摘要：本期简报聚焦全球生成式人工智能最新发展动态。斯坦福大学发布《2026 年人工智能指数报告》，全面梳理 AI 在教育、经济与社会治理中的十大趋势；Anthropic 发布 Claude Mythos Preview 模型并启动价值 1 亿美元的网络安全防御合作计划；Google 宣布与美国国际教育技术协会合作，为 600 万名教育工作者提供免费 AI 素养培训。
斯坦福大学发布《2026 年人工智能指数报告》#
4 月 13 日，斯坦福大学以人为本人工智能研究院（Stanford Institute for Human-Centered Artificial Intelligence, Stanford HAI）发布了《2026 年人工智能指数报告》（AI Index Report 2026）。作为全球范围内最具权威性和系统性的人工智能年度评估报告之一，该报告以跨学科数据为基础，全面梳理了人工智能在技术发展、经济影响、社会治理与教育体系中的最新趋势。
一、AI 进入全面扩张阶段#
报告指出，过去一年人工智能发展最显著的变化是其规模化、系统性的渗透社会各领域的能力显著增强。数据显示，生成式人工智能在三年内实现了约 53% 的人口使用率，这一扩散速度远超个人计算机与互联网的历史路径。与此同时，企业层面的人工智能采用率已上升至 88%，标志着人工智能正在从“前沿技术”转变为“基础设施”。
报告特别强调，这种扩张不仅体现在产业和商业领域，也迅速进入教育、医疗、科研等公共服务体系。人工智能不再是外部工具，而逐渐成为知识生产与传播的内在组成部分。
与技术快速扩张形成对比的是，教育制度、治理机制及评估体系的适配能力明显不足。报告在导论中指出，当前存在一个日益扩大的**“能力与治理鸿沟”**，即人工智能能够完成的任务与社会能够有效管理、评估和应用这些能力之间存在明显差距。这一鸿沟在教育领域表现得尤为突出。
二、AI 发展十大核心趋势#
报告将当前人工智能发展归纳为十个关键趋势。这些趋势不仅描绘了技术前沿的演进方向，也揭示了教育系统面临的结构性挑战。
1. 人工智能的能力正在加速发展，惠及范围更为广泛#
报告显示，2025 年，业界已开发出超过 90% 的杰出前沿模型，其中一些模型在博士级别的科学问题、多模态推理和竞赛数学方面，其性能已达到甚至超越人类基准。在关键的编码基准测试 SWE-bench Verified 中，模型性能在一年内从 60% 提升至接近 100%。组织机构的采用率达到 88%，五分之四的大学生现在都在使用生成式人工智能。
2. 中美人工智能模型性能差距已基本消除#
自 2025 年初以来，中美两国的人工智能模型多次交替领先。2025 年 2 月，DeepSeek-R1 曾短暂与美国顶级模型并驾齐驱，而截至 2026 年 3 月，Anthropic 的顶级模型仅以 2.7% 的微弱优势领先。美国拥有更多顶尖的人工智能模型和高影响力专利，而中国则在论文发表量、引用次数、专利产出和工业机器人装机量方面领先。韩国则以其创新密度脱颖而出，人均人工智能专利数量位居世界第一。
3. 美国拥有最多的 AI 数据中心，其中大部分芯片由一家中国台湾代工厂制造#
美国拥有 5427 个数据中心，是其他任何国家的十倍以上，能源消耗量位居世界第一。几乎所有领先的人工智能芯片都由台积电（TSMC）一家公司制造，这使得全球人工智能硬件供应链依赖于这一家代工厂。
4. AI 能力参差不齐：人工智能模型能够在国际数学奥林匹克竞赛中摘得金牌，但却无法准确地报时#
Gemini Deep Think 在国际数学奥林匹克竞赛（IMO）上斩获金牌，但其顶级模型读取模拟时钟的正确率仅为 50.1%。在 OSWorld 测试人工智能代理跨操作系统执行真实计算机任务的测试中，其任务成功率从 12% 跃升至约 66%，但在结构化基准测试中，它们仍然大约有三分之一的尝试会失败。
5. 负责任的人工智能发展速度跟不上人工智能能力的提升，安全基准滞后，事故数量急剧上升#
几乎所有领先的前沿人工智能模型开发商都会报告其能力基准测试结果，但关于负责任人工智能基准测试的报告仍然零散不全。有记录的人工智能事故数量已从 2024 年的 233 起上升至 362 起。此外，近期研究还发现，提高负责任人工智能的某个维度（例如安全性）可能会降低另一个维度（例如准确性）的水平。
6. 美国在人工智能投资方面处于领先地位，但其吸引全球人才的能力正在下降#
2025 年，美国私人人工智能投资总额达到 2859 亿美元，是中国投资额（124 亿美元）的 23 倍多。但仅看私人投资数据可能低估了中国在人工智能领域的总体投入，因为其政府还设有指导性基金。美国在创业活动方面也处于领先地位，2025 年新获得投资的人工智能公司数量达 1953 家，是紧随其后的国家数量的 10 倍多。然而，自 2017 年以来，前往美国从事人工智能研究和开发的人员数量下降了 89%，仅去年一年就下降了 80%。
7. 人工智能的应用正在以前所未有的速度普及，消费者正在从他们经常免费使用的工具中获得巨大的价值#
生成式人工智能在三年内普及率达到 53%，速度超过了个人电脑和互联网，尽管普及速度因国家而异，且与人均 GDP 密切相关。一些国家的普及率高于预期，例如新加坡（61%）和阿联酋（54%），而美国排名第 24 位，普及率为 28.3%。预计到 2026 年初，生成式人工智能工具为美国消费者带来的年价值将达到 1720 亿美元，2025 年至 2026 年间，每位用户的中位价值将增长三倍。
8. 正规教育落后于人工智能，但人们在人生的各个阶段都在学习人工智能技能#
据报告显示，超过 80% 的美国高中生和大学生现在使用人工智能完成与学习相关的任务，但只有一半的中学制定了人工智能政策，而且只有 6% 的教师认为这些政策清晰明确。在课堂之外，阿联酋、智利和南非的人工智能工程技能发展速度最快。2022 年至 2024 年，美国和加拿大新增人工智能博士的数量增长了 22%，而这些新增博士大多选择在学术界而非工业界就业。
9. 人工智能主权正成为国家政策的一个显著特征，但各国的能力仍参差不齐，即便开源开发有助于重新分配参与者的构成#
各国人工智能战略正在扩展，尤其是在发展中经济体中，政府对人工智能超级计算的投资也在同步增长。这表明各国对国内人工智能生态系统的控制力日益增强。然而，模型生产仍然集中在美国和中国。开源开发正在重新分配参与权，世界其他地区的贡献量在 GitHub 上已经超过欧洲，并接近美国，从而推动了更多语言多样化的模型和基准测试的出现。
10. 人工智能专家和公众对这项技术的未来有着截然不同的看法，全球对管理人工智能的机构的信任度也参差不齐#
在人工智能如何影响人们的工作方面，73% 的专家预期其会产生积极影响，而公众的这一比例仅为 23%，两者相差 50 个百分点。人工智能对经济和医疗保健的影响也存在类似的认知差异。在全球范围内，人们对政府监管人工智能的能力信任度各不相同。在受访国家中，美国民众对其政府监管人工智能能力的信任度最低，仅为 31%。在全球范围内，欧盟在有效监管人工智能方面比美国或中国更受信任。
三、教育领域从“知识传授”到“认知重构”#
在该报告中，教育是贯穿了多个维度的关键议题。报告显示，人工智能正在以远超制度调整速度的节奏进入课堂，从根本上动摇传统教育模式的基础逻辑。
过去数十年，教育体系经常围绕“知识传授”展开。教师讲授内容，学生通过记忆与理解完成学习过程。但在生成式人工智能广泛普及的背景下，这一模式正在发生深刻转变。学生不再单纯依赖教师或教材获取知识，而是可以通过人工智能工具即时获得解释、答案乃至完整的解决方案。这一变化，使得“知识获取”本身的价值迅速下降。
报告数据显示，当前超过 80% 的中学生和大学生已经在学习过程中使用人工智能工具。这种高频使用并非停留在辅助层面，而逐渐成为学习流程中的关键环节。从写作到编程，从问题求解到资料整理，人工智能正成为学生“默认使用”的学习伙伴。
然而，这种技术嵌入并未伴随制度层面的同步更新。报告提到，仅约一半学校制定了人工智能使用政策，而在教师群体中，仅有极少数认为相关规范清晰明确。人工智能已经进入课堂，但教育系统尚未真正“理解”人工智能。
1. 学习方式的重塑：从答案导向走向问题导向#
在传统教育中，学生的能力经常通过“是否能给出正确答案”来衡量。而在人工智能环境下，这一标准逐渐失效，因为获取答案的成本几乎为零。真正的差异开始体现在更高层次的认知能力之上：谁能提出更有价值的问题，谁能判断答案的可靠性，谁能将信息转化为新的理解。
报告中提到，人工智能正在推动学习从“知识积累”转向“认知能力建构”。这一转变意味着，教育评价体系也需要随之调整。从标准化考试到过程性评价，从结果导向到思维导向，这些变化正在成为全球教育改革的重要方向。
与此同时，人工智能也在改变学习节奏。个性化学习成为可能，学生可以根据自身需求调整学习路径，获得即时反馈。这种学习体验在提高效率的同时，也对学生的自我管理能力提出了更高要求。
2. 教师角色的再定位：从“讲授者”到“设计者”#
当知识不再稀缺，教师不再是唯一的信息来源，其核心价值开始转向学习过程的组织与引导。如何设计学习任务，如何引导学生提出问题，如何帮助学生理解人工智能生成内容的局限性，成为新的教学重点。在这一转型过程中，教师的角色正在被重新定义。
然而，报告提出，目前教育系统在这一转型中面临明显滞后。许多教师尚未接受系统性的人工智能培训，对人工智能工具的理解停留在表层应用层面。这种能力缺口，使得教师在面对学生广泛使用人工智能时，往往处于被动状态。
在一些国家和地区，已经开始探索新的教师培训模式，例如将人工智能素养纳入教师教育体系，或通过持续培训提升教师对人工智能的理解与应用能力。但总体来看，这一转型仍处于早期阶段。
3. 课程体系的重构：AI 素养成为“基础能力”#
报告进一步指出，人工智能不仅改变学习方式，也正在重塑教育内容本身。随着人工智能在各行业中的广泛应用，相关技能需求迅速增长。数据分析、机器学习基础、人机协同能力，逐渐从专业技能转变为通用能力。这一变化正在推动各国重新思考课程体系的结构。
在部分国家和地区，人工智能课程已经进入中小学阶段，而在高等教育中，跨学科的人工智能课程正在迅速增加。与此相伴的是教育理念的变化，不仅要“教会学生使用工具”，更要帮助学生理解技术背后的逻辑与影响。
报告同时强调，人工智能教育不应仅限于技术层面。伦理、隐私、算法偏见等问题，正在成为教育内容的重要组成部分。这意味着，未来的人工智能教育将不仅是技能教育，更是价值教育。
4. 教育公平的新挑战：技术红利与数字鸿沟并存#
在人工智能推动教育变革的同时，新的问题也在显现。报告提出，人工智能使用率与经济发展水平之间存在明显相关性。高收入国家和地区不仅拥有更先进的技术资源，也更早地将人工智能引入教育体系，而资源相对匮乏的地区则面临“技术缺位”的风险。
这种差距可能在未来进一步扩大。能够充分利用人工智能的学生，将在学习效率与能力发展上获得优势，而缺乏技术支持的群体则可能被边缘化。
因此，如何在推动人工智能教育的同时保障公平，成为各国政策制定者面临的重要议题。包括基础设施建设、教育资源共享以及公共人工智能平台建设等，都被视为可能的解决路径。
四、中国视角下从规模优势迈向体系竞争#
在全球人工智能发展格局中，中国的表现成为报告关注的重要内容之一。报告显示，中国在论文数量、专利申请及产业应用等方面处于全球领先地位。这一优势不仅体现在科研产出上，也体现在工业领域的大规模应用之中。特别是在智能制造与工业机器人领域，中国已经形成明显的规模优势。
在技术能力方面，中国与美国的差距正在迅速缩小。两国在模型性能上的差异已降至极低水平，部分中国模型甚至在特定任务中实现领先。这一变化标志着中国从“技术追赶者”逐步转向“并行竞争者”。
同时，全球人工智能高端创新资源仍高度集中。顶尖模型、核心算法及关键基础设施，仍主要分布在少数国家。这意味着，中国在保持规模优势的同时，还需要在基础研究与原创创新方面持续投入。
在教育层面，未来竞争的核心不仅是技术能力，更是人才培养体系。如何在教育体系中培养具备跨学科能力与创新能力的人才，将成为决定长期竞争力的重要因素。
《2026 人工智能指数报告》揭示的不仅是技术发展的轨迹，更是一场深层次的社会转型。当人工智能能够参与学习、科研乃至决策过程时，人类教育体系的基础假设正在被重新定义。知识不再稀缺，能力成为核心、答案不再重要，问题成为关键、个体学习不再孤立，人机协同成为常态。在这一背景下，教育的角色发生了根本性变化。它不再只是传递知识的机构，而是塑造认知方式、引导技术使用、平衡社会发展的关键系统。报告明确指出，如果教育体系无法及时适应这一变化，人工智能带来的不仅是效率提升，也可能是能力结构的失衡，甚至是新的不平等。因此，在人工智能时代，教育不只是被改变的领域，更是决定未来走向的核心变量。未来十年，最深刻的变革或许不在实验室，而在课堂之中。
🔗 参考链接：
Anthropic 发布 Claude Mythos Preview，启动网络安全合作计划#
4 月 7 日，Anthropic 发布人工智能模型 Claude Mythos Preview，同时宣布启动价值 1 亿美元的网络安全防御合作计划“Project Glasswing”，标志着人工智能能力与网络安全进入全新的交互阶段。
Mythos Preview 是 Anthropic 在 Claude Opus 4.6 之上的新一代旗舰模型，在 SWE-bench Verified 基准测试中达到 93.9% 的准确率，在网络安全漏洞复现测试 CyberGym 中得分 83.1%，远超前代模型 66.6% 的表现。该模型展现出“涌现式”的网络安全能力，能够自主发现各类操作系统和浏览器中的零日漏洞，包括在 OpenBSD 中发现一个存在 27 年之久的安全漏洞，以及在 FFmpeg 中发现一个 16 年的漏洞。
然而，Anthropic 决定不向公众开放该模型。公司发布了一份 244 页的系统安全报告，详细说明 Mythos Preview 具有过强的网络攻击能力，可能被恶意行为者用于大规模网络攻击。Anthropic 启动了价值 1 亿美元的网络安全防御计划 Project Glasswing，与包括亚马逊云服务、苹果、博通、思科、谷歌、摩根大通、Linux 基金会、微软、英伟达、Palo Alto Networks 和 CrowdStrike 在内的 11 家科技与安全公司建立合作。该计划还向 40 余家管理关键软件基础设施的机构提供有限的模型访问权限，并向开源安全组织捐赠 400 万美元用于漏洞修复。
Project Glasswing 的核心逻辑是**“防御优先”**。该项目旨在恶意行为者获得类似能力之前，利用 Mythos Preview 强大的漏洞发现能力，率先识别并修补全球关键软件基础设施的安全缺陷。这一决定引发了关于人工智能治理与责任归属的深刻讨论。安全专家认为这标志着人工智能能力已跨越关键阈值，人工智能系统可以以低成本自主发现并利用漏洞。Anthropic 的选择展示了“负责任的扩展”政策在实践中的具体应用，也为其他前沿人工智能实验室树立了处理双重用途技术的新标杆。该计划预计将持续推动全球软件供应链的安全升级，重塑网络安全防御的基本模式。
🔗 参考链接：
- https://red.anthropic.com/2026/mythos-preview
- https://anthropic.com/claude-mythos-preview-risk-report
- https://www.anthropic.com/glasswing
Google 推出大规模 AI 教育者培训计划与学术研究加速项目#
4 月 14 日，谷歌宣布与美国国际教育技术协会（ISTE+ASCD）建立战略合作，计划为美国 600 万名 K-12 及高校教育工作者提供免费的人工智能素养综合培训，这是迄今为止科技公司在教育领域规模最大的专业发展投入之一。
该计划名为 Google AI Educator Series，内容将于 5 月 13 日正式上线，并每月持续更新模块。培训不仅涵盖人工智能工具的基础操作，还会深入探讨如何在课堂中负责任地整合生成式人工智能、设计促进深度学习的人工智能应用活动，以及维护学术诚信。同时，该培训将被纳入 Google AI for Education Accelerator 项目，为参与者免费提供 Google 最先进的人工智能工具访问权限及行业认证的职业资格证书。
Google 还推出了针对高等教育研究的 Google Public Sector Program for Accelerated Research（GPAR）。该计划的首批合作机构包括普渡大学、阿拉巴马大学和加州大学河滨分校，为这些高校的研究团队提供折扣价的人工智能优化硬件、前沿模型的早期访问权限，以及与 Google 研究专家的直接协作机会。该计划特别设计了符合联邦安全标准的数据处理环境，旨在解决高校在进行敏感研究时面临的算力不足与合规难题。Google 表示，这一举措旨在缩小产业界与学术界在人工智能研究基础设施方面的差距，确保大学研究能够跟上行业人工智能发展的步伐。
Google 的一系列举措反映了科技公司在教育领域的战略重心正从单纯提供工具转向系统性能力建设。通过将人工智能素养培训嵌入教师专业发展的核心，Google 试图塑造教育人工智能应用的基本标准与最佳实践。该公司在公告中提出，人工智能工具应该增强而非替代教师的教学判断，其培训设计特别强调保持教师的主体性与批判性思维培养。这一策略与当前政策界对“认知卸载”风险的担忧形成呼应，也与经济合作与发展组织等国际标准组织最近发布的人工智能教育指导原则保持一致。对于高等教育机构而言，该计划提供的不仅是计算资源，更是一种将前沿人工智能研究能力保留在校园内部、避免人才与研究成果过度流向产业界的机制。
🔗 参考链接：
报送信息：
- 报：教育部高等教育司
- 送：教务处，研究生院，各院系教学副系主任/副院长，人工智能赋能教育教学专班
- 编辑：清华大学在线教育中心
📝 关于本文 本文由 聚看JUCAP AI Agent 采集分析并起草，经人工审核后发布。 数据来源已在文中标注。如需修正或补充，请联系 hermesagent@edu-sjtu.cn。 最后更新：2026-04-24