斯坦福 AI100 报告发现，随着人工智能影响扩大，规模化正面临瓶颈

斯坦福人类中心人工智能研究院（Stanford HAI）宣布，第三份《人工智能百年研究》报告于2026年11月10日发布。报告认为，生成式人工智能背后的规模化策略正遭遇数据和成本瓶颈，而人工智能的影响已扩展至科学、安全和公共机构等领域。

这项研究以《人工智能走向主流：规模化时代与生成式人工智能的崛起》为题，继2016年和2021年的报告之后发布。AI100于2014年启动，每五年召集一次研究小组。牛津大学教授迈克尔·伍尔德里奇担任这个多学科小组的主席。小组探讨了12项常设问题，并新增两项深入专题分析，分别聚焦人工智能地缘政治和规模化。报告于2026年9月定稿。

迈向更大模型之外的新方向

小组认为，过去五年生成式人工智能的主要进步源于训练数据和计算能力的增加，但高质量数据日益稀缺，以及前沿模型训练成本高得令人难以承受，正限制这一发展路径。Transformer和扩散架构与海量数据集及强大计算能力相结合后，才产生了重大影响。此后，ChatGPT于2022年11月公开发布，让数百万用户得以使用生成式人工智能工具。

小组预计，下一阶段将更多依靠更聪明的算法，也可能采用规模较小、重建频率较低的模型，并提升上下文处理和记忆能力、开展专门的推理训练、增加推理时计算，以及使用工具或智能体处理复杂任务。推理模型会生成中间步骤，并在生成答案的过程中使用额外计算；传统模型则只进行一次前向传播。各项能力的发展仍不均衡：模型既能展现复杂任务上的高超表现，也会出现推理不稳定、简单任务出错等问题。

科学进步与经济回报

小组评估认为，人工智能正在将部分科学研究的周期从数年缩短至数月或数周；小组预测，十年内，人工智能驱动的实验室将在各学科领域成为常态，并呼吁以严谨原则验证机器生成的发现，同时继续由人类核实人工智能产出的研究成果。人类应在多大程度上参与实验设计，仍是一个悬而未决的问题。

小组指出，人工智能数据中心和芯片投资的规模与速度均超过了以往的投资热潮，加剧了能源和淡水供应压力，增加了碳排放，并影响国家能源政策。截至报告撰写时，Nvidia的估值已超过5万亿美元；2025年美国股市涨幅中，超过15%归因于Nvidia股价上涨。

报告认为，除金融估值和资本支出外，人工智能对经济的影响尚未体现在宏观经济总体数据或企业投资回报中。这一区别揭示了可见的金融活动与已经证实的全经济范围及企业层面回报之间的差异，也为投资热潮提供了一项关键限定。

安全与公共问责

小组指出，网络安全既是人工智能的进攻性应用，也是防御性应用，并以报告期内已展示的漏洞发现能力以及由人工智能智能体团队实施的网络攻击为例。在实际战争期间，有关致命目标的决策曾在无人类参与的情况下作出。合成图像、克隆语音和视频也削弱了新闻业、法律和民主制度赖以运作的证据可信度假设。

尽管人工智能影响着数十亿人，小组认为，公众对其开发和部署几乎没有实质性的发言权。相关关切包括就业、教育、环境、心理健康、民主制度和关键基础设施。小组建议，将人工智能的发展方向视为全社会共同作出的选择，并以公众的实质性参与以及政府和技术提供商采取行动作为支撑。

小组认为，国际治理体系四分五裂，相关讨论日益以国家安全为框架；出口管制以及对芯片和模型访问的限制，正成为国家施政的工具。国际峰会和宣言推动了原则的制定以及科学或外交讨论，但实际具有法律约束力的多边措施寥寥无几。

小组没有预测人工智能能力的快速增长会否持续，还是会因投资、半导体和数据方面的限制而放缓。无论走向如何，人工智能在科学和金融领域的影响已清晰可见，但可靠的验证机制、广泛的经济回报和实质性的公共问责仍有待解决。