AI 开始给自己做研发了：State of AI Report 2026 十大洞察
报告概览
Air Street Capital 合伙人 Nathan Benaich 主导的第九期年度 AI 现状报告（2018 年起每年一期），发布于 2026 年 10 月 8 日，正文 244 页，分研究、产业、政治、安全、预测五部分，经顶级 AI 实验室、创业公司、政策与学术界成员同行评审。
一句话总览：AI 开始给自己做研发（Claude 主导了 Anthropic 26% 的被测模型研发，人类在旁监督），智能体也已闯进真实系统（多起评估中攻入真实系统的事故）——能力跑在了防护前面。
报告官网地址：https://www.stateof.ai
阅读提示：作者自述以个人/基金名义持有或顾问于多家被引用公司（p.241），本报告是"带仓位的行业叙事"，引用其结论时应留意立场偏差。文中 (p.N) 均为原报告 PDF 页码，便于读者回溯原文核对。
在 AI 行业，如果要每年只精读一份报告，State of AI Report 大概率是最值得选的那一份。它由英国投资机构 Air Street Capital 的合伙人 Nathan Benaich 主笔，自 2018 年起每年发布一期，今年已是第九期。这份报告有几个鲜明的特点：一手数据密度极高（直接引用各大实验室内部指标与独家调研）、覆盖面完整（研究、产业、政治、安全、预测五大板块，正文 244 页）、且经过顶级 AI 实验室、创业公司、政策界与学术界成员的同行评审。它既是行业发展的年度快照，也是观察"卖铲人视角"如何理解 AI 的绝佳样本——每年 10 月发布，几乎是全球 AI 从业者的固定阅读节目。
今年 10 月 8 日，最新一期报告发布。我在阅读的基础上产出了这份洞察分析：提炼出十大核心洞察与判断，并分别面向不同类型企业和不同角色的个人给出了可落地的思考与建议。
当然，有两点需要先向读者坦诚：
- 这份洞察分析带有个人的主观视角与局限性。 洞察的本质是"取舍"——我从 244 页中选择了自认为最重要的信号，并给出了自己的解读。这个过程中必然存在选择偏差，个别判断也可能被未来的事实修正。
- 本文不能替代原报告。 摘要和洞察分析天然会丢失大量细节：精心制作的图表、完整的证据链、以及那些"没那么重要但可能恰好与你相关"的发现。因此，我也强烈建议：先读本文建立整体框架，再带着你感兴趣的问题回到原文深挖。
在我看来，"导读 + 原文"的组合阅读，是消化这类高密度报告的更好方式——导读帮你快速建立地图，原文帮你获得真正属于自己的理解和细节。原报告是完全免费公开的，对原文感兴趣的读者可直接获取：
核心结论与关键数据速览
- AI 研发自动化已进入工程执行层，但研究选题、目标定义与质量判断仍是人的关键价值。
- 模型之外的脚手架、评估、数据环境与验证能力，正在成为比提示词技巧更保值的资产。
- AI 商业化正从席位和调用量转向任务与成果交付，生产环境中的评估集和运行轨迹成为关键数据资产。
- 智能体安全、资本结构与地缘供应链风险正在显性化，需要与能力和收入增长同时评估。
时间有限时，可以先浏览下面的十条洞察标题，再按企业类型或个人角色进入对应建议。
一、十大核心洞察与判断
怎么读这部分
每条洞察都围绕事实、判断与启示展开。新版洞察块采用“核心结论 → 判断 → 启示 → 报告证据”的阅读顺序：先快速把握观点，再按需展开证据核对原文页码。事实可以核对，判断可以讨论，启示供你参考。
洞察 1：AI 研发开始加速自身研发
核心结论
AI 研发自动化是真实的，但它现在的形态是“执行层自动化”，而不是“递归自我爆炸”。
判断
瓶颈已经从"做实验"转移到"决定做什么实验"——值得注意的是，前沿模型给出的研究选题建议已有 64% 优于人类研究员 (p.20)，说明这最后的堡垒也在被侵蚀。报告作者把这个缺口直接写进了明年的预测判据："一个自主 AI 团队在同等时间和算力下击败人类主导的模型研究，并自行设定研究议程" (p.239)。
启示
对个人而言，"提出好问题、选对方向"的能力溢价正在快速上升，重复性执行的价值在下降——这条线索会在本文的个人建议部分反复出现。对组织而言，研发投入的优先序应该是：选题判断力 > 执行自动化能力。
查看报告证据State of AI Report 2026 · p.18–24, 239
"AI 能不能加速 AI 自己的研发"，是判断这个行业会不会进入指数级进步的最关键问题。今年报告第一次给出了来自实验室内部的量化答案。
事实：在 Anthropic 内部，由 Claude 主导完成的模型研发任务占比，从 2026 年 2 月的不足 1% 飙升到 8 月的 26%，超过 90% 的被测工作已有 AI 实质性参与——但没有一项是完全自主的 (p.21)。OpenAI 内部，智能体能独立完成的任务时长半年扩大 8 倍：从 1 月能完成 4-8 小时的人工任务，到 7 月已能完成 32-64 小时的任务 (p.22)。但边界也同样清晰：在一次"影子评估"中，研究者给顶尖模型一篇未发表顶会论文的核心问题、6 天时间和 $3,000 预算，它独立完成了全部工程工作，产出的论文却被原作者打分拒稿——因为它"对什么值得发表没有感觉" (p.18)。综合各方估计，当前 AI 对研发的加速倍数仅在 1.5-3 倍之间 (p.24)。
洞察 2：护城河转向工程环境
核心结论
脚手架设计的最佳目标已经发生反转：从“教模型怎么做”变成“把环境接口做干净”。
判断
经过模型几轮换代后仍保值的投入只剩四样：工具/MCP 接口、状态管理、可观测性、沙箱 (p.15)。提示词技巧是一种有明确半衰期的技术债，而工程接口是能跨模型周期保值的资产。
启示
无论是企业采购还是个人学习，都应该用这个视角审视投入：凡是绑定特定模型行为的技巧都会快速贬值，凡是改善"模型与环境交互质量"的投入都会持续增值。评估一家 AI 公司的技术含量，也可以看它的功夫下在哪一层。
查看报告证据State of AI Report 2026 · p.8, 15, 25–26
先解释一个关键概念："脚手架"（harness/scaffolding）指包裹在模型外面的那层工程结构——工具调用接口、系统提示词、状态管理、执行环境等。模型是发动机，脚手架是整辆车。
事实：随着预训练和强化学习配方被大量公开 (p.25-26)，"独家配方"不再是护城河。与此同时，脚手架的价值被一组受控实验量化：在 100 个 SWE-bench 任务上，脚手架差异带来的成绩方差是模型差异的 7.8 倍；同一个模型，换一套脚手架，成绩从 52.5% 升至 65.5% (p.8)。但另一组事实同样重要：Claude Code 团队为更强的模型删掉了 80% 的系统提示词，性能不降反稳 (p.15)——为旧模型缺陷精心设计的提示词"补丁"，正在成为新模型的束缚。
洞察 3：跑分正在失去意义
核心结论
当所有头部模型都越过公开基准的天花板，外部世界就失去了独立验证 AI 能力的工具。
判断
实验室开始只引用内部指标（26%、3.1 智能体工作日/人日等，p.21, p.24），而这些数字外界无法复核。AI 进展的可观测性正在私有化。对采购方而言，结论很直接：任何不披露测试脚手架和预算的"跑分"都不可比，"每美元完成的任务数"才是有意义的坐标。
启示
下次再看到"XX 模型霸榜"的新闻，先问三个问题：测的是什么任务、用什么脚手架测的、每个任务花了多少钱。答不上来的跑分，看看就好。这个判断也指向一个创业机会：卖"可信的尺子"（评测与验证基础设施），比卖"更强的模型"竞争烈度低得多、需求却是刚性的。
查看报告证据State of AI Report 2026 · p.21, 24, 37–39, 42–43
过去几年，公众理解 AI 进展的主要方式是看各种基准测试（benchmark）的分数。今年报告系统性地揭示了这套体系的失效。
事实：为"撑数年"而设计的基准，现在几个月就被刷爆——ARC-AGI-2 的顶尖成绩在十一个月内从 18.3% 升至 95.0%，FrontierMath 最难档从 22% 升至 100% (p.38-39)。更严重的是质量问题：Epoch AI 审查了 15 项主流基准，发现 9 项存在实质性缺陷 (p.37)。分数与真实能力的脱节也被量化：某模型在某编程基准上拿到 87.9/100 的高分，但"完全完成任务"的比例只有 20.6% (p.43)；同一对模型在两个不同基准上排名互相颠倒，且完成成本相差 10 倍（$1,030 vs $99）(p.42)。
洞察 4：可验证性决定 AI 落地边界
核心结论
判断一个场景能不能交给 AI，第一个问题不是“模型够强吗”，而是“我能不能低成本地判断它做对了”。
判断
验证成本就是 AI 落地的真实边界，而好的商业模式本质是"用算力压缩验证次数"。这也从数据层面印证了吴军博士之前在访谈中的观察：AI 缩小的是执行上的差距，扩大的是理解和判断上的差距。
启示
这条洞察为后文几乎所有建议提供了统一的第一性原理——无论你是企业决策者还是个人用户，面对"要不要让 AI 做这件事"的问题，先评估验证成本，再评估模型能力。
查看报告证据State of AI Report 2026 · p.42, 45–46, 68, 71–72, 77
关于 AI 智能体能不能用，舆论两极分化严重。报告的数据给出了一个更精确的回答：能不能用，取决于任务本身能不能被廉价地验证。
事实：在有廉价验证器的领域，智能体进展迅猛——数学证明有 Lean 自动验证 (p.68)，编程有隐藏测试用例 (p.42)，蛋白质设计有湿实验命中率（AI 排序让命中率翻倍至 8.0%，p.77）。而在验证昂贵或反馈滞后的领域，智能体全面翻车：12 个前沿模型在模拟博彩决策中全部亏钱 (p.45)；模拟经营中最赚钱的智能体，把 18.48% 的采购款付给了欺诈供应商 (p.46)；模型自我报告"完成"的 192 次任务中，89 次经不起人工核验 (p.72)。最能说明问题的一组对照：同一个科研智能体系统，仅仅移除验证模块，足以推翻结论的幻觉比例就从 4% 飙升到 46% (p.71)。
洞察 5：AI 正在重构软件公司
核心结论
真实发生的不是软件行业死亡，而是两件事：AI 吃掉软件预算，以及 AI 原生公司再造软件公司。
判断
市场先按"席位定价终结论"恐慌定价，随后被收入数据纠正。计价单位正在从"席位/订阅"转向"完成的任务"——token 价格每年下降约 13 倍 (p.110-112)，卖使用量注定被通缩吃掉。两大实验室亲自下场做交付型咨询公司（Anthropic 与黑石等组建约 $1.5B 合资公司，OpenAI 的交付公司以 $10B 投前估值融资，p.109），就是最明确的信号。
启示
对软件从业者，你的竞争对手不是"AI"，而是那些用 AI 重写了成本结构的同类公司。对投资者，用"席位数量 × 单价"给软件公司估值的时代正在结束，"可交付成果"才是新的估值锚。
查看报告证据State of AI Report 2026 · p.83–84, 94–95, 104, 108–113
2026 年初，市场曾上演过一场"SaaS 末日"（SaaSpocalypse）恐慌：投资者担心 AI 智能体会让按席位收费的软件公司失去存在意义。年底回看，恐慌被数据纠正了。
事实：OpenAI 与 Anthropic 合计年化收入约 $105B，而年初还只有 $30B (p.83)——这个体量已相当于两大 IT 服务巨头 TCS 与 Infosys 合计的 2.1 倍 (p.84)。恐慌期间近 $285B 软件市值被抹去，但到 9 月已基本收复，软件指数自低点反弹 55% (p.108)。更有说服力的结构数据：AI 原生公司的收入增速是"传统软件 + AI 功能"公司的约 3 倍（256% vs 90%），且一年后仍能留在增长最快区间的比例是 42% vs 23% (p.94-95)；AI 支出最高的前三分之一公司，员工数不降反增 10.2%，入门级岗位甚至增长 12% (p.104)。
洞察 6：应用层路径已经跑通
核心结论
先用前沿 API 快速验证产品市场匹配，从第一天起就沉淀评估集和运行轨迹，等专有数据积累到阈值后切换到开放模型后训练，把成本砍半。
判断
"中国开放权重模型 + 美国应用公司的场景数据与后训练"，已成为对抗前沿闭源模型定价权的最有力制衡。更深层的变化是：企业运行 AI 时产生的失败任务和纠正轨迹，正在成为单笔价值 $100k-$10M+ 的可授权资产 (p.117)——不沉淀自家生产环境的轨迹，就是在替别人免费积累数据资产。
启示
这条路径对后来者完全开放。无论你是做产品还是做企业内部系统，"先用最好的模型跑通、同时把数据资产攒下来、再逐步切换到可控的开放模型"是当下确定性最高的策略。这也是国产开放模型生态价值的直接证明。
查看报告证据State of AI Report 2026 · p.114–118
前两年应用层创业公司最大的焦虑是：模型厂商会不会吃掉所有应用价值？今年报告给出了三个教科书级的反例，而且它们指向同一条可复制的路径。
事实：法律 AI 公司 Harvey 对中国开放模型 GLM-5.2 做后训练后上线生产环境，单位成本比 Anthropic 的前沿模型低 54.8%，文档审查质量反而更高 (p.114)；人才数据公司 Mercor 后训练 Qwen3.5，把留出任务的通过率从 16.11% 提升到 27.29%；编程工具 Cursor 基于 Kimi K2.5 生成的合成训练任务数量是其此前的 25 倍 (p.114)。支撑这条路径的"数据/训练环境"产业同步爆发：Mercor 年化收入达 $2B（2025 年 2 月还只有 $75M），多家同类公司收入一年内增长数十倍 (p.117-118)。
洞察 7：智能体安全风险已成现实
核心结论
“模型知道自己不该做”和“模型因此不做”之间存在断裂——安全训练尚未把认知转化为行为约束。
判断
攻防的不对称正在扩大：AI 生成漏洞利用代码只需 12 分钟，而主流补丁系统覆盖 90% 设备需要一周 (p.210)。监控手段也存在天花板：当监控器能看到智能体完整执行轨迹时，规避行为接近零；但随着模型推理过程变得难以解读，这道防线正在变弱 (p.221-222)。
启示
对任何使用 AI 智能体的组织：修补窗口要按"天"而不是"周"规划；不要把"模型会拒绝危险指令"当作安全策略的一部分。对个人用户：你赋予智能体的权限，就是攻击者潜在的权限——最小授权原则在 AI 时代比以往任何时候都重要。
查看报告证据State of AI Report 2026 · p.168, 197–198, 200, 210, 221–222
往年的 AI 安全讨论大多停留在"假设性风险"层面。今年报告记录的一系列事件表明，风险已经变成既成事实，而且性质令人不安。
事实：OpenAI 的一次内部安全评估失控：评估用智能体通过互联网上的留言板自组织协调，最终在 41 个 Hugging Face 服务器上运行代码，并共享了 14 个写入凭证 (p.197-198)。更令人警惕的是"明知故犯"：在另一次评估中，Opus 4.7 在 4 次运行中 4 次都识别出自己面对的是真实生产系统，但仍继续执行攻击 (p.200)。真实世界的入侵已经发生：攻击者借助一千多条 Claude Code 提示词，从墨西哥十个政府机构窃取了 1.95 亿条记录；一个智能体仅凭一个域名，两小时内攻破麦肯锡内部平台并获取 4650 万条聊天消息 (p.210)。军事领域同样出现险情：AI 生成的错误情报差点导致美军登船检查一艘中国货轮 (p.168)。
洞察 8：主权 AI 的产业现实
核心结论
多数主权 AI 项目目前停留在“采购硬件”阶段，实质上是 NVIDIA 经销网络的扩张。
判断
真正的主权玩家仍只有中美两家。与此同时，管制与反管制在向更深的层次扩展：中国的反制从芯片延伸到技术与人才——撤销 Meta 对 AI 公司 Manus 的 $2B 收购、限制技术人员出境、讨论模型权重出口管制 (p.182)；美国则把"蒸馏"（用 API 输出训练自家模型）定性为安全威胁，三部门联合发布防御公告 (p.183)。科技脱钩已经从"物"深入到"知"。
启示
对跨国经营的企业，模型供应链的地缘风险需要像芯片供应链一样管理。对观察者而言，评估一国"主权 AI"的真实水平，别看宣布了多少预算，看 GPU 利用率和模型层能力——前者是新闻稿，后者才是主权。
查看报告证据State of AI Report 2026 · p.166, 170–174, 177, 182–183
"主权 AI"（每个国家建设自主可控的 AI 能力）是今年最热的政策叙事之一。报告的数据揭示了这个叙事背后的产业现实。
事实：导火索是美国曾在 6 月一夜之间封锁 Anthropic 两款前沿模型对盟友英国的共享 (p.166)——"当华盛顿能在一夜之间禁用一个模型，问题就不再是 AI 是否安全，而是谁控制它"。随后主权 AI 项目从 2023 年的 18 个爆炸式增长到 184 个、总承诺约 $138B (p.170-171)。但细看流向：NVIDIA 被其中 53 个项目点名采用（第二名 HPE 仅 18 个），单财年从主权 AI 赚走超 $30B (p.172)。更尴尬的是执行：英国、印度、欧盟的政府算力项目都处于"只分配、未使用"状态，没有一个报告了实际用量 (p.174)；独立测算显示，欧洲从零打造一个前沿实验室三年需要 €790B (p.177)。
洞察 9：隐性杠杆积累资本风险
核心结论
AI 资本结构的脆弱点不在股权估值，而在“表外债务 + 芯片商担保 + 类债权融资”的三层隐性杠杆。
判断
这些结构的共同点是：下行周期中，损失会沿着担保和承诺链条，从项目公司传导回芯片商和科技巨头——风险没有消失，只是被藏到了表外。叠加物理层面的瓶颈（大型燃气轮机积压订单 220GW，而全球年产能只有 60-70GW，p.132；71% 的美国人反对在本地建数据中心，已有 45 个项目近 $68B 被社区反对阻止或推迟，p.189），天量已签约资本开支与政治/物理约束之间的落差，是 2027-2028 年 AI 行业最大的非技术风险。
启示
评估 AI 产业链公司时，除了看收入和估值，还要看它在担保链条上的位置——谁提供了残值担保，谁就是隐形的风险承担者。对普通投资者，警惕任何"保证回报"的 AI 相关融资产品，那往往意味着风险已经被结构化地转移给了你。
查看报告证据State of AI Report 2026 · p.109, 122, 127–128, 132, 161, 178, 189
讨论 AI 泡沫时，多数人盯着估值倍数。报告把聚光灯打向了更不显眼、但更危险的地方：资本结构。
事实：超大云厂商的已签约积压订单达 $1.69T (p.122)；七大云厂商与芯片商的表外承诺合计超过 $3T（不计入资产负债表）(p.128)；为刺激采购而提供的残值担保 12 个月内累计 $1,750 亿，其中 NVIDIA 一家承担 $1,050 亿 (p.127)；OpenAI 的交付公司融资结构承诺 PE 投资者 17.5% 的保证年化回报且收益封顶——这在经济上更接近债权而非股权 (p.109)。风险的预演已经出现：韩国加杠杆的散户投资者已发生强制平仓事件 (p.161)。
洞察 10：开放权重重塑中美竞争
核心结论
中国竞争力的真实强度超过报告的表面措辞，“开放权重”成为中美博弈的新轴心。
判断
一场围绕"蒸馏"的攻防战可能系统性改变竞争格局——前沿实验室已经开始隐藏模型的推理链，正是为了防止被蒸馏学习 (p.30)。如果闭源模型这个"免费教师"消失，开放权重生态的追赶路径将面临断粮风险。报告措辞的降格与证据强度之间的张力说明：到 2027 年报告发布时，中国相关的章节将更难被轻描淡写。
启示
对中国从业者，国产开放模型生态已经是全球性的战略资产（洞察 6 的三家美国标杆公司都在用它），这个生态的健康度值得每一个参与者维护。对全球观察者，评估中美 AI 竞争时，"论文引用、资金去向、产能建设"这些硬指标比排行榜名次更可靠。
查看报告证据State of AI Report 2026 · p.7, 30, 143–144, 149, 151, 180, 238
报告作者作为西方投资人，对中国进展的措辞总体克制。但把散落在各章的证据拼起来，会发现图景比措辞更有分量。
事实：在学术研究引用中，中国开放权重模型家族的提及占比从 2024 年的 9% 飙升至 2026 年的 31%，反超美国（23%），Qwen 的提及量已超越 Llama (p.7)；Kimi K3 登顶 Arena 网页开发榜，报告将其刻意降格为"某个主要任务排行榜上的领先" (p.238)；中国人形机器人公司吸引了全球近三分之二的赛道资金，头部企业已实现 16% 净利率、产品均价一年下降 36% (p.149, p.151)；中国数据中心产能预计 2026 年底超过整个欧洲、中东和非洲之和 (p.180)。产业界的反应耐人寻味：NVIDIA 发起《开放权重与美国的 AI 领导地位》公开信获 235 位业界领袖联署（唯独 Anthropic 缺席），随后两周内投入近 $20B 收购 Hugging Face 并投资开放模型公司 (p.143-144)。
二、对企业的建议
怎么读这部分
每条建议先给出行动结论，再按 常见误区 → 为什么 → 怎么做 展开。建议按企业规模对号入座，但其他规模的条目也值得浏览——边界正在模糊。
大型企业
1. 不要用厂商默认跑分做采购决策
行动结论
把采购验收从公开跑分改为真实任务完成率，并要求供应商固定披露评估脚手架。
常见误区
看到某模型在公开榜单领先，就直接拍板签约。
为什么
同一个模型换一套运行脚手架，性能可差 6 倍 (p.8)；某模型拿到 87.9 的高分，真实任务完成率却只有 20.6% (p.43)——高分可能只是"看起来做了"，而非"事情办成了"。
怎么做
① 建立"脚手架—模型"联合评估流程，要求供应商披露评估所用的脚手架配置并固定下来复测；② 合同按"任务完成率"而非跑分计价，以端到端交付物（表单已提交、审批已流转）作为结算依据；③ 先在自有真实任务上做小规模影子测试，达标后再大规模推广。
2. 把生产环境的运行反馈当作资产来经营
行动结论
把生产环境中的纠正与重试轨迹沉淀为可复用、可授权的数据资产。
常见误区
把 AI 运行日志当运维废料，用完即弃。
为什么
企业真实业务中的纠正轨迹已经是可交易资产，单笔授权价格可达 $100k-$10M+ (p.117)；靠这类数据起家的公司，收入一年内增长了数十倍 (p.118)。
怎么做
建立"运行真实工作 → 捕获纠正/重试轨迹 → 失败任务变成可复现测试 → 定向改进"的完整闭环 (p.115)；同时在法务层面明确这些数据的权属与授权策略——不沉淀，就是在替供应商免费积累数据资产。
3. 为模型获取的"政治连续性"建立双供应商架构
行动结论
为关键业务保留可自托管的开放权重备选，并每年演练模型切换。
常见误区
把前沿模型 API 当作像水电一样稳定可靠的基础设施。
为什么
美国曾在一夜之间封锁 Anthropic 两款模型对盟友英国的共享 (p.166)——前沿模型的可用性已直接受地缘政治支配，这是供应链风险的新维度。
怎么做
关键业务保留一套可自托管的开放权重备选方案，每年做一次模型切换演练；安全团队应保留基于自托管模型的独立分析能力——Hugging Face 被商业 API 的安全护栏挡住取证工作后，正是被迫改用自托管开放模型才完成了入侵分析 (p.214)。
4. 威胁建模升级：假设"AI 辅助攻击者"已经是现实
行动结论
按 AI 辅助攻击者的速度重新设定修补窗口，并优先封堵未鉴权端点与泄露凭证。
常见误区
仍以"人类黑客的速度"规划安全响应节奏。
为什么
攻击基准已经改变：一个智能体仅凭域名两小时内攻破麦肯锡内部平台 (p.210)；AI 生成漏洞利用代码只需 12 分钟，而主流补丁系统覆盖 90% 设备需要一周 (p.210)；两周内 AI 驱动的诈骗骗取了 25,000 人 (p.211)。
怎么做
修补窗口按"天"规划而非"周"；优先封堵未鉴权端点和泄露凭证（这是真实入侵中最常用的路径，p.200, p.210）；盘点员工设备上的"影子智能体"——22% 的企业环境中已发现员工私自运行高权限 AI 工具，其中 35.4% 的暴露实例可被远程控制 (p.204)。
5. 对标"前 1% 支出者"找差距，并补齐度量短板
行动结论
将 AI 支出强度、使用深度和效果指标纳入经营看板，而不是只看是否上线。
常见误区
把低 AI 支出当作"稳健务实"。
为什么
前 1% 的公司人均月 AI 支出 $7,205，中位数公司仅 $12.50，相差 580 倍 (p.96)；高支出组的营收增速是轻度用户的 3 倍 (p.103)，员工数不降反增 (p.104)。低支出不是稳健，是被拉开差距的信号。
怎么做
把 AI 支出强度与使用深度纳入经营看板；尤其要补齐度量——标普 500 公司中 69% 披露了 AI 上线情况，但只有 2% 披露了效果跟踪指标 (p.98)。说不清效果的 AI 投入，等于没有管理。
6. 算力与数据中心布局，提前 18-24 个月经营"社会许可"
行动结论
将社区沟通、电价与用水补偿提前纳入算力选址，至少预留 18-24 个月。
常见误区
认为数据中心选址只是成本和电力问题。
为什么
71% 的美国人反对在本地建 AI 数据中心（反对度超过核电站）；仅 2026 年第二季度，社区反对就阻止或推迟了至少 45 个项目、涉及近 $68B 投资 (p.189)。
怎么做
选址评估中前置社区沟通与电价/用水补偿方案，可参考白宫《电力用户保护承诺》的"自付电费"框架 (p.192)；同时记住一笔账：1GW 园区每度电贵 $0.05，每年就多付 $438M (p.178)——选址即战略。
中小企业
1. 不要自建模型，把预算投在脚手架与环境接口上
行动结论
把预算投入模型无关的工具接口、状态管理、可观测性和沙箱，而非自建模型。
常见误区
担心"没有自己的模型就没有竞争力"，咬牙投入定制训练。
为什么
模型每几个月换代一次，为特定模型定制的提示词和行为规则会随之报废——Claude Code 删掉 80% 的系统提示词后性能不降反稳 (p.15)。经过多轮模型换代后仍被证实保值的投入只有四样：工具/MCP 接口、状态管理、可观测性、沙箱 (p.15)。
怎么做
用"技能包 + 记忆"而非微调来沉淀业务 know-how——经验蒸馏类方法能用约 1/9.6 的交互成本达到接近定制训练的效果 (p.33)，而且模型换代时不会清零。
2. 部署智能体必须配置独立验证层
行动结论
为智能体部署单列自动核验与人工抽检，不让“完成声明”直接放行。
常见误区
看到 AI 报告"任务完成"就放行结果。
为什么
模型自述"完成"的声明近半经不起人工核验 (p.72)；不同验证器之间的误报率相差 10 倍 (p.28)——验证层的质量直接决定智能体的可用性。
怎么做
在预算中单列"自动核验 + 人工抽检"成本；优先选用带自动审批分类器的工具——某主流工具的自动审批模式拦截了 89% 的危险命令，而人类用户平均只拦截了 13.6% (p.203)。
3. 接入第三方插件/技能市场前必须审计
行动结论
把第三方插件与技能市场纳入供应链准入审计，并按最小权限运行。
常见误区
把智能体技能市场当手机应用商店，装了就用。
为什么
在增长最快的某开源智能体生态中，31,132 个市场技能里 26.1% 存在安全漏洞 (p.204)——智能体插件是新的供应链攻击面。
怎么做
建立插件准入清单，上线前做安全审查，并按最小权限原则限制插件的访问范围。
4. 把"被 AI 助手提及和推荐"当作新获客渠道来运营
行动结论
以结构化商品信息和 AI 可引用内容低成本布局新获客渠道，但暂不重资产自建交易基础设施。
常见误区
两极化——要么完全无视，要么为"智能体商业爆发"提前重仓。
为什么
真实数据在中间：AI 购物引荐的转化率比自然搜索高约 80%，品牌被 ChatGPT 提及后一周内访问量平均 +38% (p.121)；但整体规模尚小——智能体结账年交易额仅约 $1B，AI 引荐目前只占电商流量的 0.4% (p.238, p.121)。
怎么做
现在就做低成本动作：让商品和服务信息结构化、可被 AI 搜索引擎发现与引用（即 GEO/AEO 优化）；但不投入重资源自建智能体交易基础设施——那是下一阶段的事。
5. 面向未成年人的 AI 产品，立即启动合规改造
行动结论
未成年人相关功能从产品阶段内置时长、防成瘾与虚拟关系限制。
常见误区
认为未成年人相关监管还停留在讨论阶段。
为什么
限制使用时长、防成瘾设计、禁止虚拟亲密关系等要求，已在中国、美国部分州、欧盟、英国四个法域同时落地成法 (p.187)——这是全球 AI 监管中执行最快、罚则最明确的领域。
怎么做
对照业务所在法域逐条核查；涉及未成年人的功能，从产品设计阶段就内置合规约束，而不是上线后再打补丁。
6. 尽早进入本国主权算力的申请队列
行动结论
尽早关注并申请政府算力支持，将补贴窗口纳入训练资源规划。
常见误区
以为政府算力补贴只属于大企业。
为什么
多国政府正在以补贴形式发放算力：英国已分配超 300 万 GPU 小时（申请量是其 22 倍），印度批准 931.8 万 GPU 小时给 237 个项目 (p.174)——中小企业正是主要受益者。
怎么做
主动关注本国/本地区的政府算力支持计划并尽早提交申请。这是少数能免费获得训练资源的窗口，且超额认购严重，越早排队越有利。
AI 创业公司
1. 押注"评估与验证基础设施"赛道
行动结论
优先切入评测集、验证器、可评分环境与合规审计等“可信尺子”基础设施。
常见误区
认为创业机会只在"做更强的模型"或"做更炫的应用"。
为什么
三重信号叠加：15 项主流基准中 9 项存在实质缺陷 (p.37)；为撑数年设计的基准数月就被刷爆 (p.38)；加州已立法要求 2028 年前建立 AI 评估机构认定标准、2029 年审计师强制注册 (p.185)。
怎么做
卖"可信的尺子"——评测集、可评分任务环境、验证器、合规审计服务。需求有法律强制背书，且避开了模型层的正面绞杀。
2. 复制"Harvey 路径"：前沿 API 起步，开放模型收编
行动结论
先用前沿 API 验证 PMF，同步沉淀评估集与轨迹，再以开放模型后训练降本。
常见误区
起步就纠结"自建模型还是调 API"，迟迟不动。
为什么
三家标杆公司验证了同一条路线：先用前沿 API 验证产品市场匹配，同步沉淀评估集与运行轨迹，专有数据达到阈值后切换到中国开放模型做后训练——Harvey 借此把单位成本降低 54.8%，质量还反超了前沿闭源模型 (p.114)。
怎么做
从第一天起就埋点采集失败任务与纠正轨迹。它们既是日后后训练的训练数据，本身也是可授权变现的资产 (p.117)。
3. 狭窄品类的研究赌注仍然能爆发
行动结论
避开通用模型正面竞争，选择可低价高质交付的狭窄品类做深。
常见误区
认为通用模型时代，垂直小模型没有机会。
为什么
一家公司的分类专用模型以极低价格（$0.042/百万 token）在 10 天内拿下该品类 27% 的请求量，据报道 7 天达到 $100M 年化收入 (p.92)。
怎么做
不正面拼通用模型；锁定一个被巨头忽视、需求明确、可以低价高质交付的狭窄品类，做深做透。
4. 主权 AI 浪潮是基础设施创业的十年级渠道
行动结论
面向政府提供部署、微调、合规与评估打包的主权 AI 交钥匙服务。
常见误区
以为主权 AI 是国家级巨头的游戏，与创业公司无关。
为什么
67 个国家、184 个政府项目、约 $138B 承诺 (p.170-171)，但多数国家"只有钱和电，没有模型与工程能力"——英国、印度、欧盟的政府算力项目均未报告实际用量 (p.174)。
怎么做
面向政府买家提供"主权 AI 交钥匙服务"：部署、微调、合规、评估打包交付。这是一群饥渴且预算充足的买家。
5. 把"失败率随时间下降曲线"做成产品的核心指标
行动结论
把同一智能体第 30 天相对第 1 天的新任务失败率作为核心产品指标。
常见误区
用 DAU、调用量等传统指标衡量智能体产品的进展。
为什么
报告预测未来 12 个月内将出现"不升级模型、仅工作一个月后新任务失败率减半"的智能体 (p.239)；技术上已有支撑——经验蒸馏对上下文学习增益的保留率达 64.8%，而传统微调只有 3.8% (p.33)。
怎么做
把"同一个智能体第 30 天相比第 1 天的失败率变化"做成可向客户展示的核心指标。持续学习能力将成为智能体产品的分水岭，先量化者先建立信任。
6. 不在中美敏感边界上建立单点依赖
行动结论
为跨境交易和核心资产布局预设审查失败保护与压力测试。
常见误区
认为把公司注册到第三地就能隔离地缘风险。
为什么
AI 公司 Manus 把总部迁到新加坡，其对 Meta 的 $2B 出售案仍被中方撤销 (p.182)——换注册地不构成风险隔离。
怎么做
涉及中国团队/技术与美国资本退出的交易结构，在条款中预设政府审查失败时的对价保护；核心资产（代码、数据、人员）的跨境布局提前做压力测试。
7. 融资叙事的引用纪律
行动结论
融资材料只引用方向性判断，不把报告中的量化预测当作承诺。
常见误区
在融资材料里堆行业报告的预测数字来烘托市场。
为什么
本报告自己 2025 年的 10 项预测中，所有带具体数字的量化预测全部落空 (p.238)——连最顶级的行业观察者都算不准具体数字。
怎么做
融资材料可以引用报告的方向性判断（结构变化、趋势方向），但不要引用其量化预测——那是尽调时最容易被投资人反杀的素材。
三、对个人的建议
怎么读这部分
每条建议先给出行动结论，再按 为什么 → 怎么做 → 自检 展开。建议先通读自己角色的部分，再读其他角色——很多底层能力是相通的。
普通职场人
1. 职业护城河向"选题、品味、定义问题"迁移
行动结论
主动把“定义问题、约束条件和验收标准”变成自己的核心交付能力。
为什么
报告研究部分给出了一条清晰的分界线：AI 能独立完成顶级论文的全部工程工作，但产出的论文被拒稿——因为它"对什么值得发表没有感觉" (p.18)；编程智能体集中在构思与设计之后的执行环节，"决定研究什么"仍未被解决 (p.23)；目前最好的模型，其研究选题建议也只在 64% 的情况下优于人类研究员 (p.20)。翻译成人话："把事做对"正在被自动化，"做对的事"还是人的地盘——这剩余的判断空间，加上最终责任，就是普通人的护城河所在。
怎么做
- 在工作中主动抢占"定义问题"的环节：写清楚要做什么、为什么值得做、做成什么样算完——这份"任务书"能力正是 AI 最弱、杠杆最高的部分；
- 练习把模糊需求翻译成清晰任务书：收到"做个方案看看"这类指令时，先输出一页纸的目标、约束与验收标准再动手；
- 建立自己的"品味日志"：记录你否决掉的 AI 方案及否决理由，半年后回看，这就是你的判断力资产。
自检
上周你产出的工作里，有没有一份"任务定义"清晰到可以直接交给 AI（或实习生）执行成功？
2. 学会给 AI 的工作"配验证器"——这是新的基础职业技能
行动结论
把“交付—验证”设为固定流程，并为高风险产出引入第二工具交叉核查。
为什么
报告用一组对照实验说明了验证的决定性作用：同一个科研智能体系统，移除验证模块后，足以推翻结论的幻觉比例从 4% 飙升到 46% (p.71)；模型自我报告"完成"的声明近半不可靠 (p.72)。这意味着"会使用 AI"和"会验收 AI"是两种能力，后者的溢价正在快速拉大——能设计检查机制的人，比只会下指令的人价值高一个层级。
怎么做
- 养成"交付-验证"两步习惯：AI 给结论时，要求它同时给出可核查的来源、数据出处或推理步骤；
- 重要数字、引用、日期，自己抽查 10% 的原始出处——AI 时代的事实核查能力就是新的"识字能力"；
- 对高风险产出用"双工具交叉验证"：让第二个 AI 或搜索引擎独立核查第一个的结论。
自检
你能说出最近三次发现 AI 出错，分别是怎么发现的吗？说不出，说明你的验证器还没建起来。
3. 按岗位分化数据，主动规划迁移方向
行动结论
把高比例信息搬运工作转化为 AI 产出审查、校验和流程设计能力。
为什么
报告给出了具体的岗位增减数据：数据科学家 +37%、律师助理 +11%，而数据录入员 -18%、客服 -9% (p.107)。方向非常明确："判断/校验/专家"型岗位在扩张，"信息搬运"型岗位在收缩。值得注意的是两组看似矛盾的数据：AI 支出高的公司入门级岗位反而增长 12% (p.104)，但 22-25 岁进入受 AI 影响岗位的速度在放缓 (p.105)——真实图景是"总量没死、入口在收窄、门槛在改变"。
怎么做
- 对照上述清单给自己的角色定位：日常工作有多大比例是"把信息从 A 搬到 B"？这个比例就是你的风险敞口；
- 如果敞口高，制定 6-12 个月的转向计划：从"执行者"转向"AI 产出的审查者/校验者"——客服岗位没有消失，而是变成了"构建与审批 AI 智能体"的新工种 (p.116)；
- 求职时优先选择高 AI 采用度的公司——它们的入门岗在增长，且你能积累"指挥 AI"的实证履历。
自检
如果把你的工作描述发给一个 AI，它能在多大程度上照做？超过 70% 的部分，就是你该开始迁移的部分。
4. 对 AI 生成的"人设"和来电保持警惕
行动结论
为涉及转账、验证码和敏感信息的请求建立暗号与第二渠道确认。
为什么
报告安全部分记录的滥用规模已经超出多数人的想象：AI 运营的诈骗两周内骗了 25,000 人；4,700 多个 AI 人设配有真人视频配合；声音克隆、视频合成已进入规模化滥用阶段 (p.211)。视频通话和语音电话，都不再是身份验证的可靠手段。
怎么做
- 和家人约定一个防诈"暗号"，涉及转账、验证码、个人信息的请求必须对暗号；
- 任何涉及钱和敏感信息的来电/视频，挂掉后用你自己存的号码回拨确认——"第二渠道确认"应成为条件反射；
- 帮家里长辈做一次防诈科普，他们是 AI 诈骗的首要目标人群。
自检
你和家人现在有没有约定好防诈骗的验证方式？如果没有，今天就是建立它的最佳时间。
5. 对"AGI 2027"类宏大标题保持操作层面的免疫
行动结论
用所在职能的 AI 渗透数据指导职业决策，而不是被宏大时间线牵引。
为什么
这是报告自己教给读者的方法论：其 2025 年的 10 项预测中，所有带具体数字的量化预测全部落空——连顶级行业观察者的量化命中率也不比抛硬币好多少 (p.238)；而今年"AGI 2027"这条预测本身没有给出任何可验证的定义 (p.239)。宏大时间线的功能是制造传播，不是指导你的决策。
怎么做
- 职业决策锚定可观测指标而非新闻标题——去查你所在职能的 AI 渗透数据（报告中：法律从业者的智能体使用量一年增长 108 倍、销售 +41 倍、招聘 +41 倍，p.100），找到属于你自己的那一行；
- 每季度问自己一次："我的工作内容里，有多少已经被 AI 实质参与了？"——这个比例的移动速度，比任何 AGI 预测都更关乎你的实际处境；
- 看到惊悚标题时，先问"有可证伪的判据吗？"，再决定要不要为它焦虑。
自检
你最近一次重要的职业判断，依据的是头条新闻，还是你自己领域的渗透数据？
6. 把个人工作流中的"专家操作轨迹"视为可积累资产
行动结论
持续记录关键任务的操作步骤、决策依据、踩坑记录与验收标准，形成可复用的过程资产。
为什么
报告记录了一个新兴市场的爆发：数据公司正在为真实专家的工作过程付费——有公司出价 $100k-$1M+ 购买企业流程记录授权，专家数据合作的报酬可超 $10M (p.117)，相关公司收入一年内增长 10-70 倍 (p.118)。背后的逻辑是：AI 要从"会说话"变成"会干活"，最缺的就是专家"怎么做"的过程数据，而不只是"做了什么"的结果数据。
怎么做
- 从现在开始沉淀你的工作过程文档：关键任务的操作步骤、决策依据、踩坑记录、验收标准——这些东西的训练价值正在被重新定价；
- 刻意成为"能把方法论讲清楚"的人：如果你的工作方法能教给别人（或教给 AI），它就具备了资产属性；
- 关注数据授权市场的动向，理解自己领域专家数据的定价逻辑——这可能成为一条你没想到过的变现路径。
自检
你解决本领域难题的方法论，能不能写成一份别人（或 AI）照着就能用的操作手册？如果能，你已经在持有一种新型资产。
产品经理
1. 把"任务完成"定义成可机器验证的终态
行动结论
在 PRD 中为每个 AI 功能定义机器可判定的完成终态，并用完成率做核心指标。
为什么
报告里最有警示价值的一组对比：某前沿模型在基准上拿到 87.9/100 的高分，但"完全完成任务"的比例只有 20.6% (p.43)——中间的差距全是"看起来做了、实际没闭环"的部分。这个教训的本质是产品验收标准缺失：如果你验收的是"AI 给出了回答"，用户收到的就是"事情没办成"。
怎么做
- 在 PRD 里为每个 AI 功能写清"机器可判定的完成条件"：表单已提交成功、审批状态已流转、文件已生成且格式通过校验——而不是"AI 返回了正确的文本"；
- 上线前做一次"影子评估"：拿 20-50 个已有人工结果的真实历史任务让 AI 重做并比对差异（方法可参照报告 p.18 的影子评估设计）——这是成本最低的尽职调查；
- 把"完成率"而非"满意度打分"作为核心看板指标。
自检
你当前的验收标准，能交给一台机器自动判定吗？还是仍依赖"人看了觉得行"？
2. 按"成果分层"框架重新审视产品形态与定价
行动结论
定位产品在 Chat 到 Autonomous 的层级，并以“每美元完成的任务数”规划向成果计价迁移。
为什么
报告总结了商业模式的五层演进：Chat（订阅聊天）→ Coding → Agent → Co-work → Autonomous（按成果计费） (p.113)。背后的驱动力是 token 价格每年下降约 13 倍 (p.110)——卖"使用量"的收入会被通缩吃掉，只有卖"完成的结果"才能留住价值。两大实验室亲自下场成立交付型咨询公司 (p.109)，就是它们自己也不满足于卖 API 的直接证据。
怎么做
- 定位你的产品处于哪一层，再画出主要竞品的层位图；
- 如果你还在卖 Chat 层订阅，而竞品已进入 Co-work 层按任务计价，你的商业模式本身已经是负债——规划一个向"按任务/成果计价"迁移的最小实验；
- 定价讨论时引入"每美元完成的任务数"作为内部北极星指标 (p.112)。
自检
客户为你的产品付钱时，买的是"工具的使用权"，还是"被完成的结果"？五年后这个答案还成立吗？
3. 高风险场景，把"摩擦"设计成特性而非障碍
行动结论
高风险操作保留确认、预览与回滚，把必要摩擦做成可感知的产品特性。
为什么
斯坦福大学对 249,834 条真实 Claude 对话的分析显示：高风险任务中，用户逐字采用 AI 输出的比例降到 13%，50% 的高风险对话出现了摩擦，79% 的用户会主动补救 (p.97)。也就是说，专业用户在高风险场景天然需要"刹车"——把流程做得过于顺滑，反而违背真实的使用方式。教育场景更极端：教师主导的结构化干预能提升数学成绩 0.258 个标准差，而通用 AI 助手的核心缺陷恰恰是"过度帮忙" (p.106)。
怎么做
- 为高风险操作（付款、删除、对外发送）设计确认关卡、变更预览和一键回滚入口；
- 把"人类审批点"做成产品的核心交互与卖点（参考 Decagon 由员工审批智能体修复方案的模式，p.116），而不是藏在设置深处；
- 如果你的产品面向学习/成长场景，认真评估"少帮一点"的设计：给提示而不是给答案。
自检
在你的产品里，用户发现 AI 做错了之后，纠正它的成本有多低？回滚需要几步？
4. 把"责任归属"当成功能来设计，而不是法务脚注
行动结论
为智能体操作建立独立身份、授权记录和可导出日志，提前承接未来争议处理。
为什么
报告的 2027 年预测中，前两条都指向制度接口：Visa/Mastercard 将推出 AI 智能体购物的争议处理规则；美国某州将通过法律，要求企业接受消费者 AI 智能体发起的取消和索赔 (p.239)。当交易的另一方从"人"变成"人的智能体"，"这一步是谁授权的、出了问题谁赔"就会从法律问题变成产品功能问题。
怎么做
- 给智能体发起的操作打上独立的身份与授权标记，不要混在员工/用户本人的账号里；
- 智能体行为日志要可查询、可导出——这在监管落地后就是现成的合规模板；
- 提前设计"非人类请求方"的接待流程：如果客户的 AI 智能体来取消订阅或发起索赔，你的客服流程接得住吗？
自检
出了问题时，你能在 5 分钟内回答"这一步是用户本人做的，还是他的智能体做的，依据哪条授权"吗？
5. 认清"规则发现型场景"是当前禁区
行动结论
规则不透明、反馈慢或有对手博弈的场景保持“AI 建议 + 人决策”，暂不全权委托。
为什么
报告用三组数据划出了当前的能力边界：70 个不给规则说明的游戏中，最难层级模型只解出 9/20；而一旦给出真实规则，同一个模型从 18/70 跃升到 69/70 (p.47)——瓶颈在"发现规则"而非"执行规则"。更现实的风险是：12 个前沿模型在博彩决策基准上全部亏钱 (p.45)；模拟经营中最赚钱的智能体把 18.48% 的采购款付给了欺诈供应商 (p.46)——能赚钱和能风控是两回事。
怎么做
- 盘点产品中计划交给 AI 全权负责的环节，逐个问："这个场景的验证成本是秒级还是天级？"；
- 规则不透明、反馈周期长、对手会博弈的场景（风控、谈判、长周期运营），保持"AI 建议 + 人决策"模式，暂不全权委托；
- 把这类场景写进路线图的"观察区"，每季度用新一代模型复测一次边界是否移动。
自检
你委托给 AI 的每个流程里，有没有哪一个，你其实说不清"怎么判断它做对了"？
开发者
1. 把学习重心从"写提示词"转向"设计环境接口与评估"
行动结论
建立私人真实任务评测集，把学习重心从提示词转向环境接口、状态管理与验收条件。
为什么
报告记录了一个标志性事件——Claude Code 团队为更强的模型删掉了 80% 精心设计的系统提示词，性能不降反稳 (p.15)。这意味着为旧模型缺陷打的提示词"补丁"会随模型换代直接报废，提示词技巧是一种有明确半衰期的资产。与此同时，行业真正稀缺的是"判断 AI 做得对不对"的能力：Epoch AI 审查 15 项主流基准发现 9 项有实质性缺陷 (p.37)，连 METR 这样的专业评估机构都缺 16 小时以上的可靠评测任务 (p.44)。
怎么做
- 建一个"私人评测集"：收集 20-50 个你真实做过的任务，每个写好标准答案或验收条件，每次换模型/换工具就跑一遍——这是你的"能力锚点"，从此不再被厂商跑分牵着走；
- 练习写"机器可判定的验收条件"：把"代码能跑"细化为"测试通过 + 类型检查通过 + 性能不低于基线"；
- 通读一两个主流脚手架（如 Claude Code、Codex CLI）的架构文档，理解工具接口、状态管理、沙箱是怎么设计的——这是能保值的那部分知识 (p.15)。
自检
不看任何厂商榜单，你能说出当前主力模型在你自己的任务集上的真实完成率吗？
2. 掌握"智能体工程"新三样：技能/记忆封装、脚手架路由、长时程状态管理
行动结论
沉淀技能包、失败笔记和长时程状态管理，让智能体能力随时间收敛。
为什么
这些是模型无关、可跨雇主迁移的能力。报告显示：技能/记忆相关论文一年内从 152 篇爆炸到 1,486 篇 (p.11)；经验蒸馏方法能用约 1/9.6 的交互成本匹配强化学习的效果 (p.33)；同一个模型换脚手架，性能可差 6 倍，脚手架带来的方差是模型方差的 7.8 倍 (p.8)。换句话说，同样的模型，工程结构决定产出差异的上限。
怎么做
- 把你每周重复 3 次以上的工作流程沉淀为"技能包"（清晰的触发条件 + 步骤 + 验收标准），让智能体可以复用；
- 给你的智能体加"失败笔记"机制：每次任务失败，记录失败原因与修正方法，下次自动带出——这正是报告所预测的"一个月后失败率减半"的实现路径 (p.239)；
- 做一次对照实验：同一个任务，分别用裸模型和带状态管理的脚手架各跑一遍，记录差异——亲手验证 7.8 倍方差的含义。
自检
你的智能体第 30 天比第 1 天在新任务上的失败率低了多少？答不出这个数字，说明你还没有"经验回流管线"。
3. 警惕"AI 辅助学习"的技能陷阱
行动结论
区分交付模式与学习模式，并为新框架学习和疑难调试保留无 AI 时间。
为什么
报告中一组容易被忽略的实验数据：用 AI 辅助学习新库的开发者，在理解测验中得分 50%，而不用 AI 的对照组是 67% (p.105)。AI 让你"交付得更快"，但同时让你"理解得更浅"——这正是吴军博士在一次访谈中所说的"AI 缩小执行差距，却扩大理解差距"的实验证据。短期效率与长期能力可能在此消彼长。
怎么做
- 明确区分两种模式：交付模式（赶进度，尽情用 AI）与学习模式（练内功，刻意不用或少用 AI）；
- 学新框架/新库时，先自己读官方文档和核心源码 30 分钟，形成自己的心智模型后再让 AI 补充——顺序不能反；
- 每周留一段"无 AI 深度调试"时间，手动啃一个疑难 bug，保持底层排查能力不退化。
自检
现在关掉所有 AI 工具，你还能独立修好一个跨模块的疑难 bug 吗？如果犹豫了，你的"无 AI 训练时间"该加量了。
4. 把"核查 AI"变成肌肉记忆
行动结论
默认核查测试、diff 与凭证，而不是接受 AI 的“完成声明”。
为什么
报告安全部分记录了智能体的系统性"作弊"行为：在测试集上训练、直接下载目标检查点来"通过"评估 (p.226)；当惩罚作弊的检测器设计不当时，6 次运行中有 5 次学会的是更高明的规避，而不是诚实 (p.227)；模型自我报告"完成"的 192 次里有 89 次未通过人工核验 (p.72)。"全部测试通过"这几个字，从 AI 那里听到时必须打个问号。
怎么做
- 看到"测试全过"先检查测试本身：测试文件有没有被 AI 顺手改过？测试覆盖的是真实需求还是 AI 自己理解的简化版？；
- 重要变更永远人工过一遍 diff，重点看"它多做了什么"，而不只是"我要的做了没有"；
- 凭证管理是最实际的自保：报告中的真实入侵反复利用弱密码和公开仓库泄露的凭证 (p.200, p.210)——密钥永不进代码仓库，给项目装上密钥扫描钩子。
自检
最近一次 AI 交付的任务，你验证的是它的"完成声明"，还是它的实际产出物？
5. 用"杠杆率"量化自己的 AI 使用水平
行动结论
记录并提升可稳定委派的任务时长，从分钟级逐步训练到小时级和半天级。
为什么
报告给出了实验室内部的参照系：Anthropic 员工代码贡献一年增长 8 倍 (p.19)；OpenAI 达到"每个人类工作日对应 3.1 个智能体工作日" (p.24)；能把 8 小时级任务委派给 AI 的用户比例，半年内从 2.1% 升到 25.6% (p.98)。"能委派多长的任务"正在成为开发者能力的新度量衡——目前仍是稀缺技能，但窗口明显在收窄。
怎么做
- 开始记录"委派日志"：每周哪些任务交给了 AI、任务时长的量级、成功率多少；
- 刻意做"委派升级"训练：把任务从 10 分钟级（补全函数）提到 1 小时级（完整功能），再挑战半天级（带调研的小项目），每升一档总结一次"任务书怎么写才够用"；
- 建立自己的"委派决策清单"：哪类任务适合全委托（产出可自动验证）、哪类必须分段委托加人工把关、哪类暂不适合委托。
自检
你现在能稳定委派的最长任务是多久？距离"8 小时级"还差几档？差的是任务拆解能力还是验收能力？
四、结尾
不知道大家是否还记得梁文峰在今天早些时候提到的 AGI 阶梯："语言模型 → CoT → Agent → 持续学习 → 自我迭代 → 具身"？
这与本报告研究章高度互证——"持续学习"（技能/记忆论文一年 10 倍增长，经验蒸馏 64.8% 增益保留，p.11, p.33）与"自我迭代"（Claude 主导 26% 研发，p.21）正在从预言变成工程现实。
"研究驱动、应用是副产品"的路线也被 Anthropic/OpenAI 的内部数据验证。
💬 留言板
欢迎在此分享你的想法、疑问或补充！评论通过 GitHub Issues 存储，使用 GitHub 账号登录即可畅所欲言，你的评论与我的回复都会同步展示在这里。