我厌倦了AI统计文章相互循环引用,于是追溯了93个统计数据到原始来源
摘要
一位研究者手动追溯了93个AI统计数据到原始来源,揭示了关于企业投资、能源使用、工资溢价和AI生成内容的已核实数据,并发布了附有原始来源链接的结果。
每次我需要一个AI统计数据时,总会遇到一些列表文章,它们引用另一个列表文章,而那个又引用一条推文。所以我这几天直接去翻阅原始来源——斯坦福AI指数、国际能源署报告、高德纳新闻稿、Crunchbase数据、实际法庭文件——只保留了我能在源头确认的数字。其中一些让我惊讶:- 2025年企业AI投资达到5817亿美元,一年内增长130%(斯坦福HAI)- AI数据中心用电量在一年内增长了50%(国际能源署)- 具备AI技能的工人比相同岗位没有AI技能的工人工资溢价62%- 74.2%的新网页现在至少包含一些AI生成的文本(Ahrefs,90万页面样本)- 尽管Agent热度很高,但实际企业部署的AI代理仍是个位数。完整列表在此,每个统计数据都链接到其原始来源:https://thebotpost.com/guides/ai-statistics-2026 这是我的网站,完全公开——无付费墙,无需填邮箱。如果你发现哪个数字有误,请告诉我,我会修正。
相似文章
各位,好好检查你们那该死的消息来源
一篇关于技术文章中虚假引用和AI幻觉数据泛滥的吐槽,以瑞典乌鸦的假故事和代码审查缺陷检测的夸大说法为例。
@WSInsights: AI 圈的"信息源头",就这 30 个人。 These 30 accounts power the global AI signal. 刷 100 个二手解读,不如关注 10 个一手账号。 Skip the 100 hot takes. …
The article curates 30 influential AI accounts across seven dimensions (research, engineering, education, open source, evals, AGI, and global ecosystem), encouraging readers to follow primary sources instead of secondary hot takes.
@mdancho84: 斯坦福刚刚发布了一份457页的AI报告,其中包含大量关于成本下降、效率提升、基准测试和应用普及的数据。……
斯坦福发布了长达457页的AI报告,内容涵盖成本下降、效率提升、基准测试和应用普及。作者在推特讨论了关键图表及其对职业发展的影响。
最常用AI模型的来源
对最广泛使用的AI模型起源和来源的分析,探讨它们的来源以及驱动其采用的因素。
构建了一个广播仪表盘,监测来自21个主要来源的AI代理发展动态——这是我正在追踪的内容以及缺失的部分
一位用户描述构建了一个广播仪表盘,追踪来自arXiv、GitHub和Hugging Face等21个来源的AI代理发展动态,指出了覆盖的强项和不足。