斯坦福2026 AI指数报告：中国AI到底什么水平？

每年4月，斯坦福HAI（以人为本人工智能研究所）都会发布一份AI指数报告。这份报告被业内称为「AI界的体检报告」——不吹不黑，用数据说话。

今年的报告是第9版，400多页，涵盖研发、技术、教育、政策、产业等多个维度。我花了两个晚上啃完，挑几个和中国相关的重点聊聊。

先说结论：中国AI的整体实力，可能比你想象的强，也可能比你想象的弱——取决于你看哪个维度。

研发产出：中国的论文和专利确实多

报告里有一组数据：2025年，中国发表了全球约25%的AI论文，申请了全球约60%的AI专利。

这个数字听起来很吓人对吧？但论文和专利的质量参差不齐，这是大家都知道的事。

更有价值的指标是顶级会议论文。在NeurIPS、ICML、ICLR这三大顶会上，中国作者的论文占比约为20%，仅次于美国的35%。这个比例在过去5年一直在稳步上升。

我的看法是：中国在AI基础研究上的投入正在产生效果，但「从0到1」的原创性突破还是偏少。我们擅长的是「从1到100」的工程优化——这也是为什么中国的大模型在性能上能快速追上美国，但在架构创新上相对较少。

产业投资：美国依然是吸金大户

2025年全球AI私人投资达到5817亿美元，其中美国占了约70%。中国大概是15%左右。

这个差距确实很大。但要注意的是，中国的AI投资有很多是通过政府基金和国企进行的，不完全体现在「私人投资」这个口径里。

报告里也提到，全球AI独角兽（估值10亿美元以上的AI公司）中，美国有80多家，中国有20多家。这个比例和GDP的比例大致相当。

模型能力：差距在缩小，但顶级模型还有距离

报告对比了主流大模型在各项基准测试上的表现。一个有意思的发现是：在大多数标准化测试中，中国头部模型（如GPT-level的国产替代）和美国顶级模型的差距已经缩小到5%以内。

但在一些需要深度推理和创造性思维的任务上，差距依然存在。报告里举了一个例子：在需要多步逻辑推理的数学证明任务上，美国顶级模型的准确率比中国最好的模型高出约15个百分点。

这说明什么？说明我们在「训练更大的模型」这件事上做得很好，但在「让模型更聪明」这件事上还有提升空间。

AI人才：流动性是个大问题

报告里有一章专门讲AI人才流动。数据显示，全球顶级AI研究者（以高被引论文作者计）中，约40%在美国工作，约15%在中国工作。

但关键不是静态比例，而是流动趋势。2019年的时候，这个比例还是美国50%、中国10%。5年时间，中国涨了5个百分点。

这个趋势的背后是两个因素：一是中国AI产业的吸引力确实在提升，二是美国的签证政策和地缘政治让一部分人才开始「回流」或「分流」。

负责任AI：中国正在补课

报告专门设了一个章节讲「负责任AI」，也就是AI安全、伦理、治理这些话题。

坦率地说，中国在这个维度上起步较晚。美国有NIST AI风险管理框架，欧盟有AI Act，中国虽然有《生成式AI服务管理暂行办法》，但在执行细节和行业自律方面还在探索。

报告的一个判断是：2025年全球AI安全事件比2024年增加了约40%，但负责任AI的投资增速明显跟不上模型能力的增速。这是全球性的问题，不只是中国。

我的整体判断

读完这份报告，我最大的感受是：AI竞争的维度正在多元化。

以前大家只比模型性能，现在要比：

• 算力基础设施（芯片、数据中心）
• 数据质量和获取能力
• 工程落地速度
• 监管环境
• 人才储备

在这些维度上，中国有优势也有劣势。优势在于工程能力、市场规模、政策支持；劣势在于基础芯片、顶尖人才、全球生态。

报告的最后一句话说得很到位：「AI的领导地位不再是单点突破的问题，而是系统性能力的问题。」

这场竞赛，还远没到终局。