斯坦福 HAI 研究院 5 月 31 日发布 2026 AI Index 年度报告。三个最关键结论：中美顶级模型在 MMLU、HumanEval、HELM 等综合基准上的差距压到 1.7%，已经在统计误差范围内；中国 2025 年 AI 专利申请量占全球 64%，连续第二年位居首位；AI Agent 在 SWE-Bench Verified、AppWorld 等任务集上的成功率冲到 60.3%，比 2025 年的 38% 提升超过 22 个百分点。
负责 AI Agent 章节的斯坦福 HAI 研究主任 Vanessa Parli 在发布会现场说：「我们去年还在讨论 Agent 能不能跑通端到端任务，今年的问题是 Agent 跑通后该怎么收钱。」报告同时指出，AI 推理成本从 2024 年的 GPT-4 级别 30 美元/百万 token，降到 2026 年同等性能模型的 0.07 美元，两年降幅约 99.8%。
专利第一不等于影响力第一
报告把这一项处理得很谨慎：中国 AI 专利总量 28.7 万件占 64%，但被引前 1% 的高影响力 AI 论文里，中国机构占 41%，美国占 38%——也就是说论文影响力上中国略强，但「美国机构主导前沿」这个叙事确实站不住了。这跟 2024 年的版本明显不同。
另一个变化是企业落地：报告引用 Stanford 与 BCG 联合调查，65% 的财富 500 强公司部署了至少一项生产级 GenAI 应用，比 2025 年的 38% 翻一倍。这个数字解释了为什么 Anthropic 和 OpenAI 的企业营收能在 12 个月里从 30 亿冲到 200 亿。
Agent 的 60% 是个真实门槛
SWE-Bench Verified 跑到 60% 意味着工程任务里 Agent 已经能独立 close 掉超过一半的 GitHub issue，这是 2024 年大家还在嘲笑「Devin 是 demo」的同一个测试集。Vanessa Parli 在 Q&A 里点名说：「如果你的工作流里有 60% 是写 boilerplate、查 API 文档、处理日志，那 Agent 现在就能替代你。」这话把「白领焦虑」翻译成了 Benchmark。
真正值得关注的是后半句：报告提醒 AI Agent 跑通后的「收钱难题」。Agent 比聊天机器人更难按 token 计费，企业客户希望按「成功完成的任务数」结算，但成功定义牵涉到 SLA 责任。这个商业模型还没跑通，是 2026 年下半年大概率出现的下一个战场。
参考：斯坦福 AI Index
