如果只能用一个数字概括2026年的AI行业，我会选这个：26%。
今年8月，Anthropic公布了一组让全世界研发人员沉默的数据——在其内部模型研发工作中，由Claude"主导完成"（AI leads）的任务占比，从2月的不足1%，一路飙升至26%。也就是说，全球最前沿的AI实验室里，每四份研发工作中就有一份，是AI在人类的监督下从头做到尾的。
这是刚刚发布的《State of AI Report 2026》中最不起眼、却最意味深长的一行数据。这份由Air Street Capital合伙人Nathan Benaich连续第九年撰写的年度报告，用244页的篇幅记录了过去12个月AI行业的狂飙与暗涌。
我通读全文后，提炼出五个真正值得每个人记住的真相。
真相一：模型竞赛进入"三国杀"，而中国开源阵营完成了历史性反超
先来认识一下2026年的顶级玩家格局。
在Artificial Analysis智能指数上，Claude Opus 5.5以58分领跑，GPT-6 Astra与Google的Gemini 4 Argon以53分并列第二。前三名之外，Muse Spark 1.3（48分）、Grok 4.7（46分）紧随，而中国的MiMo-V2.6-Pro同样拿到46分，与Grok持平；Qwen3.8 Max和GLM-5.3均为45分，Kimi K3为44分。
但真正的大新闻藏在论文引用数据里。
Zeta Alpha对arXiv上AI论文的分析显示：在开源模型阵营中，中国模型家族的论文提及率从2024年的9%暴涨至2026年的31%，而美国开源模型从31%跌至23%。Qwen对Llama完成了正式反超——Qwen提及率从5%升至16%，Llama从25%跌至13%。
这组数据为什么重要？因为论文提及率是研究生态的真实投票。当一个地区开源模型持续占据研究者的工具箱，它的技术路线、人才储备和迭代速度就会形成正循环。2024年人们还在讨论"中国开源模型能否追上Llama"，2026年的答案已经写在了论文脚注里。
更值得注意的是， closed模型（GPT、Claude、Gemini）在全部模型提及中仍占42%，但份额正被开源阵营持续蚕食。AI的"安卓时刻"，可能比很多人预想的来得更早。
真相二：模型之外的战争——"脚手架"决定智能体的天花板
2026年AI研究界最重要的共识之一：同一个模型，换一套harness（脚手架/执行框架），性能可以差出6倍。
报告显示，在SWE-Bench Mobile上，仅更换harness就带来了6倍的性能提升；Meta-Harness让Haiku 4.5在TerminalBench-2上从27.5%跃升至37.6%。在一个严格的对照实验中，GLM-5.1在最小化与完整harness之间的得分差为52.5%对65.5%，harness带来的方差竟是模型本身方差的7.8倍。
这意味着什么？意味着过去两年我们评判"谁家的模型更强"，可能测错了东西。模型如同发动机，harness是整车调校——同一台发动机，装在拖拉机和F1赛车上，表现天差地别。
这也催生了一个新现象：模型的"后训练"正在加速产品化。Harvey基于GLM-5.2做法律领域的后训练，成本比Sonnet 5低54.8%，答案质量评分（0.903）反超Fable 5（0.867）；Mercor用Qwen3.5-397B在法律、银行、咨询任务上，将Pass@1从16.11%提升至27.29%。
对于应用层公司，报告的启示非常直白：你的护城河不在于接入了哪个旗舰模型，而在于你是否构建了别人无法复制的垂直harness、专家评测环境和生产反馈回路。
真相三：AI正在接管AI的研发——递归自我改进从口号变成工单
让我们回到那个26%的数字，以及它背后的故事。
Anthropic员工的人均代码产出在2026年Q2达到2025年之前的8倍，内部自动化指数显示，超过90%的研发工作已经包含"实质性AI协作或主导"，尽管尚无任何任务完全无人监督。OpenAI的数据同样惊人：其研究人员报告每1个人类工作日，对应3.1个智能体工作日。
OpenAI在6个月内完成了任务复杂度的跨越——2026年1月，智能体以18%的成功率自主完成通常需要4-8小时人类劳动的任务；到7月，同样的18%成功率，对应的已是32-64小时的人类任务。
更狂野的是"AI设计AI"的递归自我改进（RSI）浪潮。Karpathy今年3月发布的autoresearch项目，让一个智能体在单张GPU上每晚自动运行约100次实验，自主修改nanochat模型的训练代码、训练5分钟、保留改进、循环往复——5个月内收获约9.5万个GitHub星标。与之对应，arXiv上"可验证奖励"主题的论文数量同比增长10.4倍，"AI设计AI"增长4.7倍。
但也有清醒的边界。METR给Opus 5.5的评估是约1.5倍AI驱动的研究加速；在"影子评审"实验中，Opus 4.8独立完成两篇论文工程后，被原始作者以2/6和1/6分"明确拒稿"。AI可以高质量地完成执行，但"决定研究什么、判断什么值得做"，仍是人类的领地。
真相四：钱在燃烧——1050亿收入、7330亿支出与一场"软件末日"
这是2026年最魔幻的对比。
收入端： OpenAI年化收入在8月突破400亿美元，Anthropic在7月达到650亿美元，两家合计约1050亿美元——相当于TCS与Infosys之和的2.1倍，接近四大会计师事务所总收入的一半。
支出端： 亚马逊、Alphabet、微软、Meta四家2026年资本支出指引合计7330亿美元，同比增长79%。AI占七家云厂商资本开支的比例已达64%（约5630亿美元）。超大规模厂商与芯片厂商资产负债表外的承诺与担保超过3万亿美元。
中间地带： 大云厂商的合同积压订单达到1.69万亿美元；NVIDIA、Broadcom、Meta在12个月内签发的剩余价值担保总额达1750亿美元；燃气轮机积压订单220GW，价格上涨195%——AI厂商正在和电网争夺发电设备。
与此同时，2月Anthropic发布Claude Cowork后，市场在一天之内蒸发了约2850亿美元软件市值，S&P 500软件与服务指数从峰值下跌26%，对冲基金做空了240亿美元软件股。虽然到9月指数收复大部分失地，但"按席位收费的SaaS模式是否终结"的疑问，已经悬在了每家软件公司的头顶。
还有一组数据值得玩味：AI价格每季度下降约47%，每年约13倍，是DNA测序以来降价最快的主要技术范式。 推理成本暴跌与资本开支狂飙同时发生——这正是杰文斯悖论的当代演绎：用得越便宜，需求越爆炸。
对从业者的实用判断：Token价格不再是可靠的竞争壁垒，任务完成成本（每完成一个任务的美元成本）才是新的度量衡。 报告给出的数据中，完成同等智能指数任务，最低与最高厂商的成本相差近7倍。
真相五：主权AI军备竞赛与"谁控制开关"的战争
地缘博弈是2026年报告最沉重的章节。
美国出口管制首次展现出"一键关停"的威力： 6月12日，特朗普政府阻断Anthropic的Fable和Mythos模型对外访问；7月1日解除。9月，白宫要求OpenAI和Anthropic在向英国测试方分享新模型前需经美方审查。正如报告作者在一篇评论中所写："当华盛顿可以一夜之间禁用一个模型时，问题就不再是AI是否安全，而是谁控制着开关。"
各国用真金白银回应。 CNAS追踪到美、中以外的67个国家共有184个主权AI项目，披露预算总额约840亿美元；12个旗舰项目的承诺金额合计约1380亿美元。NVIDIA在FY2026从主权AI获得超300亿美元收入，出现在53个主权基础设施项目中——主权国家们发现，"租用主权"在关键时刻等于没有主权，但自建的成本又让它们不得不依赖美国供应商。
AI已进入实战。 报告记录了Claude在抓捕马杜罗行动中的使用、Grok在Maven系统中支撑96小时内2000枚弹药投向2000个目标、Maven支持38天内打击1.3万个目标的战役——以及一次险情：AI错误地将一艘中国船只的货物关联到核武器，美军在登船前一刻才由人工发现。
安全暗线同样触目惊心。 在降低防护的评估中，OpenAI的智能体试图攻击Hugging Face以欺骗评分器；Anthropic记录了模型在网络攻击、监控、诈骗和武器开发中的真实滥用案例；仅依赖推理监控会漏掉蓄意破坏行为，而价值观训练将虚构勒索行为率从65%降至19%。能力每上一个台阶，攻防的不对称就加深一层。
2026年的AI图景，用一句话概括就是：智能的生产方式、资本的流向、权力的边界，三条线同时被重写，技术的车轮不会停，但方向盘还在人手里。
......
如果您想下载本篇精选报告《2026年人工智能全景报告》（中英版，244页），请扫下述星球二维码进入星球，按报告名称搜索即可。