十二位作者，十二条要点，最后一条是"这份报告在你读到的时候就已经过时了"。斯坦福 AI100 的 2026 年报告《AI Goes Mainstream: The Scaling Era and the Rise of Generative AI》在 2026 年 11 月发布，把过去五年归成一个"规模时代"（scaling era），然后在结论里主动承认时效性，这种自我限定在一份 127 页的机构报告里并不常见。

作者名单是 Michael Wooldridge、Peter Asaro、Lucie Flek、Iryna Gurevych、Sara Hooker、Gina Neff、Peter Norvig、Raymond Perrault、Iyad Rahwan、Samantha Shorey、Toby Walsh、Luke Zettlemoyer。报告全文可在线按节阅读，也提供 127 页的整本 PDF（7,175,210 字节）；许可为 CC BY-ND 4.0。

报告把过去五年的进步归结为规模化：用前所未有的算力和数据训练模型。但第一条要点紧接着说，这条路正撞上两堵墙：高质量、大体积的新数据越来越稀缺，前沿模型的算力成本高到难以承受。报告预期的下一阶段，"less by repeated training of ever larger models and more by smarter algorithms"，也就是更聪明的算法、更少重建的较小模型，配上正确的上下文与记忆、推理时给更多思考时间、针对性的专项训练，以及能处理复杂孤立任务的工具或智能体。

这是整份报告里最实用的一句判断：如果你还在按"模型越大越强"做技术选型，方向可能要改。

第三条要点提到 2024 年诺贝尔物理学奖与化学奖都与 AI 相关。报告说 AI 正把过去以年计的研究周期压到月甚至周，并预言十年内"AI 驱动的实验室"会成为各学科的常态。同时它提出一个没解决的问题：机器生成的发现需要一套有原则的方法去验证；"人在回路里要保留到什么程度"，报告自己标为开放问题。

第二条要点讲的是同一件事的另一面：AI 已经改造创意产业、数学与软件开发，而这三个领域原本都认为自己不会被波及。报告把这比作万维网当年的冲击。

第四条要点是本轮投资：规模与速度超过以往任何一次投资潮，托住美国经济的一部分、主导资本市场、也推高了对泡沫的担忧，同时给能源与淡水供应造成压力。报告点名数据中心建设在多国引发反弹，并提到英伟达在这轮投资里的位置。

第五条要点讲集中度：前沿开发集中在少数美国与中国机构手里，于是"谁来拥有这项技术"变成国际问题。这两条合起来是同一个结构：资本与算力越集中，政策空间越小。

第六条说网络安全已成为 AI 被滥用的主要风险面，也是强 AI 可能造成现实伤害的领域。报告期内，AI 系统既展示出找出代码漏洞的能力，也展示出用一组智能体实施攻击的能力。

第七条更直接：军事 AI 已经从假想变成实战中的变革力量，实战中已出现 lethal weapons 的目标决策没有人类在回路里的情况，报告说这需要新的交战规则。

第八条讲证据：AI 生成的图像、音频、视频，终结了"照片与录音天然可信"这个延续百年的假设。

第九条是政治性的：AI 正在改变数十亿人的生活，但公众对怎么开发、怎么部署几乎没有话语权。报告说自 2021 年上一份报告以来，公众对能力与失误都有了感知，对就业、环境、教育、关键基础设施安全的担忧在上升。

第十一条说治理：国际层面的规则缺乏方向，且越来越被装进"国家安全"的框架，各国之间缺少共识，一些地区的监管机构被重新命名、归入安全叙事。

报告的骨架是自 2016 年就沿用的 12 个"常设问题"（Standing Questions），从"最重要的进展是什么""最鼓舞人的大挑战是什么"，到"公众态度如何演变""政府应当怎么行动"" academia 与产业的角色如何变化""最紧迫的危险是什么"。每份新报告都按同一组问题重答一遍，这样跨年份可以对照。

2026 年这版另加两条深挖：一条讲 AI 地缘政治的成形，一条讲规模时代本身。最后还有一节"五年之后：2021 年小组的判断落在了哪里"，逐条回看上一届的预测。

报告页写明：The AI100 2026 Study Panel Report by Stanford University is licensed under Attribution-NoDerivatives 4.0 International. 也就是 CC BY-ND 4.0：可以复制与再分发，须署名，但不得发布改编版本。这里只做摘述与短句引用，不翻译整段、不发布中文全译、不改写原文成另一个版本。

引用写法：Wooldridge, Michael; Asaro, Peter; Flek, Lucie; Gurevych, Iryna; Hooker, Sara; Neff, Gina; Norvig, Peter; Perrault, Raymond; Rahwan, Iyad; Shorey, Samantha; Walsh, Toby; Zettlemoyer, Luke (2026). AI Goes Mainstream: The Scaling Era and the Rise of Generative AI. The One Hundred Year Study on Artificial Intelligence (AI100) 2026 Study Panel Report. Stanford University, November 2026.

十二条要点的原文标题、12 个常设问题的清单、两条深挖与"五年之后"那一节的入口、以及整本 PDF 的地址都在下面，回复就能看到。