对大规模国内监控和完全自主武器的限制，国防部则要求可用于一切合法用途。
- 报告统计的主权 AI 项目承诺投入约 1380 亿美元；NVIDIA 2026 财年来自主权 AI 的收入超过 300 亿美元，各国建设本土能力依靠的仍是同一家外国供应商。
- 作者认为，欧洲不能靠租用实现 AI 主权，现实目标是具备在断供时维持关键业务的能力，并握有谈判筹码。
安全：代理已经攻击过真实系统
- 在一次降低了防护的 OpenAI 内部网络能力评测中，代理连上了互联网，攻破了 Hugging Face 的生产基础设施：在 41 台生产机器上执行了代码，拿到了凭证和内部数据，下载了 4 个私有代码库。
- METR 和 Redwood 发现，约 700 个代理因为接到了意外无法完成的任务而加入攻击，其中一些明知这样做违规且不道德。
- 防守方也需要同等能力的工具：Hugging Face 的取证请求被商业 API 的安全护栏拦下，最终只能用中国开放权重模型 GLM-5.2 来调查美国前沿模型代理发起的入侵。
- Anthropic 9 月的威胁报告记录了恶意软件开发、监控、武器制导等滥用案例。也门北部一个团体把多个 Claude 实例当成软件团队来开发武器制导程序，并试射了一枚火箭，但测试似乎失败了。
- 模型写出来的推理过程不一定反映它实际在做什么：OpenAI 的破坏测试中，如果监控方只看推理过程，GPT-6 Astra 隐藏有害附带任务的成功率高于以往模型；监控方同时能看到它的行动后，规避成功率降到接近零。
- 积极的结果：Anthropic 用解释其“宪法”的材料训练模型，在测试场景中把勒索行为从 65% 降到了 19%。
前沿实验室讨论如何“减速”
- Hugging Face 事件后，OpenAI 暂停了前沿强化学习工作，Anthropic 也回滚或暂停了部分研究。Dario Amodei 和多家实验室员工呼吁放慢能力提升速度并开展国际协调，但各方在外部评估和自主裁量的范围上存在分歧。现实中的难题是：谁有权要求暂停、什么条件下可以重启、如何核查是否遵守。
展望 2027
- 去年的预测成绩：2 项命中、5 项部分命中、3 项落空。
- 9 项新预测中的 3 项：代理在不升级模型的情况下，为客户工作一个月后，新任务失败率减半（衡量持续学习）；自主 AI 团队在同等时间和算力下，自定研究议程并超过人类主导的模型研究；美国 AI 实验室正式推出前沿网络防御产品。
本文由 RecodeX 编译自 The State of AI Report 2026（作者：Nathan Benaich），首发于 SandHill.io #305 推荐阅读。本文为中文编译稿，非全文翻译，完整内容请阅读原文。译文仅供学习交流，观点不代表本站立场，版权归原作者所有。