Stanford AI Index 2026 + PwC 報告：AI 收益有 75% 被 20% 公司拿走了

這週有兩份報告被很多人引用，但很少人把它們放一起看。

Stanford HAI 的 AI Index 2026 在 4 月 13 日左右發布，和幾乎同一時間的 PwC 2026 AI Performance Study 對應。前者是每年一度的 AI 行業體檢，後者是對 25 個行業、1,217 位高層管理者的問卷調研。

兩份報告立場不同、方法不同、結論也都有各自複雜的細節。但把它們的核心數字擺出來，會看到一個同方向的訊號：AI 的經濟收益集中度，高於這個產業之前任何一個時期。

PwC 的核心數字

PwC 的研究 有三個值得記住的數字：

1. 74%：前 20% 企業（PwC 稱為「leaders」）拿走了 AI 帶來的 74% 經濟收益
2. 7.2 倍：leaders 在 AI 相關的營收增長和效率提升上，比平均水準高 7.2 倍
3. 1,217：這個統計基於 1,217 位總監級以上、跨 25 個行業、多地區的高管問卷

PwC 把這個差距歸因到 策略思維，不只是技術採用。Leaders 的做法是把 AI 當成「業務重塑的催化劑」，而不是「提升效率的工具」。他們不是買了更多 Copilot seat，而是重新設計產品線、跨產業擴張、把 AI 作為組織重構的槓桿。

Laggards 的做法往往停在「讓原本的流程更快一點」。這件事聽起來合情合理，但它對收益的貢獻是線性的。leaders 靠的是非線性重構。

Stanford AI Index 2026 補的另一層圖

PwC 講企業分化。Stanford AI Index 2026 講的是國家與能力分化。幾個值得寫下來的點：

• 中國已經追平美國在 frontier 模型上的領先。Sherwood 的整理 寫得很直接：美國的能力領先幾乎消失了
• 模型能力在加速。頂級模型（Opus 4.6、Gemini 3.1 Pro 等）在過去一年裡，在最困難的 benchmark 上突破 50% 準確率
• 信任差距在擴大。eWeek 的報導 的重點是：公眾對 AI 的擔憂速度，超過了 AI 能力演進的速度
• MIT Technology Review 指出的節奏變化：4 月 13 日發表的解讀 說，demo 和生產之間的差距在擴大，早期 PoC 的華麗結果正在被運營現實修正

把 PwC 的企業分化和 Stanford 的國家分化一起看，圖是這樣的：少數國家訓出最強模型 → 少數企業真正有能力把它變成產品收益 → 大多數行業和大多數公司都在同一條落後曲線上。

這個集中度有多不正常？

過去 20 年主要技術浪潮的企業收益分配大致長這樣：

浪潮	前 20% 企業收益占比（粗估）
網際網路（1998–2005）	約 50%
雲端計算（2008–2015）	約 60%
行動網際網路（2010–2018）	約 55%
AI（2024–2026，PwC 實測）	74%

數字有噪音，但方向很清楚：AI 的贏家通吃效應比之前的技術都更強。

為什麼？我覺得有三個結構性原因：

第一，AI 部署需要同時具備數據、算力、人才、流程改造能力。 這四樣同時有的公司非常少。過去的技術浪潮只需要部分條件就能吃到紅利，AI 不行。

第二，模型的 switching cost 比想像中更高。 一家公司把流程重新設計進 Claude 或 GPT 之後，換到另一個模型需要重新做評估、重新調 prompt、重新培訓員工、重新做安全審計。大部分公司做不到，於是繼續用第一個選的那個。

第三，數據的 compounding。 Leaders 拿到早期 AI 收益之後，會用這些錢建更好的數據基礎設施、招更貴的人才、買更多算力，然後產生更好的 AI 產品。這是一個典型的正反饋循環。

對不同角色的含義

如果你在一家 leader 類企業：你看到的 AI 其實比市場平均好得多。要小心不要把自己的感覺外推成「行業普遍水準」。和同行聊一下會發現很多人還停在「我們剛部署了 Copilot」階段。

如果你在一家 laggard 類企業：PwC 的報告對你是個警訊。單純買 AI 工具不解決問題，真正的阻力在組織設計和流程重構上。這件事比「AI 不夠好」更難解決。

如果你是 investor 或 policy maker：這個集中度會產生兩個副作用，反壟斷壓力和勞動市場分化。這兩件事都還沒有成熟的政策工具可以處理。

如果你是 個人開發者 / 自由職業者：上面這整個集中度討論，在你這個 scale 上幾乎是 N/A。你的 AI 工具使用效率和一家 $100B 公司一樣高。這是整個 AI 時代少數幾個真正民主化的面向。

接下來幾個月值得追蹤的

1. 中國的 AI 落地率。Stanford 的報告講「能力追平」，但實際的企業採用率是另一個故事。如果中國企業的落地率也開始追上，全球格局會真的變化
2. PwC 「laggards」這個群體的回暖速度。從 PwC 的歷史數據看，技術浪潮的落後者通常需要 3–5 年才能補上。AI 這次會不會更快或更慢還不清楚
3. 政策端的反應。74% 的經濟收益被 20% 公司拿走，如果這個數字再往上走，反壟斷監管大概率會啟動。歐盟會先動，美國會視大選結果而定
4. 開源工具能不能縮短鴻溝。GLM-5.1 和 Gemma 4 Apache 2.0 這一週的動作，理論上降低了 laggard 的採用成本。但真正的瓶頸在組織而不是模型，這些工具能不能解決真正的問題還要觀察

這兩份報告加起來其實在講一個不舒服的事實：AI 沒有讓市場更平，反而讓它更斜。但我不確定這是過渡狀態還是長期平衡。歷史上技術浪潮的集中度會隨時間下降，但 AI 有沒有這個回歸機制，目前還看不清楚。