全球過半人口用生成式 AI，美國採用率卻只排第 24 — 史丹佛報告揭開採用矛盾

本文整理自史丹佛以人為本人工智慧研究中心（Stanford HAI）2026 年 4 月發布的第九屆 AI Index 年度報告。

---

如果只看一個數字來理解生成式 AI 的擴散速度，那就是這個：53%。全球超過一半的人口在三年內開始使用生成式 AI。這個速度超越了個人電腦，超越了網際網路，也超越了智慧型手機。

回顧過去的科技擴散史，個人電腦花了大約十年才達到全球 50% 的家庭滲透率，網際網路花了約七年，智慧型手機花了大約五年。生成式 AI 只用了三年。部分原因是它站在前幾波科技擴散的肩膀上：智慧型手機已經普及，網路基礎設施已經到位，使用者只需要打開瀏覽器或下載一個 App 就能開始用。進入門檻幾乎為零。

但這個 53% 的全球平均數字背後，藏著一個巨大的矛盾。

開發第一、採用第 24：美國的奇特錯位

美國在 AI 開發上的主導地位毫無疑問。2025 年美國企業的 AI 投資達到 2,859 億美元，是第二名中國的 23 倍。全球超過九成的頂級 AI 模型出自美國企業。從 OpenAI 到 Anthropic 到 Google DeepMind，最前沿的模型研發幾乎都發生在美國。但換一個指標來看，「一般民眾實際使用 AI 的比例」，美國只有 28.3%，全球排名第 24。

這個數字第一眼看起來不太合理。做出最好模型的國家，用的人卻不到三成？但報告提供了更多數據來解釋這個落差。美國企業端的 AI 採用率高達 88%，在全球名列前茅。問題出在企業和一般民眾之間的巨大鴻溝：企業 88%、民眾 28.3%，這是所有主要經濟體中最大的落差。企業在用，但一般人沒跟上。

對照之下，亞洲的數字截然不同。印尼的職場 AI 採用率高達 92%，是全球最高。新加坡和阿聯酋的人口級 AI 使用率分別達到 60.9% 和 64%。中國的 DeepSeek 在國內市場的採用率達到 89%。中國、馬來西亞、泰國、印尼和新加坡的民眾中，超過八成認為 AI 在未來三到五年內會深刻改變他們的生活。

為什麼美國人不急著用 AI？

報告的數據指向幾個可能的解釋。第一個是態度差異。美國民眾對 AI 的戒心比亞洲國家強很多。報告顯示，73% 的 AI 專家認為 AI 對就業的影響是正面的，但一般民眾只有 23% 這麼想。52% 的美國民眾說自己對 AI 感到緊張。59% 的人認為 AI 帶來的好處多於壞處，但同時有超過一半的人對這項技術感到不安。這種矛盾心態很典型：覺得有用，但不太信任。

第二個因素是選擇權的差異。在很多高速採用 AI 的新興經濟體，AI 工具被視為跳過傳統基礎建設限制的捷徑，就像十幾年前非洲直接跳過固網電話進入行動通訊時代。印尼的職場 AI 採用率為什麼能到 92%？一個重要背景是，印尼有 2.7 億人口，但傳統的企業軟體基礎設施遠不如美國成熟。對很多印尼企業來說，AI 不是在既有工具上「加一層」，而是第一次擁有真正好用的數位工具。這些國家的使用者不是在「選擇」用 AI，而是用 AI 來填補原本就缺乏的工具。

美國民眾的處境不同。他們已經有成熟的軟體工具生態系，有 Google Search、有 Microsoft Office、有各種專業工具。AI 是額外選項，不是唯一選項。當你已經有一套能用的工具時，切換到新工具的動力自然會小很多，尤其是這個新工具還讓你有點緊張的時候。

第三個因素是報告沒有明說、但從數據中可以推論的：AI 採用率和人均 GDP 之間的相關性並不是線性的。最高採用率出現在中等收入國家，而不是最富裕的國家。這可能暗示，AI 的最大價值不是讓已經高效的系統變得更高效，而是讓原本低效或缺乏工具的場景產生質的飛躍。

1,720 億美元：已經在用的人獲得了什麼

不管採用率的數字怎麼看，已經在用 AI 的人，從中獲得的價值正在快速增長。報告估計，到 2026 年初，美國消費者從生成式 AI 工具獲得的年化價值達到 1,720 億美元。增長速度更驚人：每位使用者的中位數價值在 2025 到 2026 年間成長了三倍。

這個「消費者剩餘」的概念值得解釋一下。它不是說消費者花了 1,720 億美元在 AI 工具上，而是說消費者從 AI 工具中獲得的價值，比他們實際支付的價格多出這麼多。白話講，就是「賺到了」的部分。而這個賺到的部分在一年內膨脹了三倍，代表 AI 工具的實用性正在快速提升，使用者從中得到的好處越來越多。

報告的生產力數據也支持這一點。在客戶服務和軟體開發領域，AI 帶來了 14% 到 26% 的效率提升。醫療場景更誇張：AI 輔助讓醫師的文件作業時間減少了最多 83%。想像一下，一個醫師原本每天要花兩三個小時寫病歷和填表單，現在只要二三十分鐘。省下來的時間可以多看幾個病人，或者更仔細地看每一個病人。

在技術能力的進展上，報告也記錄了一些驚人的數字。SWE-bench Verified（一個衡量 AI 自動修復軟體 bug 能力的基準測試）的分數在一年內從 60% 飆升到接近 100%。AI Agent 在真實世界的電腦操作任務中，成功率從 12% 提升到了約 66%。一年前只有八分之一的任務能成功，現在是三分之二。這個進步的速度是指數級的。

但生產力提升的另一面比較殘酷。報告指出，年輕族群在 AI 高度影響的行業中正在經歷就業下滑，特別是入門級的軟體開發職位。這不意外：當 AI 能幫資深工程師在幾分鐘內完成初級工程師一天的工作量時，企業對初級人力的需求自然會減少。正在進入職場的年輕世代面對的，不只是一個好用的生產力工具，還有一個被 AI 重新洗牌的就業市場。

教育現場的斷裂

報告裡有一組數字特別讓人尷尬：五分之四的美國高中生和大學生已經在使用 AI 完成學校作業，但只有一半的中小學有 AI 使用政策，而認為學校政策足夠清楚的教師只有 6%。

這個落差值得拆開看。80% 的學生在用 AI，這個數字不讓人意外，因為生成式 AI 對學生來說幾乎是零成本的。ChatGPT 的免費版就能寫出一篇像樣的報告大綱，Claude 可以幫忙整理一學期的筆記，各種 AI 工具能在幾秒內產生讀書心得的初稿。學生不是不知道學校可能不允許，他們只是在「好用」和「規定」之間選了好用。

但 6% 這個數字才是真正的問題。94% 的教師覺得學校的 AI 政策模糊或根本不存在，但他們的學生早就在用 ChatGPT 寫報告、用 Claude 整理筆記、用各種 AI 工具完成作業。這不是「要不要導入 AI」的問題，而是「學生已經在用了，學校該怎麼追上」的問題。學校面對的挑戰不只是制定政策，還有更根本的教育哲學問題：當 AI 能替學生完成大部分知識型作業時，考試和作業的意義是什麼？我們到底在評量什麼？

這種斷裂在台灣同樣存在。教育部的 AI 指引和學校現場的實際狀況之間，落差不小。美國的經驗提醒我們一件事：等政策準備好再行動是不切實際的，因為技術的擴散不會等政策。與其花時間辯論「該不該讓學生用 AI」，不如直接面對「學生已經在用了」的現實，把精力放在「怎麼教學生正確地用 AI」上面。

5,817 億美元的賭注

從資本面來看，全球對 AI 的信心依然強勁。2025 年全球企業 AI 投資達到 5,817 億美元，比前一年增長了 130%。如果把時間軸拉到 2013 年，這個數字成長了 40 倍。在所有產業的投資趨勢中，很少看到這種持續十年以上的指數級增長。

但報告也提供了一些讓人冷靜的數字。AI 領域已記錄的事故（涵蓋偏誤、系統失控、安全漏洞等）從前一年的 233 件增加到 362 件，增幅超過 55%。AI Agent 的成功率雖然從 12% 提升到了 66%，但這也意味著每三個任務就有一個會失敗。在某些更基本的感知任務上，AI 的表現還很不穩定：比如讀取類比時鐘的指針，準確率只有大約 50%，基本上跟猜的差不多。

這些數字揭示了一個投資者需要正視的現實：AI 的能力曲線確實在快速上升，但它離「可靠到不需要人類監督」還有一段路。5,817 億美元的全球投資，押的不只是技術進步，還有對這條能力曲線會持續向上的信念。如果曲線在某個點開始趨緩，或者 AI 事故的頻率持續上升到影響企業信心的程度，這筆投資的回報可能不會像現在大家預期的那麼理想。

我的觀察

這份報告最出乎意料的發現，是開發能力和採用率之間的脫鉤。我們習慣假設「做出最好產品的地方，就是用得最多的地方」，但 AI 的全球擴散打破了這個假設。東南亞國家採用率高，不是因為他們有最好的模型，而是因為他們有最迫切的需求。美國採用率低，不是因為工具不好，而是因為既有工具已經夠用，加上民眾對 AI 的態度比較保守。

對台灣來說，這個觀察格外有意義。我們製造了全世界最先進的 AI 晶片，但自己在 AI 應用的採用上排名如何？報告沒有給出台灣的具體數字，但從周邊國家的數據來看，我們有理由問自己：是不是也落入了「製造者的盲區」，太專注於供應鏈的角色，忽略了應用端的布局？

台灣的人均 GDP 和科技基礎設施都不差，理論上應該是 AI 高採用率的市場。但如果我們的企業和民眾在 AI 應用上的投入和實驗不夠積極，最終可能變成「幫全世界做 AI 晶片，但自己沒有從 AI 應用中獲得對應的經濟價值」。這份報告最大的提醒或許就是：在 AI 時代，會做和會用是兩件不同的事，而兩者都需要投入。