2026人工智能指数报告

AIINDEXREPORT2026|人工智能指数报告PAGE人工智能指数报告ArtificialIntelligenceIndexReport2026斯坦福大学以人为本人工智能研究院StanfordInstituteforHuman-CenteredArtificialIntelligence(HAI)独立研究项目·中文翻译版第九版·2026年度报告

目录引言核心要点第1章研究与开发1.1知名人工智能模型1.2计算与基础设施1.3数据中心1.4能源与环境影响1.5开源人工智能软件1.6出版物1.7专利1.8人工智能作者和发明者第2章技术性能2.1推理能力2.2编程能力2.3多模态能力2.4语言理解与生成2.5评估挑战第3章负责任的人工智能3.1透明度与开放性3.2人工智能安全3.3偏见与公平性3.4深度伪造与错误信息3.5人工智能治理第4章经济4.12025年度回顾4.2投资与基础设施4.3企业人工智能采用4.4就业4.5机器人部署第5章科学5.1科学发现与研究5.2人工智能在各科学领域的应用第6章医学6.1分子生物学与药物发现6.2临床推理与诊断6.3医疗设备与监管6.4医疗保健中的伦理与公平第7章教育7.1K-12教育7.2高等教育7.3教师培训与政策第8章政策与治理8.1国家人工智能战略8.2立法活动8.3人工智能主权8.4公共采购与政府使用第9章公众舆论9.1公众态度与信任9.2专家与公众观点差异9.3各国比较9.4人工智能使用与体验附录

引言欢迎阅读第九版人工智能指数报告。随着人工智能持续快速发展，问题变成了围绕它建立的系统能否跟上步伐。治理框架、评估方法、教育体系以及追踪人工智能影响所需的数据基础设施，都在努力跟上技术本身的发展速度。这种差距——人工智能能做什么与我们准备好如何管理它之间的差距——贯穿了今年报告的每一个章节。本版新增内容包括：报告追踪了人工智能如何在推理、安全和现实任务执行方面接受更具挑战性的测试，以及为什么这些衡量标准越来越难以依赖。报告还对生成式人工智能的经济价值进行了新的估算，并呈现了其对劳动力市场影响的新证据，提出了人工智能主权的分析框架，并与SchmidtSciences合作开发了科学章节。报告首次设立了人工智能在科学和人工智能在医学的独立章节，反映了这些应用领域日益增长的重要性。人工智能指数是斯坦福大学以人为本人工智能研究院（HAI）的独立项目。该项目源自"人工智能百年研究"（AI100）。人工智能指数团队致力于为政策制定者、研究人员、行业领袖和公众提供关于人工智能发展的全面、客观的数据和分析。

核心要点01人工智能能力并未停滞2025年业界生产了超过90%的知名前沿模型，一些模型在博士级科学问题、多模态推理和竞赛数学方面达到或超过人类基线。SWE-benchVerified性能一年内从60%升至近100%。组织采用率达88%，五分之四大学生使用生成式人工智能。02美中模型性能差距基本消除自2025年初以来美中模型多次交换领先地位。截至2026年3月Anthropic顶级模型仅领先2.7%。美国生产更多顶级模型和高影响力专利，中国在发表量、引用量、专利产出和工业机器人安装量领先。韩国人均AI专利领先世界。03美国拥有最多AI数据中心美国拥有5,427个数据中心，是其他国家的10倍以上。台积电几乎制造所有领先AI芯片，使全球硬件供应链依赖台湾一家代工厂。04生成式AI产生真实经济价值美国消费者从生成式AI获得的消费者剩余估计达每年1720亿美元。但宏观生产力影响仍有限且不均衡，劳动力市场影响正在显现。05AI加速科学发现AI在蛋白质结构预测、药物发现、材料设计和气候建模等领域取得突破。AI天气模型已达到operational部署阶段。06AI医学应用从研究走向临床AI在医学影像、诊断辅助、药物开发领域加速。领先模型在结构化临床评估中得分高于大多数医生，但近半数研究仍依赖模拟场景。07正规教育滞后于AI发展超80%美国学生使用AI完成学业任务，但仅一半初高中有AI政策，6%教师认为政策明确。阿联酋、智利、南非AI工程技能增长最快。08AI主权成为国家政策特征国家AI战略扩展，政府支持的AI超算投资增长。但模型生产仍集中在美中。开源开发开始重新分配参与度。09专家与公众观点差异巨大73%专家预期AI对工作有积极影响，公众仅23%，相差50个百分点。美国对政府监管AI信任度最低（31%），欧盟最受信任。10人才流动变化，性别差距依旧自2017年迁往美国的AI研究人员下降89%。瑞士、新加坡人均AI研究人员领先。无国家接近性别平等。

01研究与开发ResearchandDevelopment

概述2025年推动人工智能发展的资源持续增长，但发布的知名模型数量少于前一年，前沿系统越来越集中在少数组织手中。业界现在占知名人工智能模型的90%以上，最强大的系统也是最不透明的，训练代码、数据集大小和参数数量越来越多地被隐瞒。自2022年以来这些模型背后的计算能力每年增长约3.3倍，但几乎所有计算都通过台湾一家芯片代工厂进行，使全球硬件供应链脆弱。开源开发和AI出版物持续增长，研究格局在地理上更加分散。中国现在在发表量、引用份额和专利授权方面领先，瑞士和新加坡等小国在人均AI研究人员方面领先。然而AI人才的性别差距仍然根深蒂固，自2010年以来任何国家都没有取得有意义的进展。本章要点▸2025年业界生产超90%知名AI模型，但最强大模型最不透明。OpenAI、Anthropic、Google等不再披露训练代码、参数数量、数据集大小和训练时长。▸中国在研究方面领先，美国在知名模型开发方面领先。2025年美国生产50个知名模型，中国30个。韩国人均AI专利领先。▸参数数量连续三年接近1万亿，前沿实验室已停止报告。可独立估计的训练计算量持续上升。▸合成数据在预训练中仍未取代真实数据，但数据质量和后训练技术显示前景。▸自2017年迁往美国的AI研究人员下降89%，仅去年就下降80%。▸瑞士和新加坡人均AI研究人员领先世界，性别差距无国家取得有意义进展。1.1知名人工智能模型使用EpochAI策划的知名模型数据集，本节研究前沿AI模型来自哪里、如何部署以及构建它们需要什么。EpochAI根据最先进进步、历史意义或高引用率等标准将模型指定为值得注意的模型。知名模型生产仍然集中在少数国家。2025年美国生产50个知名模型，中国30个，欧洲2个。知名AI模型的开发继续主要集中在工业界，占91.6%。2025年最大贡献者是OpenAI（19个）、Google（12个）和阿里巴巴（11个）。模型发布模式继续向受控访问转变。2025年API访问是最常见发布类型，95个模型中45个通过此方式提供。第二常见类型是"开放权重（无限制）"。参数数量从2010年代初到2022年显著增加，此后增长趋于平缓，但可能低估实际增长。训练计算量趋势显示明显增长，已上升几个数量级。图1.1知名人工智能模型相关图表（原报告第20页）图1.1知名人工智能模型相关图表（原报告第24页）1.2计算与基础设施AI硬件性能和效率持续提高，GPU和专用AI芯片每瓦性能不断提升。但最前沿模型总能耗继续增长，因为模型规模增长超过效率提升。几乎所有领先AI模型依赖台积电制造的芯片。美国拥有5,427个数据中心，是其他国家10倍以上。1.3数据中心数据中心是AI基础设施核心。除GPU外还包括网络、存储、冷却和电力分配系统。美国数据中心数量遥遥领先，其次是中国、德国、英国和日本。数据中心分布正在开始变化，更多国家投资本土AI基础设施。1.4能源与环境影响训练大型AI模型需大量能源，估计可达数百兆瓦时。推理总能耗正在增长，可能最终超过训练能耗。数据中心总能耗快速增长，AI工作负载是主要驱动力。1.5开源人工智能软件GitHub上AI开发活动持续增长，世界其他地区贡献现在超过欧洲并接近美国。开源模型质量持续提高，一些可与专有模型竞争，降低了AI开发门槛。1.6出版物中国现在在AI出版物数量方面领先，其次是美国。中国在前100名被引用最多AI论文中的份额从2021年33篇增长到2024年41篇。学术界仍是最大来源，但工业界份额正在增长。图1.6人工智能出版物相关图表1.7专利中国在AI专利授权数量方面领先，其次是美国。韩国人均AI专利领先世界。美国在高影响力专利方面仍然领先，前向引用率更高。AI知识传播速度加快，从专利申请到产品上市时间缩短。1.8人工智能作者和发明者瑞士和新加坡人均AI研究人员领先世界。美国仍拥有最多AI人才总数，但吸引新人才速度处于十多年最低。自2017年迁往美国的AI研究人员下降89%。性别差距仍然根深蒂固。2022-2024年美加新AI博士增加22%，新增博士选择学术界而非工业界。第1章研究与开发（原报告第30页）第1章研究与开发（原报告第40页）第1章研究与开发（原报告第50页）第1章研究与开发（原报告第60页）第1章研究与开发（原报告第65页）

02技术性能TechnicalPerformance

概述2025年AI模型技术性能持续快速提升。在推理、编程、数学和多模态理解等广泛基准测试中性能持续提高。一些模型在博士级科学问题、多模态推理和竞赛数学方面达到或超过人类基线。SWE-benchVerified上性能一年内从60%升至近100%。然而评估方法面临新挑战，基准测试污染、数据泄漏和过拟合使标准基准测试结果越来越难以依赖。本章要点▸AI能力并未停滞，广泛基准测试中性能持续提高，一些模型达到或超过人类基线。▸SWE-benchVerified编程基准测试性能一年内从60%升至近100%。▸美中模型性能差距基本消除，截至2026年3月Anthropic顶级模型仅领先2.7%。▸基准测试污染、数据泄漏和过拟合使评估越来越困难。▸推理能力取得重大突破，基于推理的模型在数学、编程和逻辑推理任务显著进展。▸多模态能力持续提高，模型可处理文本、图像、音频和视频组合。2.1推理能力2025年AI模型推理能力取得重大突破。基于推理的模型（OpenAIo1系列、DeepSeek-R1、Anthropic推理模型）在数学、编程和逻辑推理任务上取得显著进展。这些模型使用扩展思考和逐步推理解决复杂问题。竞赛数学方面一些模型达到或超过人类竞赛选手水平。AI正在从模式匹配向真正推理能力转变。2.2编程能力AI编程能力2025年显著进步。SWE-benchVerified上性能从约60%升至接近100%，要求模型解决真实世界GitHub问题。代码生成、补全、审查和调试等任务性能都在进步，正在改变软件开发方式。2.3多模态能力多模态AI能力2025年持续提高。模型可处理文本、图像、音频和视频组合，在图像理解、视觉问答、文档理解和视频分析等任务取得进展。多模态推理方面模型可理解复杂视觉场景并回答高级问题。2.4语言理解与生成AI模型语言理解与生成能力持续提高。可处理更复杂语言任务如长文档理解、跨语言翻译和创意写作。非英语语言支持正在改善，但英语模型性能仍显著优于大多数其他语言。2.5评估挑战随着模型性能提高，评估方法面临新挑战。基准测试污染、数据泄漏和过拟合使标准基准测试结果越来越难以依赖。研究人员正在开发动态基准测试、人工评估和现实任务评估等新方法。需要更健壮、更透明的评估方法准确衡量AI模型真实能力。第2章技术性能（原报告第70页）第2章技术性能（原报告第110页）

03负责任的人工智能ResponsibleAI

概述随着AI能力增长，确保负责任开发和使用越来越重要。2025年负责任AI领域取得一些进展，但也面临新挑战。越来越多组织采用AI伦理框架和安全实践，但最强大模型也是最不透明的，训练代码、数据集大小和参数数量越来越多地被隐瞒，给外部审查和问责带来困难。本章要点▸最强大模型最不透明，前沿模型不再披露训练代码、参数数量、数据集大小和训练时长。▸AI安全研究持续增长，但安全措施采用不均衡，小公司和开源项目安全实践薄弱。▸偏见和公平性问题仍然存在，AI模型在种族、性别等维度仍表现出差异。▸AI治理框架正在涌现，欧盟AI法案、美国行政命令和中国AI法规正在形成。▸深度伪造和错误信息日益严重，AI生成内容越来越难以与真实内容区分。▸AI安全标准和最佳实践正在发展，但需要更多研究和协作。3.1透明度与开放性AI模型透明度2025年持续下降。最强大模型最不透明，训练代码、数据集大小、参数数量和训练时长越来越多地被隐瞒。然而开源AI模型持续增长，为生态系统提供更多透明度和可访问性。3.2人工智能安全AI安全研究2025年持续增长。越来越多组织采用红队测试、安全评估和风险评估实践。前沿模型安全评估更严格，涵盖从网络安全到生物安全的广泛风险领域。但安全措施采用仍不均衡。3.3偏见与公平性尽管在减少偏见方面取得一些进展，AI模型在种族、性别和其他人口统计维度仍表现出差异，可能导致招聘、贷款、医疗保健和刑事司法等领域歧视性结果。研究人员正在开发检测和减少偏见的技术，但采用仍有限。3.4深度伪造与错误信息深度伪造和AI生成错误信息是日益严重的问题。AI生成内容越来越难以与真实内容区分，给媒体诚信、选举进程和公共安全带来风险。2025年深度伪造技术质量持续提高。检测技术也在发展，但往往落后于生成技术。3.5人工智能治理AI治理框架2025年持续发展。欧盟AI法案进入实施阶段，美国发布新AI行政命令，中国更新AI法规。但全球AI治理协调仍有限，不同国家采取不同方法导致监管碎片化。需要更多国际协作制定一致标准。第3章负责任的人工智能（原报告第130页）第3章负责任的人工智能（原报告第160页）

04经济Economy

概述2025年流入AI的资金比以往任何时候都多，速度也更快。全球企业AI投资增长一倍以上，领先前沿公司收入以历史最快速度增长。生成式AI在大规模市场推出后三年内达到接近53%人口级采用率，比个人电脑或互联网都快。到2026年初美国消费者从生成式AI获得的消费者剩余估计达每年1720亿美元。但收益未均匀分配，投资高度集中在少数国家、公司和交易中。本章要点▸2025年全球企业AI投资增长一倍以上，私人投资增长127.5%占总额60%，生成式AI增长超200%。▸美国全球私人AI投资领先，是中国23倍。但中国政府引导基金2000-2023年向AI公司部署约1840亿美元。▸AI公司收入以历史最快速度增长，OpenAI、Anthropic、xAI、MistralAI等年化收入快速增长。▸AI生产力提升在结构化可衡量工作中最大：客户支持14-15%、软件开发26%、营销产出50%。▸中国安装比世界其他地区总和更多工业机器人，2024年占全球54%。4.12025年度回顾2025年是AI经济标志性一年，重大投资、收购和里程碑事件层出不穷。▸5000亿美元：OpenAI、软银、甲骨文和MGX推出"星际之门项目"AI基础设施合资企业。▸1380亿美元：中国宣布设立国家风投基金投资AI和其他尖端技术。▸1830亿美元：Anthropic以1830亿美元投后估值完成130亿美元F轮融资。▸3000亿美元：OpenAI与甲骨文签署为期五年云合同。▸400亿美元：谷歌宣布到2027年在德克萨斯州数据中心和AI基础设施投资400亿美元。▸ThinkingMachinesLab以120亿美元估值完成20亿美元种子轮融资。▸Anysphere（Cursor）以293亿美元估值融资23亿美元。图4.12025年AI经济重大事件时间线图4.3Claude.ai协作模式份额（2025年）4.2投资与基础设施2025年全球AI私人投资达3447亿美元，比前一年增长127.5%。生成式AI公司占1709亿美元，近一半私人投资，比2024年增长超200%。平均私人AI投资事件增长46%达6650万美元，28个事件超10亿美元。美国以近2859亿美元总投资成为全球领导者，是中国（124亿美元）23.1倍。在生成式AI方面美国投资大幅超过中国和欧洲总和。私人AI初创公司投资流向广泛应用领域，AI基础设施/模型/研究/治理是最大类别。领先AI公司年化收入估计快速增长。快速收入增长伴随着计算成本增加，OpenAI和Anthropic报告计算支出从2024到2025年显著增加。估计到2026年初美国消费者从生成式AI获得的消费者剩余达每年约1720亿美元。第4章投资与基础设施（原报告第205页）第4章投资与基础设施（原报告第207页）第4章投资与基础设施（原报告第210页）第4章投资与基础设施（原报告第213页）第4章投资与基础设施（原报告第216页）第4章投资与基础设施（原报告第219页）第4章投资与基础设施（原报告第222页）第4章投资与基础设施（原报告第225页）4.3企业人工智能采用2025年全球组织AI采用率达88%。北美和大中华区采用率最高，分别为91%和90%。2025年上半年和下半年之间前30大经济体大多数AI采用率增长，韩国增幅最大达4.8%。Anthropic的AI使用指数显示计算机和数学任务占总体使用量最大份额，持续接近活动40%。教育教学和图书馆任务增长最显著，从年初9%上升到2025年底约14%。采用率与人均GDP呈强统计显著正相关。图4.3企业AI采用率相关图表（原报告第194页）图4.3企业AI采用率相关图表（原报告第196页）图4.3企业AI采用率相关图表（原报告第198页）4.4就业劳动力市场提供了投资、技术进步和组织采用如何改变劳动力动态的信号。2025年对AI相关人才需求持续增加，要求AI技能的职位列表在整体发布中所占份额持续增长。以色列、澳大利亚、瑞士等国AI职位发布占比最高。在美国，广泛AI和机器学习技能集群仍是最常被引用类别。科技行业仍是AI人才最大雇主，但金融、医疗保健、制造业等非科技行业AI招聘快速增长。AI人才高度集中在少数公司和地理区域。AI对劳动力市场影响是日益关注话题。早期证据表明AI正在改变某些职业和任务性质，但大规模就业替代尚未发生。受影响最大的是涉及常规可自动化任务的职业。AI也在创造AI训练师、提示工程师等新就业机会。生产力趋势显示AI在结构化可衡量工作中提升最大：客户支持14-15%、软件开发26%、营销产出50%。但需要更深层推理的任务提升较小，过度依赖AI可能带来长期学习惩罚。员工对AI态度复杂，年轻工人和AI暴露职业工人最焦虑。第4章4.4就业（原报告第227页）第4章4.4就业（原报告第229页）4.5机器人部署通过机器人实现的物理自动化代表AI在工业环境中经济整合的一种形式。中国继续安装比世界其他地区总和更多工业机器人，2024年占全球安装量54%，高于2023年51.1%。全球同比增长持平，美国、德国和意大利等主要市场出现下降。东亚是工业机器人安装最集中地区，汽车制造业是最大用户。第4章4.5机器人部署

05科学Science

概述AI正在改变科学的速度正在加快，得益于2024年诺贝尔化学奖授予AI驱动的蛋白质结构预测和设计工作，以及欧洲中期天气预报中心operational部署AI天气模型。2025年AI超越改进单个流程步骤，转向替换整个科学工作流，从天气预报到多智能体假设生成和实验设计。然而严格基准测试继续揭示合理输出与可靠科学工作之间的巨大差距，前沿智能体在论文级复制任务上得分低于20%。AI在社会科学中影响出现较慢但也有显著例外。本章要点▸AI正在从改进单个科学步骤转向替换整个科学工作流。▸严格基准测试揭示合理输出与可靠科学工作之间巨大差距，前沿智能体论文级复制任务得分低于20%。▸AI天气模型已达到operational部署阶段，欧洲中期天气预报中心开始operational使用。▸蛋白质结构预测和设计继续取得进展，更小更专业模型在某些任务上匹配或超越更大通用系统。▸多智能体系统在科学研究中显示出潜力，多个AI智能体协作进行假设生成、实验设计和数据分析。▸AI在社会科学中应用正在出现，语言学、经济学和社会学等领域应用增长。5.1科学发现与研究AI正在改变科学发现方式。传统科学发现依赖人类研究人员提出假设、设计实验、分析数据和得出结论的迭代过程。AI系统正在自动化和增强这个过程的各个环节。多智能体系统是特别有前景的方向，由多个专门AI智能体组成，每个负责科学发现过程不同环节。然而严格评估显示当前AI系统在自主科学研究方面仍存在重大局限。在论文级复制任务中前沿智能体得分低于20%，意味着无法可靠复制已发表科学研究。这凸显在AI能够完全自主进行科学研究之前还需重大技术进步。5.2人工智能在各科学领域的应用天气与气候科学：AI天气模型现在可在几秒钟内生成天气预报，而传统数值天气预报模型需数小时超级计算时间。欧洲中期天气预报中心已开始operational使用AI天气模型。气候科学方面AI被用于改进气候模型、预测极端天气事件和分析气候数据。分子生物学与化学：蛋白质结构预测是最著名成功案例，AlphaFold等模型可准确预测蛋白质三维结构。更新模型在蛋白质设计方面也取得进展。化学方面AI被用于分子设计、反应预测和材料发现，AI驱动药物发现平台可筛选数百万分子。物理学与材料科学：AI被用于分析粒子加速器产生的大量数据，模拟复杂物理系统。材料科学方面AI被用于预测材料性能、设计新材料和优化材料合成过程。社会科学：虽然自然科学应用更成熟，社会科学应用正在增长。语言学方面计算语言研究帮助奠定现代语言模型基础。经济学方面AI被用于分析大规模经济数据、预测经济趋势和评估政策影响。社会学方面AI被用于分析社会网络、检测社会模式和研究人类行为。第5章科学（原报告第231页）第5章科学（原报告第233页）第5章科学（原报告第236页）第5章科学（原报告第239页）第5章科学（原报告第242页）第5章科学（原报告第245页）第5章科学（原报告第248页）第5章科学（原报告第251页）

06医学Medicine

概述2025年医学AI在多个前沿取得进展，但强大模型性能并未始终转化为现实世界临床影响。在分子生物学方面AI驱动蛋白质研究继续增长，更小更专业模型在蛋白质结构预测、基因组学和药物发现方面匹配或超越更大通用系统。临床推理任务方面领先AI模型现在在结构化临床评估中得分高于大多数医生，但近半数临床AI研究仍依赖模拟场景而非真实患者数据。实践中获得关注的工具是支持临床医生现有工作流的工具，如环境AI记录员和脓毒症预测系统。FDA对AI医疗设备授权增加，但临床采用仍面临监管、报销和工作流整合挑战。本章要点▸医学AI在多个前沿取得进展，但强大模型性能未始终转化为现实临床影响。▸更小更专业模型在蛋白质结构预测、基因组学和药物发现方面匹配或超越更大通用系统。▸领先AI模型在结构化临床评估中得分高于大多数医生，但近半数研究仍依赖模拟场景。▸实践中获得关注的工具是支持临床医生现有工作流的工具，如环境AI记录员和脓毒症预测系统。▸FDA对AI医疗设备授权增加，但临床采用仍面临监管、报销和工作流整合挑战。▸AI在医学影像方面应用最成熟，放射学、病理学和皮肤病学取得显著进展。6.1分子生物学与药物发现AI在分子生物学和药物发现中应用继续快速发展。蛋白质结构预测方面继AlphaFold突破后更新模型取得进一步进展。值得注意的是更小更专业模型在蛋白质结构预测方面匹配或超越更大通用系统，表明模型专业化在该领域可能比模型规模更重要。基因组学方面AI被用于分析大规模基因组数据、预测遗传变异功能影响和识别疾病相关基因。药物发现方面AI驱动平台可筛选数百万分子识别有前途候选药物，并优化药物分子药效和安全性。AI还被用于设计全新蛋白质和分子，为开发新型疗法开辟可能性。6.2临床推理与诊断临床推理任务方面领先AI模型现在在结构化临床评估中得分高于大多数医生，可分析患者症状、病史和检查结果提出鉴别诊断和治疗建议。但这些模型在真实临床环境表现仍不确定，因为近半数临床AI研究仍依赖模拟场景而非真实患者数据。医学影像方面AI应用最成熟。放射学方面AI模型可检测X光、CT和MRI扫描中异常，在某些任务上达到或超越放射科医生表现。病理学方面AI模型可分析组织切片识别癌细胞。皮肤病学方面AI模型可分析皮肤图像检测皮肤癌。6.3医疗设备与监管FDA对AI医疗设备授权2025年继续增加，涵盖从医学影像分析到临床决策支持广泛应用。但临床采用仍面临多重挑战，包括监管不确定性、报销问题、工作流整合困难和临床医生接受度。实践中获得关注的工具是支持临床医生现有工作流的工具，环境AI记录员可自动记录医患对话生成临床笔记，脓毒症预测系统可早期识别脓毒症风险。6.4医疗保健中的伦理与公平AI在医疗保健中应用引发重要伦理和公平问题。AI模型可能在训练数据中存在偏见导致不同人群表现不一致。例如皮肤癌检测方面主要在浅色皮肤图像上训练的模型在深色皮肤上表现可能较差。隐私也是重要问题，AI医疗工具通常需访问大量患者数据。确保患者数据保护和符合HIPAA等法规是AI医疗开发关键要求。第6章医学（原报告第255页）第6章医学（原报告第257页）第6章医学（原报告第260页）第6章医学（原报告第263页）第6章医学（原报告第266页）第6章医学（原报告第269页）第6章医学（原报告第272页）第6章医学（原报告第275页）第6章医学（原报告第278页）第6章医学（原报告第281页）第6章医学（原报告第284页）

07教育Education

概述对AI教育需求在各个层面都在增长，但提供它所需系统仍在追赶。尽管AI相关专业越来越受欢迎，高等教育机构计算机科学入学率却在下降。大学和K-12阶段学生都在大量使用AI工具，但AI特定课程和教师培训获取仍然有限。包括美国在内各国政府正在推动将AI素养纳入课程以保持国家竞争优势。然而关于AI教育数据分散和滞后，本章大部分分析依赖计算机科学教育数据作为代理。本章与Kapor基金会、计算机科学教师协会（CSTA）、扩展计算教育路径（ECEP）联盟和AI指数合作编写。本章要点▸对AI教育需求在各个层面增长，但提供系统仍在追赶。▸尽管AI相关专业受欢迎，高等教育计算机科学入学率却在下降。▸超80%美国高中生和大学生使用AI完成学业任务，但学校政策和课程尚未跟上。▸仅一半美国初中和高中制定AI政策，仅6%教师表示政策明确。▸AI特定课程和教师培训获取仍然有限，许多学校缺乏资源和专业知识。▸各国政府推动将AI素养纳入课程以保持国家竞争优势。7.1K-12教育K-12教育方面学生正在大量使用AI工具，超80%美国高中生使用AI完成与学校相关任务。但学校在如何管理这种使用方面存在很大不确定性，仅一半美国初中和高中制定AI政策，仅6%教师表示政策明确。课程方面K-12阶段AI教育仍然有限。虽然一些学校开始提供AI入门课程，但大多数学校缺乏提供高质量AI教育的资源和专业知识。教师培训是K-12AI教育主要挑战，大多数教师未接受AI方面培训。7.2高等教育高等教育方面情况更复杂。尽管AI相关专业越来越受欢迎，高等教育机构计算机科学入学率却在下降。这可能反映对计算机科学就业前景担忧、课程挑战性和其他领域竞争。然而AI特定课程和项目正在快速增长，许多大学现在提供AI本科专业、硕士项目和证书课程。研究生教育方面2022-2024年美加新AI博士增加22%，新增博士选择学术界而非工业界。大学生对AI工具使用甚至比高中生更广泛，五分之四大学生现在使用生成式AI。7.3教师培训与政策教师培训是AI教育关键瓶颈。无论K-12还是高等教育，大多数教师未接受AI方面培训。正在努力解决这个问题，一些组织提供教师AI培训计划，但覆盖范围仍有限。政策方面各国政府正在推动将AI素养纳入课程，美国政府发布AI教育指导方针。然而关于AI教育数据分散和滞后，大多数教育统计数据仍侧重于传统计算机科学教育。第7章教育（原报告第288页）第7章教育（原报告第290页）第7章教育（原报告第293页）第7章教育（原报告第296页）第7章教育（原报告第299页）第7章教育（原报告第302页）第7章教育（原报告第305页）第7章教育（原报告第308页）第7章教育（原报告第311页）第7章教育（原报告第314页）第7章教育（原报告第317页）第7章教育（原报告第320页）

08政策与治理PolicyandGovernance

概述全球范围内AI政策不再仅仅是关于监管。各国政府还在投资建设和维护自己在构成技术的基础设施、数据、人才和模型方面的能力。拥有正式AI战略的国家数量继续增长，特别是低收入经济体势头强劲。立法活动在各个层面继续增长，但在美国联邦政策转向放松监管，尽管州立法机构通过创纪录数量AI相关法案。全球范围内先进模型开发和大规模计算仍集中在少数国家，而更多政府追求主权AI战略。本章分析来自国家战略数据库、立法记录、国会证人数据、EpochAI以及美国和欧洲公共采购数据。本章要点▸AI政策不再仅仅是监管，各国政府还投资建设基础设施、数据、人才和模型能力。▸拥有正式AI战略国家数量继续增长，特别是低收入经济体势头强劲。▸美国联邦政策转向放松监管，但州立法机构通过创纪录数量AI相关法案，治理向州一级转移。▸先进模型开发和大规模计算仍集中在少数国家，美国和中国继续领先。▸更多政府追求主权AI战略，国家支持的AI超算投资正在增长。▸欧盟AI法案进入实施阶段，成为全球最全面AI监管框架。8.1国家人工智能战略拥有正式AI战略的国家数量2025年继续增长，涵盖从研究投资到教育、基础设施和监管广泛议题。特别值得注意的是低收入经济体在采用AI战略方面势头强劲，反映AI作为发展工具日益增长的重要性。国家AI战略内容正在演变，早期战略主要侧重研发投资，较新战略越来越关注AI主权、数据治理、人才发展和伦理问题。8.2立法活动AI立法活动2025年在各个层面继续增长。欧盟AI法案进入实施阶段，成为全球最全面AI监管框架，根据风险等级对AI系统分类并对高风险系统施加严格要求。美国AI立法格局更复杂，联邦层面政策转向放松监管，新政府发布侧重促进创新和减少监管负担的行政命令。但州层面立法机构通过创纪录数量AI相关法案，导致监管碎片化。中国AI监管继续发展，涵盖算法推荐、深度合成、生成式AI和数据安全广泛法规。8.3人工智能主权AI主权是2025年日益突出的主题。各国越来越关注对AI生态系统的国内控制，包括本土模型开发、数据主权和计算基础设施。国家支持的AI超算投资正在增长，欧盟、日本、韩国和印度等都宣布大规模AI超算投资计划。然而尽管有这些努力，先进模型开发和大规模计算仍高度集中在少数国家，美国和中国合计占全球知名AI模型绝大多数。开源开发正在开始重新分配AI参与度，世界其他地区贡献现在在GitHub上超过欧洲并接近美国。8.4公共采购与政府使用政府是AI技术主要采购者和使用者。公共采购数据显示政府在AI方面支出快速增长，涵盖从国家安全到医疗保健、交通和教育广泛应用。美国和欧洲政府是最大AI公共采购者。政府使用AI也引发重要治理问题，执法、刑事司法和移民等领域使用AI可能对公民权利和自由产生重大影响。确保政府使用AI的透明度、问责制和公平性是重要治理挑战。第8章政策与治理（原报告第323页）第8章政策与治理（原报告第325页）第8章政策与治理（原报告第328页）第8章政策与治理（原报告第331页）第8章政策与治理（原报告第334页）第8章政策与治理（原报告第337页）第8章政策与治理（原报告第340页）第8章政策与治理（原报告第343页）第8章政策与治理（原报告第346页）第8章政策与治理（原报告第349页）第8章政策与治理（原报告第352页）第8章政策与治理（原报告第355页）第8章政策与治理（原报告第358页）

09公众舆论PublicOpinion

概述公众对AI看法现在受到一种核心张力塑造，因为对技术好处的乐观往往与对其更广泛影响的焦虑共存。大多数国家多数人表示AI好处大于弊端，但紧张情绪正在增长，对机构管理技术的信任仍然不均衡。AI专家和普通公众对技术发展轨迹看法非常不同，在就业、经济和医疗保健方面存在巨大差距。东南亚国家始终最乐观最信任本国政府监管AI，而北美和欧洲报告较低期望和更大怀疑。本章追踪30多个国家这些模式，数据来自2024-2026年间几项大规模调查。本章要点▸公众对AI看法受核心张力塑造，对技术好处乐观与对更广泛影响焦虑共存。▸大多数国家多数人表示AI好处大于弊端，但紧张情绪正在增长。▸AI专家和普通公众看法非常不同：73%专家预期AI对工作有积极影响，公众仅23%。▸东南亚国家始终最乐观最信任本国政府监管AI。▸北美和欧洲报告较低期望和更大怀疑。▸对机构管理AI信任不均衡，美国对政府监管AI信任度最低（31%），欧盟最受信任。9.1公众态度与信任公众对AI态度复杂多面。大多数国家多数人表示AI好处大于弊端，表明对技术总体认可。然而这种认可伴随着对AI更广泛影响的显著焦虑