佩斯科夫宣称俄罗斯在人工智能竞赛中跻身前五。全球排行榜怎么说?

cryptonews.ru發佈於 2026-07-28更新於 2026-07-28

文章摘要

2026年7月27日,俄罗斯总统新闻秘书德米特里·佩斯科夫声称,俄罗斯仍保持在人工智能发展竞赛的前五名之列,但承认其本土模型尚不能与美国领先的语言模型竞争。 然而,主要国际排名并不支持这一说法。斯坦福大学的“全球AI活力指数”(2024-2025年)在36个国家中将俄罗斯排在第28位。前五名依次为美国、中国、印度、韩国和英国。同样,《斯坦福AI指数报告2026》也未将俄罗斯列入领先国家行列,该报告显示美国和中国在模型开发方面保持主导。 在俄语版LM Arena基准测试中,俄罗斯最好的模型GigaChat仅排名第25位。尽管该模型在2025年12月通过了金融分析师专业考试,但其商业使用成本远高于中国模型DeepSeek。 俄罗斯正通过立法和国际合作推动AI发展。总统普京于7月26日签署法律,为“主权”AI模型建立框架。此前,俄罗斯与包括中国在内的29个国家在上海签署协议,成立了世界人工智能合作组织。 分析指出,不同排名采用不同评估标准(如研究、投资、基础设施、伦理等),导致结果差异。佩斯科夫的说法与国际主流排名存在明显出入。俄罗斯AI发展面临硬件短缺、技术依赖和成本等挑战,法律法规和国际合作虽提供支持,但未必能直接解决计算资源匮乏的核心问题。

俄罗斯仍然是参与人工智能发展竞赛的前五名国家之一——这是俄罗斯联邦总统新闻秘书德米特里·佩斯科夫于2026年7月27日在莫斯科州索尔涅奇诺戈尔斯克举行的全俄青年教育论坛"意义之地"上发表的声明。佩斯科夫表示:"我们仍然是参与这场竞赛的前五名国家之一。"

根据克里姆林宫代表的说法,俄罗斯的本土研发虽然尚无法与领先的美国语言模型相媲美,但已经达到了"非常高的发展水平"。他补充说,计划以"非人的努力"来缩小差距。

佩斯科夫描述了俄罗斯公司在创建自有模型时的两种不同路径:"GigaChat是从零开始的。它从零开始构建模型,目前正在发展。Yandex选择了另一条路:它决定从国外获取第一块基石,然后在其之上构建主权产品——内部的、自己的东西。它们在国内竞争,"他指出。

独立排名显示什么

关于人工智能发展的国际国家排名并未证实俄罗斯跻身前五。根据斯坦福大学的全球人工智能活力指数工具(2024-2025年数据,覆盖36个国家),俄罗斯仅排在第28位,得分为10.67。该工具显示的前五名是:

  • 美国 — 78.6分

  • 中国 — 36.95分

  • 印度 — 21.59分

  • 韩国 — 17.24分

  • 英国 — 16.64分

《斯坦福人工智能指数报告2026》数据

《斯坦福人工智能指数报告2026》并未形成单一的国家排名,而是按不同维度对国家进行比较。美国和中国仍然是模型开发方面的主要领导者,不过到2026年3月,它们的性能差距已几乎被消除——美国仅领先竞争对手2.7个百分点。美国在知名模型数量、私人投资额(2025年为2859亿美元)以及数据中心数量上也处于领先地位。中国在出版物数量、引用量、专利数量和工业机器人部署方面位居第一,而韩国则在人均人工智能专利数量上领先。该报告未提及俄罗斯的排名。

其他指标

在俄语版LM Arena上,最好的国产模型GigaChat仅排在第25位,甚至落后于早期的ChatGPT和Gemini版本。

然而在2025年12月,GigaChat通过了特许金融分析师专业考试,得分超过了及格线。

比较显示,在典型的商业场景中,使用GigaChat Pro的成本是中国DeepSeek成本的数十到数百倍。

人工智能支持法与国际合作

2026年7月26日,俄罗斯联邦总统弗拉基米尔·普京签署了一项法律,引入了主权和国家大型基础人工智能模型的概念,并向开发人员开放了对国家数据的访问权限。该文件为这类系统的开发、部署和应用创建了法律基础。

此前,2026年7月16日,在上海,包括俄罗斯和中国在内的29个国家代表签署了关于成立世界人工智能合作组织的协议,其总部设在上海。

为何排名存在差异

不同的评估体系采用不同的标准,这解释了各国排名的差异:

  • 斯坦福大学的全球人工智能活力指数工具依赖于七个"支柱"——从研发到基础设施和公众舆论。

  • 《斯坦福人工智能指数报告2026》不将指标汇总为单一排名,而是在不同维度上比较国家——如出版物、专利、投资、模型性能。

  • Tortoise Media的全球人工智能指数使用了122个指标,归入三个主要支柱和七个额外支柱。

  • 全球负责任人工智能指数评估135个国家时,不看技术能力,而是看监管的责任性——包容性、伦理、信任和安全性。

佩斯科夫关于俄罗斯在人工智能领域位列前五的声明,与主要国际排名数据相悖,在这些排名中,俄罗斯的位次更接近前三十名的末尾。与此同时,当局通过立法来支持技术发展,并扩大参与如WAICO等国际组织。

本土研发——GigaChat和Yandex的模型——继续在国内发展,彼此竞争,但根据独立的基准测试和使用成本来看,目前仍落后于国外同类产品。

人工智能的观点

从数据分析的角度看,人工智能竞赛不仅由排名位置来衡量,也取决于背后的物理资源——模型所依托的计算能力。行业分析表明,由于设备技术不兼容、缺乏内部需求以及对GPU进口的制裁限制,目前将俄罗斯的矿场数据中心转化为人工智能基础设施尚不可行。即使是多年来积累的过剩电力,也无法直接转化为训练模型的资源。

立法支持和参与WAICO创造了法律和外交框架,但并未直接解决硬件短缺问题。值得思考的问题是:一个模型的主权法律地位能否弥补训练该模型所需的物理硬件的短缺?

相關問答

Q根据斯坦福大学的Global AI Vibrancy Tool排名,俄罗斯在人工智能发展方面排在第几位?

A根据文章引用的斯坦福大学Global AI Vibrancy Tool(数据覆盖2024-2025年,36个国家),俄罗斯仅排名第28位,得分为10.67分。

Q俄罗斯总统新闻秘书佩斯科夫宣称俄罗斯在人工智能竞赛中处于什么位置?这与国际评级一致吗?

A俄罗斯总统新闻秘书德米特里·佩斯科夫宣称俄罗斯是参与人工智能发展竞赛的五个领先国家之一。然而,文章指出,主要的国际评级,如斯坦福大学的Global AI Vibrancy Tool,并不支持这一说法,俄罗斯在该榜单中排名第28位,与五强相去甚远。

Q文章中提到的WAICO是什么组织?哪些国家是其创始成员?

AWAICO是世界人工智能合作组织的缩写。根据文章,该组织于2026年7月16日在中国上海成立,由29个国家的代表签署协议,其中包括俄罗斯和中国。

Q文章提到,俄罗斯在人工智能开发方面面临的主要硬件挑战是什么?

A文章分析指出,俄罗斯面临的主要硬件挑战是:将过去的加密货币挖矿数据中心转化为人工智能基础设施存在技术设备不兼容、缺乏国内市场需求以及因制裁导致进口GPU受限等问题。即使积累了过剩的能源产能,也无法直接转换为用于训练人工智能模型的计算资源。

Q文章列举了GigaChat在哪些方面的表现存在反差?

A文章列举了GigaChat表现的两个反差:一方面,在俄语版本的LM Arena评测中,GigaChat仅排第25名,落后于早期版本的ChatGPT和Gemini。另一方面,在2025年12月,GigaChat却通过了金融分析师专业考试,得分超过了及格线。此外,其GigaChat Pro在典型商业场景中的使用成本被指远高于中国的DeepSeek模型。

你可能也喜歡

加密乌托邦已然破灭?行业在狂热消散后迎来拐点

当前加密行业普遍被认为已沦为过剩流动性的泄洪口,大批从业者因财务回报远不及预期而离场。2021年的繁荣被证实是幻象,市场正处于高德纳技术成熟度曲线的“清醒时刻”。行业需回归第一性原理,重新审视代币价值、夯实DeFi协议安全并寻找真正产生价值的应用场景。 行业长期陷入自反性炒作循环,过度泛滥的代币早期流通特性催生泡沫。2024年以来,行业激励机制偏向短期逐利而非创新,导致如今承受后果。近期频发的DeFi黑客攻击是现实催生工程改造的信号,也是迭代代币模型等初代方案的机会。真正的创新源于好奇心与热爱,而非单纯逐利。 行业文化正在转向,人们意识到早期阶段已结束,但这对于优秀建设者仍是挑战而非绝境。技术采纳曲线显示,行业正处幻想破灭后的转折点,面临从零重构金融业的艰难迭代过程。尽管陷入停滞,非对称投资机会依然存在,但需警惕全盘否定过往努力的风险。 关于加密风险投资,其超高收益阶段(2016-2021年)并非常态,当前行业进入整合期。催生比特币的密码朋克文化正向华尔街和监管靠拢,行业已被现有体系吸纳。根据卡洛塔·佩雷斯理论,行业正从乌托邦愿景的部署前期,经过转折点,迈向理性落地的部署阶段。加密正在变为一门成熟生意,当前有价值的新项目多集中在稳定币、预测市场、RWA、永续合约及AI与智能代理等领域。 加密货币可能在潜移默化中改变价值存储与流转方式,同时演变为遵守现有规则的商业赛道。深刻的变革往往悄无声息地融入现有体系。逆境更能激发行业创造力,真正怀揣好奇心者将持续重构与建设。

marsbit15 分鐘前

加密乌托邦已然破灭?行业在狂热消散后迎来拐点

marsbit15 分鐘前

卖 Token还是卖结果:AI 商业模式的几个悖论

2026年年中,AI行业收入与调用量高速增长,但背后商业模式存在四个结构性悖论,反映出智能正快速商品化,利润却集中在少数环节。 **成本悖论**:Token单价大幅下降,但总账单反而加重,类似经济学中的“杰文斯悖论”。这是因为低价催生了更多新需求,且智能体(Agent)能24小时运行,用量激增。同时,企业若只替换工具而不重构流程,效率提升难以体现,即“索洛悖论”。行业正从省单价转向省任务,优化整体流程。 **层级悖论**:“应用为王”的共识在AI领域被颠覆。由于基础模型进化太快,薄应用易被覆盖,资本更青睐模型与基础设施层。产业利润呈倒三角结构,芯片层拿走大部分毛利。应用层成功的关键不再是用户时长,而是能否深入具体场景,构建私有数据、流程等壁垒,在模型变强时自身价值同步提升。 **责任悖论**:利润的分布与厂商愿意承担的责任范围正相关。按Token销售争夺IT预算,毛利低;按结果销售则切入人力预算,空间更大。容易起量(如客服)的业务责任含量低、利润薄;而法律、医疗等高责任、强归因领域,虽交付重、周期长,却能获得“结果溢价”。敢于且能够为明确结果负责的公司更可能留住利润。 **开闭源悖论**:开源模型在用量和开发者采纳率上占优,但企业采购仍以闭源为主,看中其可靠性、支持与责任保障。开源阵营多不以模型本身盈利,而是作为生态或云业务的引流工具。模型层快速商品化,利润向上游算力和下游服务迁移。闭源模型的溢价依赖于能力代差,需不断保持领先。 总之,AI商业模式的演变显示,单纯销售Token或智能难以持续,未来的竞争力在于深度整合场景、优化任务流程、并能为业务结果承担明确责任。

marsbit25 分鐘前

卖 Token还是卖结果:AI 商业模式的几个悖论

marsbit25 分鐘前

交易

現貨
活动图片