报告核心观点 - AI已处于能力跃迁的拐点，其进展将重塑经济与社会关键部门[3] - 报告提出一套五级AI能力框架，用于跨行业比较和评估AI从基础任务到组织级决策复制的演进过程[2][3] - 报告系统梳理了AI在医疗、金融服务、气候与能源、交通运输四大领域的应用现状、能力跃迁与政策影响[2] AI能力框架 - Level 1“语言理解与基础任务”已实现，Level 2“增强推理与问题求解”涌现中，Level 3“复杂环境中的持续自治运行”、Level 4“创造性与创新能力”、Level 5“组织级人类决策流程的全面复制”属于未来态[3] - 该框架帮助政策制定者在不同行业与不同成熟阶段识别随能力升级而来的新型风险[3] 医疗健康行业 - AI总体仍处Level 1—2区间，实际采用以临床文书、病案编码、授权审批与收费等语言工作为主[5] - 美国FDA批准的AI医疗器械从2015年的22件增至2024年的940件，十年跃升四十余倍，但2020年仅约三成放射科医师报告在使用AI工具[5] - 截至2025年年中，尚无“AI设计药物”获得批准上市，从模型到药的最后一公里仍艰难[5] 金融服务行业 - AI有望带来更快的风控与个性化服务，但随着能力逼近Level 3“持续自治运行”，行业面临策略收敛、羊群效应与“同步化操作”等新型系统性风险[7] - 市场结构可能被重塑：头部平台凭借算力、数据与模型优势加速集中，提升“单点失灵”脆弱性；平台化服务同时有降低门槛、扩大普惠的可能[7] - 服务农村与低收入群体的小型机构因人财技短板难以及时获得AI红利[7] 气候与能源行业 - AI可通过电网优化、绿色投资规划与可再生能源并网调度等环节促进脱碳，但面临“越高效—越扩张—越排放”的“排放—生产率增长悖论”[8] - AI本身的用电飙升与数据中心扩张正与社区用能与绿色转型目标直接“争地盘”，暴露出现有电网的先天不足[8] - 加州独立系统运营商（CAISO）已试点使用AI软件开展实时分析并具备自治决策能力，用于管理停电等场景[8] 交通运输行业 - Level 1的驾驶辅助已成为标配，Level 2—3的能力正在货运与出行中扩展，例如Kodiak开展无人卡车运力运营，Waymo在加州获得无驾驶员载客许可[10] - AI在交管中心、信号优化、事件预测与资产巡检上的“系统级智能”开始形成网络效应，从“车端智能”进化为“路网智能”时贡献将呈指数级放大[10] 交叉性挑战 - 随着模型自主性增强，指标驱动的优化可能触发“古德哈特定律”加速效应，人类对系统的干预能见度与能动性可能被稀释[11] - “能力与资源的不均衡”可能导致AI红利难以及时惠及乡村医疗机构、小型银行和低收入社区，甚至加剧原有不平等[11] - “跨部门联动失败”的尾部风险可能演化为连锁冲击，例如电网AI缺陷外溢至金融清算与医疗服务等环节[11] 治理路径 - 报告主张将“AI能力分级”作为治理共用语言，实现监管强度与技术风险的“精准匹配”[12] - 跨行业层面建议系统刻画潜在冲击与关键系统之间的关系，明确角色分工与政策干预的“触发条件”[12] - 对于AI能耗与环境成本，主张将全生命周期评估纳入项目准入与投融资尽职调查，引导资本配置[12]