AI 正在以超出所有配套系统承受力的速度扩张。这不是一个预测，而是 2025 年已经发生的事实。
斯坦福 HAI 刚刚发布的第九版 AI Index Report 提供了迄今为止最全面的全球 AI 数据全景。这份 423 页的报告（获取原文联系微信：pkcapital2023）覆盖了研发、性能、经济、劳动力、科学、医疗、教育、政策和公众舆论九个维度。大量数据指向同一个结论：AI 的能力曲线、资本曲线和采用曲线都在加速上行，但围绕它的治理框架、评估体系、人才管道和基础设施的韧性，正在被系统性地甩开。
对于 AI 领域的创始人和投资人而言，这份报告中最值得警惕的信号不是"AI 是否在进步"——答案显然是肯定的——而是这种进步正在制造哪些结构性脆弱点。
1、钱在加速涌入，但集中度也在加速
2025 年全球 AI 企业投资达到 5817 亿美元，同比增长 130%。其中私募投资 3447 亿美元，增长 127.5%。生成式 AI 单项吸引了 1709 亿美元，同比增长超过 200%，占全部私募投资的近一半。新获融资的 AI 公司数量增长 71%，达到 3499 家；超过 10 亿美元的单笔融资事件从 15 笔跳升到 28 笔。
美国以 2859 亿美元的私募投资继续领先，是中国（124 亿美元）的 23 倍。不过，这个比较需要注意一个关键注脚：中国政府引导基金在 2000 至 2023 年间已向 AI 企业部署了约 1840 亿美元，这部分资金不在私募口径之内。
但资本的密集涌入伴随着极端的集中化。头部交易的规模令人咋舌：OpenAI 以 3000 亿美元估值融资 400 亿美元；Anthropic 以 1830 亿美元估值完成 130 亿美元 F 轮；Anysphere（Cursor 母公司）以 293 亿美元估值融资 23 亿美元。平均单笔融资规模攀升至 6650 万美元，同比增长 46%。资本正在以前所未有的速度涌向一个极窄的漏斗。
HAI对一级市场的观察与我们2026年度创投总结不谋而合，对创始人和投资人来说，这意味着两件事：第一，AI 的基础设施层和模型层的入场门槛已经被推到了绝大多数参与者无法触及的高度；第二，应用层和垂直场景才是更多创业者的现实战场。但能否在这些领域创造持久价值，取决于是否理解正在发生的结构性变化。
2、能力在跃升，但"锯齿状前沿"才是真相
前沿模型的能力在 2025 年再次大幅提升。在 SWE-bench Verified 编码基准上，模型性能在一年内从 60% 飙升至接近 100%。Gemini Deep Think 在国际数学奥林匹克（IMO）中拿到了金牌级分数。多项博士级别科学问答和多模态推理测试中，多个模型已经达到或超过人类基线。
但这些数字背后存在一个深刻矛盾。研究者称之为"锯齿状前沿"（jagged frontier）：能赢得数学奥赛金牌的 AI，读模拟时钟的准确率只有 50.1%。能在软件模拟环境中以 89.4% 成功率完成机器人操作任务的系统，在真实家庭环境中的成功率骤降至 12%。AI Agent 在 OSWorld 测试中的任务成功率从 12% 跃升到约 66%，但每三次尝试中仍有一次失败。
这些数据打破了一个常见的线性假设：即 AI 能力会沿着均匀的曲线扩展。真实情况是，AI 的能力边界极不规则，在某些维度上已经超越专家人类，在另一些维度上还不如一个六岁的孩子。对投资人和产品决策者而言，理解这条锯齿状边界的具体形状，比追踪任何排行榜得分都更有实际意义。
3、劳动力冲击已经到来，而且首先击中的是最年轻的人
AI 对劳动力市场的影响不再是理论推演。美国 22–25 岁的软件开发者就业人数自 2022 年高点以来下降了近 20%，而较年长开发者的就业仍在增长。客户服务岗位呈现出相同的代际分化模式。当按 AI 暴露程度对职业进行分组后，最高暴露职业中 22–25 岁群体的就业比最低暴露职业下降了约 16%。
微观层面的生产力研究则显示了另一面：客户支持效率提升 14%–15%，软件开发产出提升 26%，营销产出提升 50%。一个反复出现的发现是，经验较少的员工从 AI 工具中获益最大——AI 在拉平技能差距。但另一项被广泛引用的研究（METR）发现，经验丰富的开源开发者使用 AI 辅助时反而慢了 19%。更值得注意的是，重度依赖 AI 学习的软件工程师没有获得可衡量的速度提升，研究者称之为"学习惩罚"。
三分之一的组织预计 AI 将在未来一年减少其员工人数，而预期中的裁减幅度在几乎所有职能上都大于已经发生的裁减。这种"预期 > 实际"的模式，意味着劳动力市场的压力还在蓄积。
对 AI 创业公司来说，这些数据传递了一个微妙但重要的信号：生产力工具的价值逻辑是成立的，但其带来的劳动力置换效应可能比预期更快触发政策反应和公众情绪反弹。
4、供应链的脆弱性被低估了
几乎所有领先的 AI 芯片都由一家公司制造：台积电（TSMC）。美国拥有 5427 个数据中心，超过任何其他国家十倍以上。AI 数据中心的总电力容量已达 29.6 GW，相当于纽约州的峰值用电。Grok 4 一次训练排放了约 72816 吨 CO₂ 当量，超过一辆汽车全生命周期的排放。仅 GPT-4o 推理的年用水量就可能超过 1200 万人的饮用水需求。
与此同时，美国吸引全球 AI 人才的能力正在快速下降。流入美国的 AI 研究者和开发者数量自 2017 年以来下降了 89%，仅过去一年就下降了 80%。尽管美国在投资和模型开发上保持领先，但其人口级别的生成式 AI 采用率仅为 28.3%，全球排名第 24，落后于新加坡（61%）、阿联酋（64%）、挪威和多个欧洲国家。
中美之间的模型性能差距已经"实质性关闭"。DeepSeek-R1 在 2025 年 2 月一度追平美国顶级模型。截至 2026 年 3 月，领先优势仅为 2.7%。中国在论文数量、引用量、专利授予和工业机器人安装量上均领先。
对于在中美两端布局的 AI 创投生态而言，这些数据指向一个核心判断：技术领先不等于系统性领先。基础设施集中度、人才流动逆转、供应链单点依赖。这些结构性风险在繁荣周期中容易被忽视，但它们定义了下一阶段竞争的真正地形。
5、负责任 AI 与 AI 能力之间的裂缝在扩大
几乎所有前沿模型开发者都在能力基准（MMLU、SWE-bench 等）上发布了结果，但在负责任 AI 基准上的报告仍然零散。AI 事件数据库在 2025 年记录了 362 起事件，较 2024 年的 233 起增长 55%。模型透明度在 2024 年改善后于 2025 年再次下降，Foundation Model Transparency Index 的平均得分从 58 跌回 40。
更令人不安的发现是，负责任 AI 的各个维度之间存在内在张力：提升安全性可能降低准确性，提升隐私保护可能损害公平性。目前没有任何框架来系统性地管理这些权衡。
这对整个行业的含义很直接：如果负责任 AI 的基准和实践跟不上部署速度，监管介入的力度和速度将超出行业预期。2025 年已经出现了分化——欧盟 AI Act 的首批禁令生效，而美国转向放松监管。这种全球政策的不同步，本身就是创业者和投资人在合规策略上需要提前规划的变量。
6、我们的判断
综合来看，2025–2026 年的 AI 格局可以用一句话概括：能力在加速，但系统韧性在滞后。
资本、技术和采用率的增长曲线令人振奋，但 AI 的物理基础设施（能源、水、芯片）、人力基础设施（人才管道、初级劳动力）和制度基础设施（评估标准、治理框架、透明度）都没有跟上。这种差距不是抽象的"挑战"。它正在成为决定哪些 AI 公司能走过这一周期、哪些不能的核心变量。
对 SVTR 社区中的创始人来说，最大的信号是：下一轮 AI 竞争的护城河不在模型能力上（那里正在快速趋同），而在谁能更好地管理 AI 扩张带来的结构性风险：合规预判、供应链冗余、人才留存，以及与真实世界的"锯齿状前沿"共处的产品智慧。
如果你正在构建或投资 AI 公司，欢迎与 SVTR 交流你对这些趋势的判断。