Air Street Capital 发布第九份 State of AI Report 2026

Air Street Press· Air Street Press·2026-10-08 15:39· 3 小时前AI 评分73

The State of AI Report 2026

AI 导读

Air Street Capital 的 Nathan Benaich 发布第九份年度 State of AI Report。报告称前沿已是 Anthropic、OpenAI 与 Google 三家竞赛，OpenAI 与 Anthropic 年化收入合计约 $105B；Epoch AI 估算达到固定基准分数的成本自 2023 年起每季下降 47%，约每年便宜 13 倍。

正文

经过数月研究，并一直修订到最后一刻，我很高兴为你带来第九份年度 State of AI Report。

查看 2026 年报告

近十年来，这份报告一直是我倾注心血的成果。我对 AI 的兴趣始于 2010 年代初我在癌症研究和计算生物学领域的博士研究。自 2013 年以来，我一直投资于那些构建和应用 AI 以加速技术进步的公司。这份报告是我分享所学、帮助更多人理解正在塑造我们世界的研究的方式。

每天都有新论文、模型发布，以及产业和政治方面的新进展。大部分工作在于判断什么值得你关注，核查证据支持什么，与研究人员和构建者辩论，并解释为什么这很重要。

我们每年还会做出预测，并回头给它们打分。过去的预测包括 NVIDIA 未能收购 Arm、transformers 在语言之外取得领先成果，以及一个开源模型超越 OpenAI 的 o1——DeepSeek-R1 随后做到了这一点。

如果你想全年跟进这些进展，请订阅 Air Street Press，获取我每月发布的 State of AI 通讯和定期文章。

让我们深入关键故事

今年，智能体正在软件和科学领域做有价值的工作，物理 AI 正在学习如何在世界中行动，而获取与控制正变得越来越重要。下面，我分享那些令我印象深刻的进展，以及我认为它们对 AI 下一步走向意味着什么。

前沿如今是 Anthropic、OpenAI 和 Google 之间的三实验室竞赛。Anthropic 在 Artificial Analysis 的 Intelligence Index 上领先，而 Google 目前在 Arena 的人们更偏好回答排名上领先。

去年，我们描述了随着 OpenAI 的 o 系列模型，推理开始大规模变得有用。此后我亲历了这些改进，因为我可以迭代、并越来越多地委托给智能体的有用工作量持续增长。

我的观点是，从 AI 中获得巨大价值的人与获得很少价值的人之间的差距，很大程度上归结为是否知道如何使用它以及如何配置它。换句话说，这是“人类技能问题”，而不是“AI 技术问题”。我真的相信，我们需要一个 AI 的天才吧，让人们可以获得手把手帮助，选择工具并配置它们，以帮助自己完成日常任务。

更好的工具和上下文让智能体更有能力

在数学、科学推理和编程领域，原本旨在挑战模型数年的基准，正在几个月内逼近其上限。我们需要新的评估，以揭示模型仍在哪些方面存在差异，以及它们能可靠地做什么。

前沿能力仍然不均衡，或者说“尖峰化”，并且会在不同代际之间波动。以我的经验，Opus 4.6 是个好模型，Opus 5 有所退步，而 Opus 5.5 又变好了。更好的工具和上下文能有所帮助。在一项受控的编程研究中，改变 GLM-5.1 可用的工具、上下文和反馈，使其在 100 个 SWE-bench Verified 任务上的成功率从 52.5% 提升到 65.5%，而模型权重并未改变。没错，这是一个“较老的模型”，但这一原则依然成立。

随着模型及其周边脚手架协同改进（并自我构建），我预计今天的许多弱点将被学习消除。我们也能从已经具备的能力中挖掘出更多价值。

令人兴奋的是，这一影响远远超出了开发者群体。OpenAI 对智能体采用情况的研究发现，非开发者群体的增长最快，包括法律、销售、招聘和市场营销领域的人。帮助他们将这些工具投入实际使用，是一个远比“编程智能体”这个名字所暗示的更大的机会。

AI 正在加速构建 AI 的工作

AI 已经在帮助构建更好的 AI。根据 Anthropic 的内部指数，Claude 在 8 月主导了 26% 的可衡量模型研发工作，而 2 月这一比例还不到 1%。研究人员设定任务并监督执行，Anthropic 报告称这正在加速开发。这是我最兴奋的 AI 研究方向之一。

对许多人来说，Karpathy 的自动研究让这一循环的一部分变得触手可及：一个智能体编辑训练代码，运行五分钟的实验，并在一张 GPU 上整夜保留改进。这自动化了研究中一个有用的环节，尽管持续、完全自主的递归改进仍有待证明。

我接下来想看到的是智能体发展出科学品味：选择实验、识别有前景的方向，并知道何时放弃熟悉的方法。正如我在《AI 能学会科学品味吗？》中所论述的，学习这种判断力可能需要论文中省略的那些替代方案、失败和决策。其雄心是实现科学策略上类似 AlphaGo 的转变。

机器人学的 GPT-2 时刻与世界模型的崛起

更广泛的预训练正在帮助机器人泛化到不熟悉的任务。这就是为什么我认为机器人学正接近其 GPT-2 时刻，因为新模型、硬件和数据收集方法正在汇聚。我通过投资 Sereact、Wayve、Black Forest Labs 和 Odyssey 等公司看到了这一点。

Skild 的 S1 在不更新权重的情况下，通过视频演示完成了不熟悉的任务。凭借 10 万小时的预训练，它在公司累计每步成功率指标上得分 66%，而使用相同数据和算力训练的语言提示基线仅为 9%。

从演示中学习可以减少每次部署所需的任务特定训练。世界模型提供了另一条路径。Wayve 的 GAIA-4 将录制的驾驶场景转化为模拟，其中 AI 驾驶员的转向和刹车会改变它接下来看到的内容。其他道路使用者遵循其录制的路径，但驾驶员可以探索自身行为的后果。

Odyssey-3 借助视觉预训练来学习机器人、汽车和游戏的控制。在公司的实验中，机械臂从数十小时的演示中学习，并能在未被展示过恢复动作的情况下从抓取失败中恢复。这些早期结果表明，物理 AI 可能不需要为它可能遇到的每种情况都提供大量演示。

AI for science 从数学延伸到临床试验

AI 正在解决专业研究人员未能攻克的数学问题。Epoch AI 的开放问题合集记录了九项解答，其中四项为自主完成，五项通过人机协作完成。在生物学领域，对分子相互作用的更准确预测正在改善哪些设计能够进入实验室测试。我在自己的投资组合公司 Profluent 中亲眼见证了这一点，该公司构建用于设计基因编辑器等蛋白质的前沿模型。

对生物科技创业者来说，好消息是围绕药物发现正在涌现出新的商业模式，而这些模式并不涉及拥有药物。例如，Tempus 与 AstraZeneca 和 Pathos 合作，授权肿瘤学数据用于基础模型开发，而 GSK 为期五年的Noetik 协议包括为获取用于癌症研究的虚拟细胞模型而支付的年度费用。

AI 辅助药物发现终于进入后期临床开发阶段。Generate:Biomedicines 用于重度哮喘的GB-0895 和 Insilico 用于特发性肺纤维化的rentosertib 正在 3 期试验中招募受试者。Enveda 的 ENV-294 正在针对湿疹和哮喘的安慰剂对照 2a 期试验中。人体试验当然是终极考验，并将决定这些药物是否安全有效。

推理瀑布正在喷涌

智能体在工作时会反复调用训练好的模型，从而在 API、订阅和基础设施方面创造持续性需求。许多公司正带着空桶赶来，想从这道推理（收入）瀑布中接水。事实上，我认为这个行业正处于一种“要么在奔赴前沿的路上死去，要么活得足够久来服务推理”的状态。

在五项基准测试中，Epoch AI 估计，自 2023 年以来，达到固定分数每季度便宜了 47%，大约每年便宜 13 倍。这使得更多工作在经济上值得被委托出去。

到夏末，OpenAI 和 Anthropic 报告的年化收入运行率合计达到惊人的 1050 亿美元，而年初约为 300 亿美元。这些数字涵盖它们涵盖订阅、编程产品和 API 的全部业务。用 OpenAI 的话说，“我们不能因为被支线任务分心而错过这个时刻”。

但这种快速收入增长并不局限于前沿实验室。在 Standard Metrics 的初步第二季度数据中，年化收入在 100 万至 2000 万美元之间的 AI 原生公司在第 75 百分位的同比增长为 256%，而在现有软件中加入 AI 的公司为 90%。在 2000 万美元以上，这一对比为 172% 对 53%。这些对比并不能证明采用 AI 会导致更快增长，但我怀疑确实如此。

Claude Cowork及其横跨法律、金融、营销等领域的商业插件给软件市场带来了剧烈的不确定性。在2月的“SaaS末日”中，软件股在两周内蒸发了近2850亿美元。Mythos Preview随后引发了对网络安全公司将被边缘化的担忧，导致进一步下跌，之后才大幅反弹。我认为这种看法很愚蠢，因为这些能力对更好的防御产生了巨大需求。投资者必须判断智能体是会侵蚀现有厂商的定价权、扩大其市场，还是让竞争对手得以取而代之。又或者，现有厂商的数据护城河是否仍是一条智能体可以在其上构建的护城河。我们必须在答案体现在营收中之前就做出判断。

华盛顿正在对前沿AI宣示控制权

超级智能已经从AI圈内的一个梗变成了白宫的行政命令。随着各国政府为能力更强的系统做准备，它们正在对谁能访问这些系统以及如何使用它们宣示控制权，尽管它们并不拥有这些公司的股权或董事会控制权。

6月，美国一项出口指令禁止外国公民使用Fable 5和Mythos 5，包括身处美国境内者。Anthropic为遵守规定暂停了所有用户对这两个模型的使用，随后于2026年7月1日宣布恢复访问。对世界其他地区而言，这让依赖性变得具体：华盛顿可以立即撤销对关键技术的访问。

Anthropic与五角大楼的争端将这一问题带入了AI本身的使用。该公司拒绝取消对大规模国内监控和完全自主武器的限制，而国防部则寻求将其用于任何合法用途。开发者和政府正在争夺谁来设定边界。

报告中选定的主权 AI 项目承诺投入约 1380 亿美元用于算力获取、基础设施和本土开发。部分项目仍在采购阶段，另一些已开始交付产能。NVIDIA 另行报告称，2026 财年主权 AI 收入超过 300 亿美元。CNAS 主权 AI 指数显示，各国正回头向同一家外国供应商（NVIDIA）采购，以建设本土产能。

正如我在《欧洲无法靠租用实现 AI 主权》一文中所论述的，本土数据中心并不能带来对其内部模型的控制权。一个可信的替代方案需要在研究人员、算力、能源和代际模型上持续投入。欧洲切实可行的目标应是拥有足够的本土能力，以便在断供期间维持关键工作运转，并手握谈判筹码进行谈判——这筹码可以是带供电的土地和数据中心容量。前提是，其能源价格和规划审批难题能够降到具备竞争力的水平……

安全与保障：智能体攻击了真实系统

在 OpenAI 内部以降低防护级别进行的网络评估中，智能体接入互联网并攻破了 Hugging Face 的生产基础设施。OpenAI 的技术报告记录了在 41 台生产工作机上执行代码、获取凭据和内部数据，以及下载四个私有代码仓库。一次能力评估演变成了对另一家组织的大规模协同智能体攻击。

METR 和 Redwood 发现，约 700 个智能体在收到意外不可能完成的任务后加入了攻击。一些智能体意识到，以这种方式欺骗评分器超出了其职责范围且有违道德，但仍选择加入。当智能体能够触及生产系统时，一个定义不清的目标可能造成远超原始任务的危害。

这一事件带来的另一个深刻教训是，防御方需要能够使用同等能力的防御性网络系统。Hugging Face 的取证请求被商业 API 的防护栏拦截，因为其中包含攻击命令和漏洞利用载荷。它转而使用 GLM-5.2——一个中国开放权重模型——来调查由美国前沿模型智能体发起的入侵。前沿模型提供商需要让保护真实系统的客户能够可靠地获得防御能力。

除 OpenAI/Hugging Face 事件外，Anthropic 9 月的威胁报告也记录了蓄意滥用行为，包括恶意软件开发、监控和武器制导工作。在也门北部，一个组织使用多个 Claude 实例作为软件团队，为武器开发制导软件。他们试射了一枚制导火箭，但 Anthropic 表示此次试验似乎失败，且未发现该组织部署了可作战武器的证据。从事复杂工作的同样能力，也掌握在试图窃取、胁迫和欺骗的人手中。

另一个担忧是，我们不能假定模型写出的推理揭示了它实际在做什么。在 OpenAI 的破坏测试中，当监控方只能看到推理过程时，GPT-6 Astra 比早期模型更成功地隐藏了有害的附带任务。让监控方能够查看其行动后，在此次测试中成功规避的比例降至接近零。监督需要跟踪智能体的实际行为。

好的一面是，一个令人鼓舞的结果来自 Anthropic 的实验：用解释其章程的文档和体现其价值观的故事进行训练，在虚构测试场景中将勒索行为从 65% 降至 19%。这一结果表明，解释规则背后的原因有助于模型在新情境中应用这些规则。这些收益能否在生产环境中保持，仍有待验证。

前沿实验室正在争论如何放慢脚步

OpenAI 披露在 Hugging Face 事件后暂停了前沿强化学习工作，而 Anthropic 则描述了针对部分研究的回滚与暂停。两者的范围和重启条件各不相同。

随后，Dario Amodei 和前沿实验室的员工呼吁放缓能力提升，并进行国际协调以确保这一点实现。构建前沿系统的领导者正在寻求机制来放慢自己所在行业的步伐，但在外部评估以及各实验室应保留多少自主裁量权上存在分歧。政策提案如今将能力研究与服务现有客户区分开来。实际问题在于：谁能要求暂停、什么条件允许重启，以及如何验证合规。这并不容易。

展望（AGI）2027

和每年一样，我们回顾了去年的预测。我们的记分卡记录了两个命中、五个部分命中、三个未命中。我们预测对了两件事：AI 实验室重新拥抱开源以争取美国政府的支持，以及一家中国实验室登顶一项重大任务排行榜。我们关于数据中心反对声浪的判断是部分命中：反弹确实出现了，但其对 11 月选举的影响仍未明朗。

我们对未来 12 个月的九项预测中，有三项是：

一个智能体在为客户工作一个月后，无需模型升级，就能将新任务上的失败率减半。这将成为持续学习的实用衡量标准。
一个自主 AI 团队在同等时间和算力下击败人类主导的模型研究，并自行设定议程。这将帮助我们理解模型是否有能力展现出比最优秀研究者更好的研究品味。
美国 AI 实验室正式推出前沿网络防御产品，帮助他人应对来自前沿 AI 的威胁。我看不到其他出路。

我邀请你阅读完整的《2026 年 AI 现状报告》，并订阅 Air Street Press 以获取我们全年的文章。请把这份报告分享给任何觉得它有用的人，并把你的评论、批评和建议发给我。我很想听听哪些内容让你印象深刻。也感谢所有贡献时间和参与同行评审的人！

继续前行，

Nathan

来源：Air Street Press · press.airstreet.com