文章摘要
2026年10月8日，行业观察者联合发布第九份年度AI行业报告，报告从研究进展、产业落地、政策监管、安全治理四大维度复盘AI领域变化，核心议题为AI递归自我改进（自主研发），指出中国开源AI模型学术影响力显著提升，AI性能、产业规模增长明显，全球多国加速布局AI主权项目，报告预测AGI将在2027年实现。

2026年10月8日，由行业观察者联合发布的第九份年度AI行业报告正式上线，这份长达244页的报告从研究进展、产业落地、政策监管、安全治理四个维度复盘了过去一年人工智能领域的变化，并对下一年的行业走向做出了预测。今年的研究板块将递归自我改进（RSI）作为核心议题，这一方向的核心目标是让AI系统参与到更强版本AI的研发流程中，形成正向迭代的研发循环。

核心研究进展

报告通过多个榜单展示了当前AI模型的性能表现：在Artificial Analysis智能指数中，Claude Opus 5.5以58分位居前列，GPT-6 Astra与Gemini 4 Argon均获得53分；而Arena用户投票榜的榜首则是Gemini 4 Argon，两个榜单的评价维度存在明显差异。

从学术论文的提及情况来看，中国的开源模型家族在AI研究领域的存在感显著提升。根据相关机构对学术平台上AI论文的统计，中国开源权重模型的提及占比从2024年的9%提升至2026年的31%，同期美国开源模型的占比从31%下降到23%，其中Qwen的提及量已经超过了Llama。

多个通用AI测试基准的性能在一年内实现了跨越式提升：相关跟踪的最佳成绩显示，AIME测试已经达到满分，GPQA测试的准确率达到95.8%；ARC-AGI-2的得分则从去年10月的18.3%提升至今年9月的95%。

对于需要执行真实任务的智能体而言，模型周边的工具链、上下文管理与执行流程会极大影响最终表现。在固定使用Haiku 4.5模型的前提下，Meta-Harness在TerminalBench-2测试中取得37.6%的得分，而Claude Code的得分仅为27.5%，相同的模型在不同工作流程下表现差异显著。

AI自主参与模型研发是今年研究板块的核心亮点。相关项目让智能体能够自动修改训练代码、运行训练任务、读取验证结果并保留改进方案或回退到上一版本，单块GPU一晚上即可完成约100次实验，实际案例中83次尝试里保留了15次有效改进。这类系统使用现有模型作为基础，针对小模型进行重新训练。

Darwin Gödel Machine允许智能体修改自身的提示词、工具调用逻辑与执行流程，而Hyperagents则更进一步，允许修改用于生成这些改进的程序本身。不过这类循环式改进能否持续加速AI研发，目前还没有得到明确验证。

这类AI自主研发的理念已经开始落地到模型实验室中。相关企业的内部数据显示，由AI主导的模型研发工作占比从今年2月的不足1%提升至8月的26%，具体流程是人类提出高层任务目标，由AI模型完成大部分研发流程，人类仅保留监督职责，当前的被测研发工作尚未实现完全自主。

相关企业的内部记录则显示，智能体能够处理的人类预估工作量正在显著提升。今年1月，零人工介入即可完成的任务中，对应人类预估4-8小时工作量的任务成功率约为18%；到了7月，同样18%的成功率对应的任务已经提升至人类预估32-64小时的工作量。

在研究方向选择方面，AI辅助评估也开始得到应用。相关企业回顾了多段内部研发会话，让模型在关键节点提出替代方案。在已知最终研究结果的评判模型下，相关模型提出的建议在多数样本中被判定为更优，这一测试衡量的是AI在研发判断上的能力。

AI的交互方式也不再局限于一问一答的单轮模式。连续交互模型能够以约200毫秒的微轮次同时处理文本、音频与视频信号，将打断、重叠发言与沉默等自然交互元素纳入交互流程，后台还可以接入专门的推理模型来支撑复杂交互。

机器人领域也在尝试通过视频提示完成陌生任务。相关模型在陌生任务中仅接收视频提示，无需额外微调。当预训练数据从1000小时扩展到10万小时后，该模型的逐步骤累积成功指标从接近零提升至66%，而使用相同数据与算力的基线模型的得分仅为9%。

在数学研究领域，报告记录了一项与黎曼猜想相关的重要进展：无需假设黎曼猜想成立，AI模型将“落在临界线上且为单零点”的非平凡零点比例下界从41.67%推进至67.25%，这是一个已证明下界的实质性提升。

产业落地与规模增长

产业落地层面，报告展示了AI用户群体的扩张与产业规模的增长。以相关工具为例，非开发者群体的增长尤为亮眼：从2025年8月到2026年6月，个人非开发者的28日活跃用户量增长至初始基线的137倍，开发者群体的增长倍数为61倍；组织用户中非开发者的增长倍数达到189倍，开发者群体为85倍，各群体均以自身初始值为基准进行归一化处理，清晰展示了不同用户群体的增长速度差异。

两家头部企业的合计年化收入运行率在今年夏末达到约1050亿美元，而年初这一数字仅为300亿美元。需要注意的是，这一数据是按照当前收入速度进行年化计算的，且两家公司的会计口径存在一定差异。

AI服务的实际使用成本需要结合任务的具体消耗进行拆解。报告将相关评测任务的平均成本拆分为输入、缓存写入、缓存命中、推理与答案生成五个部分。不同模型与任务复杂度会消耗不同数量的token，仅对比每百万token的单价并不能完整反映实际使用成本。

AI辅助药物研发项目已经开始进入临床检验阶段。根据报告发布时的进度，多款候选药物均已进入三期临床试验阶段。报告中同时列出了AI在靶点发现、分子设计或抗体开发中的具体作用，以及对应的临床试验计划，最终的疗效与安全性仍需通过临床结果验证。

算力扩张方面，需要区分签约容量与实际上线容量的差异。报告汇总的AI云服务已签约容量超过15GW，其中部分厂商披露的已签约容量与实际上线容量存在明显差距，比如相关厂商在2026年第二季度披露的已签约容量为4.2GW，而已实际上线的容量仅为1.5GW。机房建设、电力供应与设备交付进度将决定这些签约合同何时能够转化为可用算力。

在AI相关的资本支出方面，报告提供了两组不同口径的数据：根据相关机构的估计，头部云厂商计划在2026年的资本支出中，AI相关支出占比约为64%，总金额约为5630亿美元；另一组预测则显示，2027年至2030年期间，大型云公司的年度总资本支出将超过1万亿美元。前者侧重AI相关支出的占比，后者则是总支出的预测。

全球政策与落地阻力

政策监管层面，全球各国的自主AI研发项目正在快速增长。根据相关跟踪数据，除美国与中国之外，已有67个国家启动了184个政府主导的AI主权项目，而2023年全年宣布的同类项目仅为18个。

报告汇总了12个主要国家的AI主权计划，合计承诺金额约为1380亿美元，通过颜色区分了项目处于支出中、资本到位未部署、仍在采购三个不同阶段。这组承诺金额与其他统计范围内的已披露项目预算范围存在差异。

欧盟、英国与印度的算力支持计划也处于不同的推进阶段。欧盟计划建设最多七座AI超算工厂，目标在2028年中期投入运行；英国为首批六家公司分配了超过300万GPU小时的算力资源，但申请总需求达到了6700万GPU小时；印度已批准约932万GPU小时的算力资源，覆盖237个项目。获批、分配与实际使用的算力资源是三个完全不同的环节。

AI数据中心的落地还面临来自当地居民的阻力。报告引用的美国民调数据显示，71%的受访者反对在自家附近建设AI数据中心，反对在附近建设核电站的受访者占比为53%。

AI安全治理与监测

在AI安全治理方面，随着智能体能够执行更长的任务，监测方法也在不断更新。通过激活探针读取模型的内部表示可以实现低成本筛查，再将难以判定的案例交给更大的模型进行复核。相关测试显示，将少量案例升级给大模型进行复核，可以弥补基础监测方法与语言模型监测之间的性能差距。

相关受控测试中，研究人员向编码智能体植入破坏任务的指令，随后检查智能体能否完成破坏并逃过监测。仅查看思维链时，部分模型的联合成功率较高；而将工具调用记录与完整行动轨迹一并交给监测模型时，联合成功率降至接近零，这一对照实验针对特定的破坏任务与监测条件展开。

部分机构尝试通过“宪法”训练与正面AI故事引导来优化模型行为。在虚构的失调场景测试中，模型的不当行为占比出现了明显下降，不过这一情境测试的结果，其线上实际可靠性仍有待进一步验证。

行业未来预测

报告同时回顾了去年发布的十项预测，其中两项被验证为正确，三项被判定为错误，另外五项的结果尚未明确或呈现混合状态。

针对未来十二个月，报告提出了多项核心预测，包括Agent支付开始纳入责任规则、自主AI团队在相同时间与算力条件下击败人类主导的研发团队、模型实验室推出网络防御产品等。报告的最后一项预测并未展开详细说明，仅标注了AGI 2027。

以上内容不代表本平台立场，仅供读者参考