评估不等于认同:TREWS的临床医生评估了89%的警报,但只确认了其中38%。这是为数不多的、关于人类是否跟进处置的已发表指标之一。
人在回路中的AI案例:2026年十大排名
联邦航空局的SMART现已为全美22个航路管制中心提供建议,但它公布的唯一成效是180次改航;而在哥本哈根的一项试验中,一个AI发现的心脏骤停病例比调度员还多,却没能让调度员的表现变得更好。
- 第1名:联邦航空局SMART空中交通AI(Air Space Intelligence)
- 10 个名次
01最终榜单
领先的 AI 各自独立编制了十项榜单。这里是一份便于核对的汇总:每个名次都有理由、来源,以及列入它的 AI。
排序依据:按 AI 认同度从高到低。
亮色标签表示该 AI 把这一项列入了自己的榜单,暗色标签表示没有。
- 1
联邦航空局SMART空中交通AI(Air Space Intelligence)
估计:推广范围最广,证据最薄:它已在全美22个航路管制中心上线,但唯一的成效是联邦航空局自己统计的180次改航,每次约10分钟、约80加仑燃油。
已列入: Claude, ChatGPT, Meta, Grok, MiMo, StepFun, Kimi, DeepSeek. 未列入: Gemini, Z.ai, Wenxin.在各自榜单中的名次: Claude: 9 · ChatGPT: 4 · Meta: 6 · Grok: 1 · MiMo: 1 · StepFun: 1 · Kimi: 4 · DeepSeek: 1
每个 AI 的看法 8
- Claude第 9 名
这里规模最大的推广(22个中心),却依托最薄弱的证据:180架次改航航班,合同金额为875,950,000美元。
来源 ↗ - ChatGPT第 4 名
前180次报告的改航平均每架次节省近80加仑燃油;这是美国联邦航空局的早期说法,而非独立评估。
来源 ↗ - Meta第 6 名
现已在全部22个中心上线,但它唯一公布的收益,是华盛顿试点中180架次改航航班,每架次10分钟、80加仑燃油。
来源 ↗ - Grok第 1 名
最初几周内,180架次航班完成改航,每架次节省约10分钟和约80加仑燃油;现已在全部22个中心上线,并经人工管理者批准。
- MiMo第 1 名
一条被采纳的改航建议价值10分钟和80加仑燃油;而且所有22个管制中心,都是在国会刚问完第一批安全问题之前八周就采纳了这一建议。
来源 ↗ - StepFun第 1 名
22个中心、约200个数据流,而每项建议仍需人工签字:180架次航班改航,每架次节省10分钟以上、近80加仑燃油。
来源 ↗ - Kimi第 4 名
在全部22个美国航路管制中心上线三天后,它眼看着美国联邦航空局让全国停飞。官方称两者无关,但这套8.75亿美元系统的全部收益证据,仍然只有180架次改航航班。
来源 ↗ - DeepSeek第 1 名
经人工批准的180架次改航节省了约14,400加仑燃油,按每加仑4.31美元计算,约合62,000美元,而合同金额为8.75亿美元。
来源 ↗
8 个 AI 列入此名次 - 2
TREWS脓毒症预警系统(约翰霍普金斯大学/Bayesian Health)
经同行评审,覆盖5家医院:3小时内被确认的警报,与脓毒症死亡率降低18.7%相关(绝对下降3.3个百分点)。这是观察性研究,而对脓毒症警报的随机对照试验综述未发现明显益处。
已列入: Claude, ChatGPT, Meta, MiMo, StepFun, Kimi, DeepSeek. 未列入: Grok, Gemini, Z.ai, Wenxin.在各自榜单中的名次: Claude: 3 · ChatGPT: 2 · Meta: 4 · MiMo: 7 · StepFun: 2 · Kimi: 2 · DeepSeek: 8
每个 AI 的看法 7
- Claude第 3 名
临床医生评估了其89%的警报,跟进率异常高;而快速确认与脓毒症死亡率相对下降18.7%相关。
来源 ↗ - ChatGPT第 2 名
在接到脓毒症警报的患者中,临床医生及时确认,与抗生素医嘱提前1.85小时相关;被评估的警报中有38%得到了确认。
来源 ↗ - Meta第 4 名
当临床医生在3小时内确认其警报时,脓毒症患者的死亡可能性降低了18.7%;它是首个获美国食品药品监督管理局批准的连续AI脓毒症监测工具。
来源 ↗ - MiMo第 7 名
试点中的误报减少了十倍;但一家外部实验室在检验一个竞争对手的脓毒症模型时发现,厂商公布的数据在真实病房里并不成立。
来源 ↗ - StepFun第 2 名
这是少数经受住同行评审、收益得以保留的建议系统:临床医生开始接收警报后,院内脓毒症死亡率相对下降了18.7%。
来源 ↗ - Kimi第 2 名
这是这里唯一有同行评审证据的系统:临床医生在3小时内确认AI警报,可使脓毒症死亡率降低18.7%。它还公布了人的一面:89%的警报实际得到了复核。
来源 ↗ - DeepSeek第 8 名
89%的警报被评估,但只有38%被确认;这是少有的公开数据,显示人类实际上有多常认同。
来源 ↗
7 个 AI 列入此名次 - 3
德国铁路公司AI列车调度(DB InfraGO ADA-PMB)
在法兰克福,调度员采纳了10条建议中的7条;德国铁路公司称2022年节省了58,000延误分钟。其2023年的100,000分钟数字混合了多种工具,且该系统仅在四个地区运行。
已列入: Claude, ChatGPT, Meta, Grok, MiMo, StepFun, DeepSeek. 未列入: Gemini, Z.ai, Kimi, Wenxin.在各自榜单中的名次: Claude: 7 · ChatGPT: 5 · Meta: 7 · Grok: 7 · MiMo: 2 · StepFun: 4 · DeepSeek: 2
每个 AI 的看法 7
- Claude第 7 名
2022年减少了58,000分钟延误;在被分析的案例中,调度员在十分之七的案例里采纳了AI的建议。
来源 ↗ - ChatGPT第 5 名
据报道,它在法兰克福的收益约为每次调度决策100秒,但它只在四个地区运行,并未覆盖德国全部网络。
来源 ↗ - Meta第 7 名
在法兰克福,遵循其建议每次调度可节省100秒;但它仍只在选定区域运行,屏幕集成计划于2026年12月完成。
来源 ↗ - Grok第 7 名
每60秒向调度员提供一次实时建议,调度员可以接受或拒绝;已在多个高流量地区运行,并仍在扩展。
- MiMo第 2 名
调度员每60秒收到一份新的冲突方案,斯图加特最多挽回8分钟延误;而“理论上”,一条核心线路每天还能多开17列列车。
来源 ↗ - StepFun第 4 名
三个AI网络一年内为德国铁路减少了58,000分钟延误,约相当于40天从未发生的延误。
来源 ↗ - DeepSeek第 2 名
2023年,在四个高密度地区节省了超过10万分钟延误;而调度员仍会接受或拒绝每一条建议。
来源 ↗
7 个 AI 列入此名次 - 4
Corti心脏骤停电话AI,哥本哈根急救服务
AI发现的心脏骤停病例比调度员多(85.0%对77.5%),但在169,049通电话的随机试验中,其警报没有显著提高调度员的表现。
已列入: Claude, Meta, MiMo, StepFun, Kimi. 未列入: ChatGPT, Grok, Gemini, Z.ai, DeepSeek, Wenxin.在各自榜单中的名次: Claude: 10 · Meta: 3 · MiMo: 5 · StepFun: 3 · Kimi: 7
每个 AI 的看法 5
- Claude第 10 名
AI发现的心脏骤停比调度员多,但在一项随机试验中,它的警报并没有提高调度员的识别率。
来源 ↗ - Meta第 3 名
它能在93–95%的来电中识别出心脏骤停,而调度员单独识别的比例为73%,并且快约10秒;这几秒决定着能否及时进行心肺复苏。
- MiMo第 5 名
AI识别心脏骤停的比例为85%,调度员为77.5%;但向调度员提供AI之后,他们的得分几乎没有变化(93.1%对90.5%,p=0.15)。
来源 ↗ - StepFun第 3 名
它能听取911来电,并以84.1%的灵敏度识别心脏骤停,而调度员为72.5%;数据基于169,236通真实来电。
来源 ↗ - Kimi第 7 名
经同行评审,基于108,607通真实来电:AI比训练有素的调度员多识别出11.6个百分点的心脏骤停,并且提前10秒标记。当生存率每分钟下降约10%时,每一秒都很重要。
来源 ↗
5 个 AI 列入此名次 - 5
Viz.ai卒中警报(Viz LVO)
卒中救治团队在三种研究设计中都反应更快:通知提前39.5分钟(覆盖166家机构),在随机试验中快11.2分钟。一项包含12项研究的荟萃分析未发现结局改善。
已列入: Claude, ChatGPT, Kimi, DeepSeek. 未列入: Meta, Grok, Gemini, MiMo, StepFun, Z.ai, Wenxin.在各自榜单中的名次: Claude: 8 · ChatGPT: 3 · Kimi: 3 · DeepSeek: 5
每个 AI 的看法 4
- Claude第 8 名
约2,000家医院;厂商引用的多中心研究称节省了31分钟,随机试验则称节省了11分钟。
来源 ↗ - ChatGPT第 3 名
在166家机构中,AI辅助的协调与介入科医生提前39.5分钟接到通知相关;这不等于治疗提前了39.5分钟。
来源 ↗ - Kimi第 3 名
一项涉及14,116名患者、166家医院的真实世界研究发现,AI标记的中风患者到达神经介入医生处的时间快了39.5分钟;这是在全网规模上的结果,而非试点病房。
来源 ↗ - DeepSeek第 5 名
急诊DIDO时间(从入院到离院)从202分钟降至113分钟,减少了89分钟,超过了120分钟的基准;但荟萃分析未发现临床结果有显著改善。
来源 ↗
4 个 AI 列入此名次 - 6
希思罗机场NATS智能进近/时间间隔管理系统
在Pairwise间隔管理下,希思罗机场到达航班延误从5.55分钟降至4.46分钟,逆风导致的延误下降超过60%。所有数据均为英国航路导航服务公司NATS自家公布,而该工具是否算AI存在争议。
已列入: Claude, Meta, Kimi. 未列入: ChatGPT, Grok, Gemini, MiMo, StepFun, Z.ai, DeepSeek, Wenxin.3 个 AI 列入此名次 - 7
英国国家能源系统运营商(NESO)AI太阳能预测(Open Climate Fix Quartz),大不列颠岛电网
电网控制室的AI太阳能预测准确度高出2.8倍,每年价值约£30M。这是开发商给出的数字,较2021年£2–10M的预测有所提高,且未经审计。
已列入: Claude, MiMo. 未列入: ChatGPT, Meta, Grok, Gemini, StepFun, Z.ai, Kimi, DeepSeek, Wenxin.2 个 AI 列入此名次 - 8
凯撒医疗集团的Advance Alert Monitor
护士每天每35名患者大约筛查一条警报。警报后30天死亡率为15.8%,对比为20.4%,数据来自21家医院;每年挽救520条生命是模型估算。
已列入: Claude. 未列入: ChatGPT, Meta, Grok, Gemini, MiMo, StepFun, Z.ai, Kimi, DeepSeek, Wenxin.在各自榜单中的名次: Claude: 1
每个 AI 的看法 1
- Claude第 1 名
平均每35名患者每天约1次警报,由远程护士进行筛查;据估计,21家医院每年因此减少520例死亡。
来源 ↗
1 个 AI 列入此名次 - 9
瑞典MASAI人工智能辅助乳腺钼靶筛查
这里设计最严谨的研究,是一项针对10万名以上女性的随机试验:两次筛查间确诊的癌症减少12%,阅片工作量减少44%。试验在瑞典的四个地点进行,并非全国推广。
已列入: ChatGPT. 未列入: Claude, Meta, Grok, Gemini, MiMo, StepFun, Z.ai, Kimi, DeepSeek, Wenxin.在各自榜单中的名次: ChatGPT: 1
每个 AI 的看法 1
- ChatGPT第 1 名
在一项涉及超过10万名女性的随机试验中,间期癌发生率降低了12%,假阳性率相近。
来源 ↗
1 个 AI 列入此名次 - 10
美国国家航空航天局ATD-2起飞调度,夏洛特
美国国家航空航天局(NASA)称,在夏洛特,通过将3.8%的起飞航班留在登机口,节省了1,088,888加仑燃油。这只涵盖一个机场,克兰菲尔德大学对燃油的计算方式提出了质疑。
已列入: Claude. 未列入: ChatGPT, Meta, Grok, Gemini, MiMo, StepFun, Z.ai, Kimi, DeepSeek, Wenxin.在各自榜单中的名次: Claude: 5
每个 AI 的看法 1
- Claude第 5 名
通过让飞机在登机口而非滑行道上等待,节省了超过100万加仑燃油;但一位外部审查人员对这一计算提出了质疑。
来源 ↗
1 个 AI 列入此名次
02值得了解
AI 在编制榜单时注意到的内容。
薄弱环节往往在交接:在哥本哈根,AI识别出的心脏骤停病例多于调度员,但把结果提示给调度员,并没有提高他们的识别率。
盲从的问题有具体数字:当AI出错时,经验不足的乳腺钼靶阅片者准确率从约80%降至20%,经验非常丰富的阅片者则降至45.5%。
此类事件的记录:被广泛部署的Epic Sepsis Model对18%的住院患者发出警报,但在外部验证中仍漏诊67%的脓毒症病例(AI事件数据库AIID事件123)。
SMART的资金计算(估算):180次改航 × 约80加仑 ≈ 14,400加仑,约合$62,000的燃油。相比之下,已承诺的金额约为$23.3M,上限为$875.95M。
03大家常问的问题
为什么空中交通管制没有实现自动化?
管制员的间隔管理仍是持证管制员的法定职责。联邦航空局表示,SMART现已覆盖全部22个航路管制中心,但它不能取代管制员,也不能接管飞机。
来源 ↗空中交通管制员聪明吗?
门槛很高:2024财年12,859名联邦航空局申请人中,只有2,184人(17%)符合录用条件,而学院淘汰率从2010年的7%升至2024年的26%。其他来源引用超过30%的数字,是因为统计的学员群体不同。
来源 ↗为什么空管还没有实现自动化?
即使是最新的AI也只是提供建议:SMART提出改航建议,由当地管理人员接受或拒绝每一条。管制员工会拥有15,000多名会员,称设计时未曾征求其意见。
来源 ↗AI能取代空中交通管制员吗?
没有任何已部署的系统做到这一点。联邦航空局的SMART迄今提出了约180次改航建议,管理人员逐条接受或拒绝。
来源 ↗04我们如何统计
用大白话讲,不用公式。
1问题
关键公共服务中“AI建议、人类决定”的十大系统,按已证实收益排名
2为什么选这个话题
读者可以用同一把尺子衡量管制塔台、电网调度室和医院:把运营方宣称的收益与独立的事故记录对照,并看出哪些领域公布了带真实数字的结果。
3适用范围
全球安全关键运营:空中交通、电网、铁路调度、紧急呼叫分派、医院
4考量标准
- AI提出建议,由受过培训的人批准。AI自行行动的系统不在此列
- 收益附有数字(分钟、燃油、成本或减少的错误),并注明该数字来自运营方、供应商还是外部评审方
- 规模:在整个网络中全面运行,而非仅在一个试点站点
- 人工负荷:在运营方披露的情况下,一个人需要审阅多少建议,以及接受或拒绝每条建议有多少时间
- 同类系统的事故记录,并与其收益一并权衡
- 同行评审的临床研究(《自然·医学》、新英格兰医学杂志、JAMA Network Open、荟萃分析)——死亡率、治疗耗时、检测灵敏度,以及临床医生评估并确认AI警报的频率
- 运营方报告(联邦航空局、NATS、DB InfraGO、NESO、NASA)——延误分钟数、燃油、每小时着陆架次、节省的平衡成本,以及已公布的接受率。这些是运营方自己的说法
- 外部评审(克兰菲尔德大学、JAMA Internal Medicine验证、艾伦·图灵研究所)——对运营方或供应商数据的独立核查
5谁来排名
领先的 AI:Claude, ChatGPT, Meta, Grok, Gemini, MiMo, StepFun, Z.ai, Kimi, DeepSeek, Wenxin。每个 AI 独立编制自己的十项榜单,并为每个名次注明来源。
6名次如何确定
不同 AI 以不同说法写出的同一项被视为一项。把某项列入榜单的 AI 越多、排得越靠前,它的名次就越高。“AI 共识”表示有多少个 AI 在自己的榜单中列入了该项。来源仅限 AI 自己找到的,没有任何人工添加。
05各个 AI 的单独榜单
🇺🇸 Claude10 个名次 · 4 条备注
同一个问题,仅由 Claude 回答。上方的最终榜单综合了所有 AI。
- 1凯撒医疗集团 Advance Alert Monitor(AAM),美国
平均每35名患者每天约1次警报,由远程护士进行筛查;据估计,21家医院每年因此减少520例死亡。
来源 ↗ - 2NATS基于时间的间隔/智能进近,希思罗机场(英国)
在全球最繁忙的双跑道机场,逆风延误减少了60%以上;管制员仍然设定每一个间隔。
来源 ↗ - 3TREWS脓毒症早期预警(Bayesian Health / 约翰霍普金斯大学)
临床医生评估了其89%的警报,跟进率异常高;而快速确认与脓毒症死亡率相对下降18.7%相关。
来源 ↗ - 4NESO Quartz太阳能AI预测(大不列颠岛电网调度室,2025年)
准确率高出2.8倍,每年价值约3000万英镑;工程师仍需决定购买多少备用容量。
来源 ↗ - 5美国国家航空航天局ATD-2离港流量控制,夏洛特(现属美国联邦航空局TFDM项目)
通过让飞机在登机口而非滑行道上等待,节省了超过100万加仑燃油;但一位外部审查人员对这一计算提出了质疑。
来源 ↗ - 6阿拉斯加航空Flyways(Air Space Intelligence),美国
调度员拒绝了约十分之七的建议,但他们采纳的那些建议在2023年仍节省了120万加仑燃油。
来源 ↗ - 7德国铁路公司AI调度助手(德国)
2022年减少了58,000分钟延误;在被分析的案例中,调度员在十分之七的案例里采纳了AI的建议。
来源 ↗ - 8Viz.ai中风警报(Viz LVO),美国
约2,000家医院;厂商引用的多中心研究称节省了31分钟,随机试验则称节省了11分钟。
来源 ↗ - 9美国联邦航空局SMART(Air Space Intelligence),美国 2026
这里规模最大的推广(22个中心),却依托最薄弱的证据:180架次改航航班,合同金额为875,950,000美元。
来源 ↗ - 10Corti心脏骤停呼叫AI,哥本哈根急救医疗服务(丹麦)
AI发现的心脏骤停比调度员多,但在一项随机试验中,它的警报并没有提高调度员的识别率。
来源 ↗
Claude 注意到的内容
薄弱环节往往在于交接,而不在模型本身:在哥本哈根,AI识别心脏骤停的数量超过了调度员,但向调度员发出警报并没有提高他们的识别率。
走过场式批准有具体数字:在一项放射学研究中,当AI出错时,经验不足的阅片者的准确率从约80%降至20%;即使是经验非常丰富的阅片者,也降至45.5%。
较低的采纳率说明核查是认真的:阿拉斯加航空的调度员只采纳了约30%的Flyways航线,但一年内仍节省了120万加仑燃油。
每次真正命中的警报成本:Epic脓毒症模型标记了全部住院患者的18%,却漏掉了67%的脓毒症病例;即使每位患者只警报一次,也要审查15名患者才能找到一例病例。凯撒医疗集团的AAM平均每天约每35名患者1次警报。
🇺🇸 ChatGPT6 个名次 · 3 条备注
同一个问题,仅由 ChatGPT 回答。上方的最终榜单综合了所有 AI。
- 1MASAI人工智能辅助乳腺钼靶筛查,瑞典
在一项涉及超过10万名女性的随机试验中,间期癌发生率降低了12%,假阳性率相近。
来源 ↗ - 2TREWS脓毒症早期预警系统,美国
在接到脓毒症警报的患者中,临床医生及时确认,与抗生素医嘱提前1.85小时相关;被评估的警报中有38%得到了确认。
来源 ↗ - 3Viz.ai中风救治协调,美国
在166家机构中,AI辅助的协调与介入科医生提前39.5分钟接到通知相关;这不等于治疗提前了39.5分钟。
来源 ↗ - 4美国联邦航空局SMART空中交通决策支持,美国(2026)
前180次报告的改航平均每架次节省近80加仑燃油;这是美国联邦航空局的早期说法,而非独立评估。
来源 ↗ - 5ADA-PMB列车调度AI助手,德国
据报道,它在法兰克福的收益约为每次调度决策100秒,但它只在四个地区运行,并未覆盖德国全部网络。
来源 ↗ - 6西奈山医疗系统机器学习病情恶化警报,美国
在一项涉及2,740名患者的研究中,警报使护理升级的可能性更高;报告未给出确切的死亡率降低数字,且该研究提前结束。
来源 ↗
ChatGPT 注意到的内容
严格的证据筛选只支持六个排名示例,而不是十个:几个广为引用的911效率数据涉及的是自动接听电话,而部分电网和铁路项目仍处于研究阶段或只是有限部署。为凑数而扩充名单,会模糊用户对人工批准和规模化的要求。
关于人类注意力最清晰的公开指标,不是每条建议花费的秒数,而是临床医生的跟进率:TREWS的医生评估了89%的警报,并确认了其中的38%。该研究并未证明存在一个普遍安全的采纳率。
仅有人工签字并不能证明真正的监督:一项涉及438名临床医生的实验发现,带有偏见的规定性AI建议会影响急诊决策,而描述性提示更能保留参与者原有的决定。
🇺🇸 Meta10 个名次 · 4 条备注
同一个问题,仅由 Meta 回答。上方的最终榜单综合了所有 AI。
- 1NATS智能进近配对 — 希思罗机场,英国(2024年起)
一种间隔选择现在把到达延误从5.55分钟降至4.46分钟;希思罗机场十年来累计节省了150万分钟的等待时间。
来源 ↗ - 2欧洲航空安全组织网络管理器 — 基于容量和天气的运行(CWBO),欧洲
今年欧洲网络累计节省了310万分钟延误,这是本排名中最大的总量,由经人工批准的流量系统实现。
来源 ↗ - 3Corti AI — 哥本哈根急救医疗服务,丹麦
它能在93–95%的来电中识别出心脏骤停,而调度员单独识别的比例为73%,并且快约10秒;这几秒决定着能否及时进行心肺复苏。
- 4Bayesian Health TREWS — 脓毒症实时靶向早期预警系统,美国
当临床医生在3小时内确认其警报时,脓毒症患者的死亡可能性降低了18.7%;它是首个获美国食品药品监督管理局批准的连续AI脓毒症监测工具。
来源 ↗ - 5Duke Sepsis Watch — 杜克大学医疗系统,美国(2018年起)
一个由护士主导的团队每5分钟审查一次其评分;杜克大学的数据显示,它与脓毒症死亡率下降27%相关,同时综合治疗方案的依从率翻了一番。
来源 ↗ - 6美国联邦航空局SMART — 空域、航路与航迹战略管理,美国(2026)
现已在全部22个中心上线,但它唯一公布的收益,是华盛顿试点中180架次改航航班,每架次10分钟、80加仑燃油。
来源 ↗ - 7DB InfraGO ADA-PMB — 自动调度辅助,德国
在法兰克福,遵循其建议每次调度可节省100秒;但它仍只在选定区域运行,屏幕集成计划于2026年12月完成。
来源 ↗ - 8法国输电网公司(RTE)AI故障预案筛查 — 法国输电网
比人工安全评估快20倍。速度就是收益所在:调度员能更早看到故障案例,仍然可以自行选择。
来源 ↗ - 9谷歌 / 美国航空 航迹云规避 — 跨大西洋(2023–2026)
当飞行员真正执行了AI方案时,凝结尾减少了62%;但在所有符合条件的航班中,减少幅度只有11.6%,因为大多数方案并未被执行。
来源 ↗ - 10Carbyne AI紧急呼叫分诊 — 新奥尔良,美国
两年来,它只处理一项狭窄的任务:在已报告撞车事故200米范围内的重复撞车报警。正是这种狭窄性,使它获准运行。
Meta 注意到的内容
最大的总量和最薄弱的证据,都出现在航空领域:欧洲航空安全组织报告今年节省了超过310万分钟延误,而美国联邦航空局的SMART只报告了其试点中的180架次改航航班。规模不等于已证实的收益。
凝结尾试验是本排名中最清晰的走过场式批准测试:当方案被执行时,凝结尾减少62%;但在所有符合条件的航班中,只减少了11.6%,因为大多数AI方案从未被执行。
脓毒症AI只有在人快速行动时才有价值:只有当临床医生在3小时内确认警报,TREWS的死亡率收益才会出现。因此,警报负担和确认时间,比原始准确率更重要。
没有任何运营方公布本排名所要求的比率:每次被采纳建议的价值,除以人的每分钟注意力。而自动化偏见研究表明,批准率本身并不能证明真正的核查,因为熟悉且通常正确的建议往往会被走过场式地批准。
🇺🇸 Grok10 个名次
同一个问题,仅由 Grok 回答。上方的最终榜单综合了所有 AI。
- 1美国联邦航空局SMART(美国全国空域,2026)
最初几周内,180架次航班完成改航,每架次节省约10分钟和约80加仑燃油;现已在全部22个中心上线,并经人工管理者批准。
- 2欧洲航空安全组织FADE(欧洲网络延误预测)
延误趋势预测准确率达75%,预测误差最多降低63%;现已供航空公司决定改航和规划机组使用。
- 3NextEra Energy AI调度与停电排程
一年之内,通过AI优化的调度和停电排程,为客户节省超过2000万美元,且始终处于人工监督之下。
- 4韩国电力公社AI电网管理(韩国)
据预计,通过AI需求预测和STATCOM(静止同步补偿装置)优化,每年电力采购成本将减少约1100亿韩元(约7300万美元)。
- 5KATE AI分诊支持(复临健康等)
每位患者的急诊停留时间平均缩短20分钟,脓毒症检测也取得了可衡量的进展;护士仍保留最终分诊权。
- 6欧洲航空安全组织COAST(进近间距校准)
在主要机场,跑道吞吐量最多提高6%;同时,通过机器学习校准的间隔缓冲,管制员的工作量保持不变或有所降低。
- 7DB InfraGO ADA-PMB铁路调度助手(德国)
每60秒向调度员提供一次实时建议,调度员可以接受或拒绝;已在多个高流量地区运行,并仍在扩展。
- 8Corti AI 911医疗呼叫分诊(西雅图消防局)
借助实时AI提示,转接护士热线的来电增加了50%;调度员可以忽略这些提示,人类保留最终决定权。
- 9Carbyne AI紧急呼叫分诊(新奥尔良/奥尔良教区)
重复的撞车相关报警减少了30%以上,遇险来电的接听速度最多快40秒;而真正的紧急情况仍由人类处理。
- 10欧洲航空安全组织TPI(交通预测改进)
对于65%未曾见过的航班,航线预测误差在6海里以内(此前为10%),并为全网的人工流量管理决策提供依据。
🇨🇳 MiMo10 个名次 · 4 条备注
同一个问题,仅由 MiMo 回答。上方的最终榜单综合了所有 AI。
- 1美国联邦航空局SMART空中交通AI工具(2026,美国)
一条被采纳的改航建议价值10分钟和80加仑燃油;而且所有22个管制中心,都是在国会刚问完第一批安全问题之前八周就采纳了这一建议。
来源 ↗ - 2德国铁路公司S-Bahn AI列车调度员(斯图加特,德国)
调度员每60秒收到一份新的冲突方案,斯图加特最多挽回8分钟延误;而“理论上”,一条核心线路每天还能多开17列列车。
来源 ↗ - 3NESO与Open Climate Fix太阳能预测AI(英国电网)
预测误差减半,转化为每年3000万英镑的备用容量节省;这是电网中最不起眼的AI成果,而且没有人要求暂停。
来源 ↗ - 4欧洲航空安全组织CWBO AI辅助流量规则(欧洲,2025–26)
欧洲一个夏天就节省了310万分钟延误;该网络将延误定价为每分钟130欧元,因此节省的价值约为4亿欧元。
来源 ↗ - 5Corti AI心脏骤停建议,供911调度员使用(哥本哈根)
AI识别心脏骤停的比例为85%,调度员为77.5%;但向调度员提供AI之后,他们的得分几乎没有变化(93.1%对90.5%,p=0.15)。
来源 ↗ - 6PG&E AI野火电网监测(加利福尼亚州)
机器学习监测了550万个仪表,在一个火灾年度拦截了17起本可能引发的点火事故,使客户少经历了1200万分钟停电。
- 7Bayesian Health脓毒症AI,用于克利夫兰诊所(美国医院)
试点中的误报减少了十倍;但一家外部实验室在检验一个竞争对手的脓毒症模型时发现,厂商公布的数据在真实病房里并不成立。
来源 ↗ - 8韩国电力公社AI电网需求与电压控制(韩国,2026)
159个数据集扩展为95,000个;据称,该州电力公司的AI每年价值1100亿韩元,并已在全国推广。
来源 ↗ - 9NextEra Grid Composer AI调度(佛罗里达州,美国)
每天五千亿个数据点。该公用事业公司通过把每次人工调度与AI的更便宜方案进行对比,计算出2026年节省了2000万美元;开关仍然掌握在人手中。
来源 ↗ - 10特伦甘纳邦112 AI紧急调度(印度,2026)
总通话处理时间从190秒降至133秒;AI从1,860辆巡逻车中指出最近的一辆,由人来派遣。
来源 ↗
MiMo 注意到的内容
现金计算与注意力计算:约180次被采纳的SMART改航,每次约80加仑,合计约61,000美元的燃油(按11月油价),而对比的是8.7595亿美元合同中已承诺的2330万美元。大家引用的收益是延误分钟数和韧性,但没有任何账本公布从一次被采纳的建议到人的一分钟注意力之间的换算。
建议可以超过人类,但对人类也可能毫无增益:在哥本哈根169,049通电话的随机对照试验中,机器学习单独识别心脏骤停的灵敏度高于调度员(85.0%对77.5%);但收到警报的调度员,并不比没有收到警报的调度员明显更好(93.1%对90.5%,p=0.15)。建议的价值并不等于两者准确率的简单相加。
走过场式批准是可以测量的,而且就在眼前:在一项受控实验中,外科医生接受了每5份中有3份的故意错误AI切口指引,而他们自述的信心反而有所上升。“人在回路中”是一种设计出来的行为,并不是保证。
2026年的一项荟萃分析给出了人工复核本身的代价:26.6%的错误机器心电图判读从未被临床医生纠正。这个回路只能有时拦截错误;而这种拦截率,而非模型准确率,才是“AI提建议,人来决定”的真正安全预算。
🇨🇳 StepFun10 个名次 · 4 条备注
同一个问题,仅由 StepFun 回答。上方的最终榜单综合了所有 AI。
- 1美国联邦航空局SMART(美国空中交通,2026)
22个中心、约200个数据流,而每项建议仍需人工签字:180架次航班改航,每架次节省10分钟以上、近80加仑燃油。
来源 ↗ - 2约翰霍普金斯大学TREWS脓毒症AI(美国医院,2022)
这是少数经受住同行评审、收益得以保留的建议系统:临床医生开始接收警报后,院内脓毒症死亡率相对下降了18.7%。
来源 ↗ - 3Corti心脏骤停AI(哥本哈根急救医疗服务,丹麦)
它能听取911来电,并以84.1%的灵敏度识别心脏骤停,而调度员为72.5%;数据基于169,236通真实来电。
来源 ↗ - 4德国铁路公司AI延误预防(德国,2025)
三个AI网络一年内为德国铁路减少了58,000分钟延误,约相当于40天从未发生的延误。
来源 ↗ - 5DeepMind风力预测(2019)
提前36小时预测风电出力,并使该电力的价值提高约20%。这是厂商提供的数字,没有任何独立机构审计过。
来源 ↗ - 6Network Rail“Insight”AI(英国,2025)
轨道故障每年造成341天的延误;AI的任务是在故障发生之前发出警告,而不是故障之后。
来源 ↗ - 7Pano AI野火摄像头(美国公用事业公司,2025)
一台摄像头在不到1英亩的范围内发现了布雷迪火灾;但太平洋燃气电力公司(PG&E)自己的评估称,摄像头AI检测尚未达到预期性能。
来源 ↗ - 8Oncor动态线路容量评定(美国电网,2020)
线路额定容量在84–91%的时间里可高出6–14%;电网最便宜的新增容量,就是操作员读取到一个更准确的数值。
来源 ↗ - 9NATS希思罗机场AI试验(英国,2025)
一项仅限希思罗机场的试验,承诺收回因低云而损失的20%容量;这是一种宣称,而非测量结果,也尚未在全网推广。
来源 ↗ - 10Epic脓毒症模型(美国医院,2021)
已在数百家医院部署,标记了18%的患者,却漏掉了67%的脓毒症病例:规模很大,收益却没有。
来源 ↗
StepFun 注意到的内容
SMART最初几周的算术:180架次改航航班,每架次10多分钟、约80加仑燃油,合计约1,800分钟和14,400加仑燃油。这是真实的节省,但相对于一份8.75亿美元、为期12年的合同而言微不足道;根据USAspending推算的记录显示,截至2026年11月5日的一年内,仅向Air Space Intelligence承诺支出了2330万美元。
欧洲航空安全组织记录显示,2026年第39周,欧洲航路延误约为每天49,000分钟,比2025年低39%。各类建议系统追逐的收益,以每天数十万分钟计,这就是为什么即使每架次只节省10分钟,也会迅速累积。
经合组织(OECD)的监测器统计了约19,064起AI事件和危害,并每天筛查约1,000条与AI相关的媒体报道;然而本榜单上最有力的收益证据(TREWS、Corti)和最强的警示(Epic),都来自同行评审研究。区分第2名与第10名的是测量方式,而不是事件信息源。
没有人公布每次核查的价值比率,但这份榜单的两端大致界定了它:美国联邦航空局称,SMART的建议100%经过工作人员复核;而Epic模型在18%的住院患者上发出警报,却漏掉了67%的脓毒症病例。这正是建议数量把核查变成走过场的临界点。
🇨🇳 Kimi10 个名次 · 4 条备注
同一个问题,仅由 Kimi 回答。上方的最终榜单综合了所有 AI。
- 1NATS智能进近(希思罗机场,2015年起投入使用)
已运行十年:管制员目测AI计算出的间隔并下达许可。该工具在一座机场将逆风延误减少了60%以上,同时每年节省23万分钟的空中等待时间。
来源 ↗ - 2TREWS脓毒症早期预警系统(美国,约翰霍普金斯大学 / Bayesian Health)
这是这里唯一有同行评审证据的系统:临床医生在3小时内确认AI警报,可使脓毒症死亡率降低18.7%。它还公布了人的一面:89%的警报实际得到了复核。
来源 ↗ - 3Viz.ai LVO中风分诊(美国)
一项涉及14,116名患者、166家医院的真实世界研究发现,AI标记的中风患者到达神经介入医生处的时间快了39.5分钟;这是在全网规模上的结果,而非试点病房。
来源 ↗ - 4美国联邦航空局SMART空中交通规划AI(美国,2026年11月全国推行)
在全部22个美国航路管制中心上线三天后,它眼看着美国联邦航空局让全国停飞。官方称两者无关,但这套8.75亿美元系统的全部收益证据,仍然只有180架次改航航班。
来源 ↗ - 5欧洲航空安全组织网络管理器AI工具 — FADE / PETA / Curfew MIRROR(欧洲)
低调的巨头:自2023年起,机器学习延误预测已在泛欧流量管理系统中运行,为人工流量管理员提供指导;但欧洲航空安全组织只定性地公布收益,并不以分钟计。
来源 ↗ - 6Xcel-NCAR电网调度AI风力预测(美国)
电网运营商仍决定调度什么。AI把预测误差降低了40%;Xcel能源公司称,这一个数字每年价值6000万美元,并减少了25万吨二氧化碳。
来源 ↗ - 7Corti AI在112呼叫中识别心脏骤停(哥本哈根,丹麦)
经同行评审,基于108,607通真实来电:AI比训练有素的调度员多识别出11.6个百分点的心脏骤停,并且提前10秒标记。当生存率每分钟下降约10%时,每一秒都很重要。
来源 ↗ - 8AI 911呼叫分诊与分流(奥尔良教区、科罗拉多州杰斐逊县、加利福尼亚州蒙特雷县)
县级911中心报告称,AI通过处理干扰信息,使紧急电话的接听时间缩短了40秒;而所有紧急来电仍由人工处理。
来源 ↗ - 9Pano AI在公用电网上探测野火(Xcel、PG&E、PGE;美国)
AI发现烟雾,由人类分析员确认,消防调度决定出动。一场科罗拉多州的雷击火灾,在摄像头于0.25英亩时发现后,被控制在3英亩以内。
来源 ↗ - 10Optellum虚拟肺结节门诊肺癌分诊(英国国家医疗服务体系 / 美国)
风险评分会影响临床医生的决定,肺癌诊断的中位时间从129天骤降至25天。这一结果已公开发布,但基于建模的工作流程,因此它位于前十的末尾。
来源 ↗
Kimi 注意到的内容
没有人公布最关键的比率,即每单位人类注意力的价值。最接近的公开数据点是TREWS:临床医生审查了89%的AI警报(其中53%在一小时内),确认警报的患者死亡率相对降低了18.7%;相比之下,SMART尚未公布任何采纳率。
最大赌注的单位经济性极不明朗:8.75亿美元、为期12年的合同,目前只换来180架次改航航班。若按承诺规模化,相对于每年330亿美元的延误问题,按上限计算,每架次改航约合490万美元。
信任税是以巧合的形式支付的:SMART于11月10日全国推广,美国联邦航空局于11月13日停飞了所有航班。官员坚称该工具“并未接入”,但这一时间上的巧合,如今笼罩着SMART今后每一个里程碑的讨论。
这一类别的事故记录解释了该排名的谨慎态度:Epic脓毒症模型是部署最广泛的医院AI顾问,在独立验证中漏掉了67%的脓毒症病例,误报率达88%。这正是“AI提建议,人来决定”本应防范的失效模式(自动化偏见加警报疲劳)。
🇨🇳 DeepSeek10 个名次 · 4 条备注
同一个问题,仅由 DeepSeek 回答。上方的最终榜单综合了所有 AI。
- 1美国联邦航空局SMART(美国空中交通,2026)
经人工批准的180架次改航节省了约14,400加仑燃油,按每加仑4.31美元计算,约合62,000美元,而合同金额为8.75亿美元。
来源 ↗ - 2DB InfraGO ADA-PMB(德国铁路,2026)
2023年,在四个高密度地区节省了超过10万分钟延误;而调度员仍会接受或拒绝每一条建议。
来源 ↗ - 3RWJBarnabas Epic病情恶化指数(美国医院,2026)
在11家医院中,高风险患者死亡率从23.1%降至18.6%。这是4.5个百分点的绝对下降,而不只是相对下降的标题数字。
来源 ↗ - 4耶鲁-纽黑文健康系统eCART(美国医院,2026)
eCART一次最多只标记20至30名患者,但它13%的相对死亡率下降,只对应1.2个百分点的绝对下降。
来源 ↗ - 5Viz.ai LVO中风分诊(美国医院,2026)
急诊DIDO时间(从入院到离院)从202分钟降至113分钟,减少了89分钟,超过了120分钟的基准;但荟萃分析未发现临床结果有显著改善。
来源 ↗ - 6中国南方电网Tianxuan-Lingxi(深圳电网,2026)
一座特大城市的调度员每日接收的信号量,从750条降至不到50条;原本需要30分钟的工单审核,缩短为约十几秒。
来源 ↗ - 7Carbyne紧急呼叫分诊(新奥尔良911,2026)
新奥尔良将重复撞车报警减少了30%,并使高优先级来电者的接听速度快了40秒;但这仅限于911来电中很窄的一部分。
来源 ↗ - 8TREWS脓毒症警报(美国医院,2022)
89%的警报被评估,但只有38%被确认;这是少有的公开数据,显示人类实际上有多常认同。
来源 ↗ - 9美国国家航空航天局数字航迹改航(美国空中交通,2026)
每架次改航航班在大都市区节省了近一小时的总延误;仅在休斯顿,航空公司就批准了3,870个候选中的62%。
来源 ↗ - 10CAISO AI Genie(加利福尼亚州电网,2026)
加州电网运营商(CAISO)的AI副驾驶系统,把一周的停电复盘工作缩短为15分钟,前提是相信厂商的说法;CAISO仍称它为试点。
来源 ↗
DeepSeek 注意到的内容
美国联邦航空局首批180次改航节省了约14,400加仑燃油,按每加仑4.31美元计算,约合62,000美元燃油。这只是8.75亿美元合同的极小一部分,也是美国联邦航空局迄今公布的唯一收益数字。
TREWS是少数同时公布人类注意力两面的系统之一:89%的警报被评估,但只有38%被确认。评估不等于认同。
德铁(DB)的10万分钟延误来自“智能运力管理”,即调度、运营和事后工具的组合,而不只是ADA-PMB,因此收益的归因应当谨慎。
NASA的现场评估表明,人工把关不仅限于空中交通管制:航空公司调度员批准了3,870个改航候选中的62%,而每次被采纳的改航,都节省了近一小时的大都市区总延误。