В феврале 2025 года китайская DeepSeek-R1 ненадолго сравнялась с американской моделью, а по состоянию на март 2026 года лучшая модель Anthropic опережает её всего на 2,7%. При технологическом паритете экономические стратегии стран кардинально различаются. США лидируют по инвестициям в ИИ, которые достигли $285,9 млрд частных вложений — в 23 раза больше китайских $12,4 млрд. Кроме того, в Америке создано 50 моделей, тогда как в Китае — 30.
Однако китайская экосистема сильнее в фундаментальной науке и масштабировании: страна лидирует по числу публикаций, цитирований, патентов и установке промышленных роботов. При этом авторы доклада подчёркивают, что частные цифры не отражают полной картины — китайские госкомпании вложили в ИИ около $184 млрд.
США сохраняют подавляющее преимущество в вычислительной инфраструктуре для развертывания ИИ.
В стране работают 5 427 центров обработки данных — более чем в 10 раз больше, чем у любой другой страны. Однако почти все ведущие чипы производит один завод TSMC на Тайване. Это создаёт критическую зависимость, которую авторы доклада называют главным «узким горлышком» отрасли.
Генеративный ИИ охватил 53% мирового населения всего за три года — быстрее, чем это удалось персональному компьютеру или интернету. Однако уровень внедрения сильно различается по странам: Сингапур лидирует с показателем 61%, тогда как США занимают лишь 24-е место (28,3%). При этом 88% организаций уже интегрировали ИИ в рабочие процессы, а 80% студентов вузов регулярно пользуются нейросетями.
Бесплатные ИИ-инструменты экономят американским потребителям время и деньги — в денежном выражении эта выгода оценивается в $172 млрд в год.
Доклад фиксирует парадокс — исследователи называют его «рваным интеллектом». Модели получают золотые медали на Международной математической олимпиаде и достигают уровня человека в задачах для PhD, но лучший ИИ правильно определяет время по аналоговым часам лишь в 50,1% случаев — все равно, что подбрасывает монетку. ИИ-агенты за год подняли успешность с 12% до 66% в реальных компьютерных задачах, но всё равно терпят неудачу в каждой третьей попытке. Роботы же проваливают 88% бытовых поручений.
Индекс прозрачности ведущих моделей упал с 58 до 40 баллов — компании перестали раскрывать данные об обучении, объёмах параметров и коде. Число задокументированных инцидентов с ИИ выросло до 362. Исследователи обнаружили проблему «компромисса»: улучшение одного аспекта часто ухудшает другой, например, увеличение безопасности идет в ущерб точности. При этом модели до сих пор путают знание с верой. Их точность падает с 98% до 64%, если одно и то же ложное утверждение подается не как «мнение другого человека», а как непреложный факт.
Вопреки ожиданиям массовой автоматизации, рынок труда меняется избирательно. Под давлением внедрения ИИ занятость среди младших разработчиков (22–25 лет) упала почти на 20%, тогда как спрос на опытных специалистов продолжает расти.
Приток иностранных ИИ-талантов в США сократился на 89% с 2017 года (на 80% только за последний год). При этом 73% экспертов ожидают позитивного влияния ИИ на работу, но среди широкой публики так считают лишь 23%.
Главный вывод доклада: ИИ развивается быстрее, чем системы, созданные для его измерения, регулирования и безопасного внедрения. Технология достигла массового принятия рекордными темпами, но учебные заведения не успели разработать понятные правила (лишь 6% учителей считают их чёткими), регуляторы спорят о подходах (ЕС ужесточает, США дерегулируют), а рынок труда только начинает адаптироваться. Как резюмируют авторы, «разрыв между тем, что ИИ может делать, и тем, насколько мы готовы этим управлять, отражен в каждой главе отчёта».
