文章轉(zhuǎn)載自「寶玉 AI」
4月8日，由 李飛飛聯(lián)合領(lǐng)導(dǎo)的斯坦福大學(xué)以人為本人工智能研究所（Stanford HAI）發(fā)布了《2025年人工智能指數(shù)報告》（Artificial Intelligence Index Report 2025） 。這份長達456頁的報告，深入剖析了2024年全球人工智能行業(yè)的發(fā)展態(tài)勢，揭示了12大關(guān)鍵趨勢。
在斯坦福大學(xué)“以人為本的人工智能研究院”（Stanford HAI）看來，人工智能將成為21世紀(jì)最具變革性的技術(shù)。然而，若不謹慎引導(dǎo)，AI帶來的好處并不會平均地惠及所有人?！禔I指數(shù)》提供了目前全球最全面、最權(quán)威的數(shù)據(jù)驅(qū)動的人工智能分析，已成為全球媒體、政府和頂尖企業(yè)的重要參考，幫助決策者、商界領(lǐng)袖及公眾更全面、客觀地了解AI的技術(shù)進步、經(jīng)濟影響和社會意義。
我們整理了一些開發(fā)者可能會關(guān)注的點（感謝 Dia 瀏覽器）：
1.模型性能“內(nèi)卷”，產(chǎn)品體驗才是出路：前十名模型的 Elo 分數(shù)差距從 11.9% 縮小到 5.4%，技術(shù)差距在快速收斂。對創(chuàng)業(yè)者來說，這意味著你不一定要追最新最強的模型，而是要在產(chǎn)品體驗、上下文設(shè)計、數(shù)據(jù)調(diào)優(yōu)上下功夫。用戶不會記得你用了哪個模型，但會記得你是不是“用得順”。
2. 小模型崛起，算力不再是主戰(zhàn)場：Phi-3-mini 只用 38 億參數(shù)就能打平 GPT-3.5，訓(xùn)練和推理成本大幅降低。創(chuàng)業(yè)者不再需要燒錢堆大模型，而是可以用“小而美”的模型做“快而準(zhǔn)”的產(chǎn)品。模型架構(gòu)優(yōu)化、LoRA 微調(diào)和量化技術(shù)變得更重要。
3. 開源模型“夠用”，閉源不再不可替代：閉源模型在 Chatbot Arena 榜單上的領(lǐng)先優(yōu)勢已縮小到 1.7%。對創(chuàng)業(yè)者來說，這意味著你可以用開源模型（Mistral、Gemma、LLaMA）結(jié)合自有數(shù)據(jù)打造差異化產(chǎn)品，而不必依賴 OpenAI 的黑盒。
4. 推理成本暴跌，商業(yè)模式需要重算：GPT-3.5 水平的推理成本 18 個月內(nèi)下降 280 倍。這不是微調(diào)，是范式轉(zhuǎn)移。創(chuàng)業(yè)者要重新考慮定價策略、用戶增長模型和單位經(jīng)濟模型，別再把“成本高”當(dāng)作產(chǎn)品不賺錢的理由。
5. AI 安全成為新剛需，不只是合規(guī)問題：2024 年 AI 事故報告增長 56.4%，但大多數(shù)公司還沒建立系統(tǒng)的防控機制。創(chuàng)業(yè)者如果能在安全、透明、事實性評估上做出特色，反而會成為優(yōu)勢，尤其在 To B 市場。
6.AI 智能體適合短任務(wù)，不適合長流程：RE-Bench 顯示，AI 智能體在 2 小時任務(wù)中表現(xiàn)遠超人類，但一旦任務(wù)拉長到 32 小時，人類反超 2 倍。對創(chuàng)業(yè)者來說，別幻想“萬能 AI 助理”，而應(yīng)專注于結(jié)構(gòu)化、任務(wù)邊界清晰的場景。
7. 數(shù)據(jù)將成為下一個瓶頸C4 數(shù)據(jù)集中限制抓取網(wǎng)頁比例從 5% 飆升到 33%。開源數(shù)據(jù)資源在快速枯竭，創(chuàng)業(yè)者不能再依賴“爬全網(wǎng)”來訓(xùn)練模型。誰能掌握垂直數(shù)據(jù)、誰就能做出更聰明的 AI。
8. AI 落地更快，但 ROI 尚未兌現(xiàn)：78% 企業(yè)已使用 AI，但多數(shù)企業(yè)反饋節(jié)省成本不足 10%、營收提升低于 5%。這對創(chuàng)業(yè)者是提醒：AI 能力 ≠ 商業(yè)價值，找到“高頻剛需+結(jié)構(gòu)清晰”的場景才是關(guān)鍵。
9. 監(jiān)管加速，合規(guī)將成為產(chǎn)品設(shè)計的一部分全球 AI 法規(guī)數(shù)量一年翻倍，美國聯(lián)邦機構(gòu)發(fā)布 59 項新規(guī)。對創(chuàng)業(yè)者來說，合規(guī)不再是上線后的“補作業(yè)”，而是產(chǎn)品設(shè)計之初就要考慮的“前置模塊”。
10. AI 創(chuàng)業(yè)的“非共識”紅利正在消失：開源模型、算力成本、數(shù)據(jù)獲取、監(jiān)管合規(guī)……這些過去創(chuàng)業(yè)者可以“鉆空子”的地方，正在被快速標(biāo)準(zhǔn)化。接下來，拼的是執(zhí)行力、洞察力和節(jié)奏感，而不是“卡位”。
Founder Park 正在搭建開發(fā)者社群，邀請積極嘗試、測試新模型、新技術(shù)的開發(fā)者、創(chuàng)業(yè)者們加入，請掃碼詳細填寫你的產(chǎn)品/項目信息，通過審核后工作人員會拉你入群～
進群之后，你有機會得到：
高濃度的主流模型（如 DeepSeek 等）開發(fā)交流；
資源對接，與 API、云廠商、模型廠商直接交流反饋的機會；
好用、有趣的產(chǎn)品/案例，F(xiàn)ounder Park 會主動做宣傳。
01報告要點一覽1. 人工智能在復(fù)雜任務(wù)上的表現(xiàn)持續(xù)提升。
2023年，研究人員推出了新的AI性能測試基準(zhǔn)——MMMU、GPQA和SWE-bench，僅一年后，AI在這些測試中的表現(xiàn)大幅提升，得分分別增長了18.8、48.9和67.3個百分點。除基準(zhǔn)測試外，AI在生成高質(zhì)量視頻方面也取得重大進展。在某些場景中，語言模型在編程任務(wù)上的表現(xiàn)甚至超過了有時間限制的人類程序員。
2. AI正越來越深入人們的日常生活。
從醫(yī)療到交通，AI技術(shù)迅速從實驗室走向現(xiàn)實生活。2023年，美國食品藥品監(jiān)督管理局（FDA）批準(zhǔn)了223個AI醫(yī)療設(shè)備，而2015年時僅為6個。在道路上，自動駕駛不再只是實驗：美國規(guī)模最大的自動駕駛公司之一Waymo每周提供超過15萬次無人駕駛服務(wù)。中國百度公司的Apollo Go無人出租車也以更親民的價格進駐多個城市。
3. 商業(yè)界全面擁抱AI，投資創(chuàng)歷史新高，AI促進生產(chǎn)力的作用持續(xù)被驗證。
2024年，美國私營部門在AI領(lǐng)域的投資達到1091億美元，幾乎是中國（93億美元）的12倍、英國（45億美元）的24倍。其中，生成式AI尤其受到資本青睞，全球私營投資達339億美元，比2023年增長了18.7%。企業(yè)對AI的應(yīng)用也迅速增加：2024年78%的企業(yè)報告已使用AI，較2023年的55%明顯提升。同時，越來越多研究顯示，AI顯著提高了生產(chǎn)效率，并幫助員工縮小技能差距。
4. 美國仍是頂尖AI模型研發(fā)的領(lǐng)跑者，但中國正迅速縮小差距。
2024年，美國機構(gòu)發(fā)布了40個有重大影響的AI模型，遠超中國的15個和歐洲的3個。但在性能表現(xiàn)上，中國與美國的差距迅速縮?。褐饕獪y試基準(zhǔn)（如MMLU和HumanEval）的性能差距從2023年的兩位數(shù)下降到2024年的幾乎相同。同時，中國在AI學(xué)術(shù)論文發(fā)表量和專利數(shù)量方面繼續(xù)領(lǐng)先全球。此外，中東、拉美、東南亞地區(qū)也開始出現(xiàn)有影響力的模型，全球化趨勢明顯。
AI相關(guān)的事故事件顯著增加，但工業(yè)界在AI安全和事實性評估方面的標(biāo)準(zhǔn)化仍然不足。不過，HELM Safety、AIR-Bench和FACTS等新基準(zhǔn)的出現(xiàn)提供了有效的評測工具。企業(yè)普遍承認負責(zé)任AI的重要性，但實際行動仍相對滯后。相比之下，各國政府對AI治理展現(xiàn)更大緊迫感。2024年，包括經(jīng)合組織、歐盟、聯(lián)合國、非洲聯(lián)盟在內(nèi)的國際機構(gòu)相繼發(fā)布了透明性、可信度等AI治理框架。
11. AI對科學(xué)的貢獻贏得全球最高榮譽。AI在科學(xué)界的影響日益顯著，兩項諾貝爾獎分別頒發(fā)給深度學(xué)習(xí)（物理獎）和蛋白質(zhì)折疊應(yīng)用（化學(xué)獎）領(lǐng)域的貢獻。圖靈獎也表彰了強化學(xué)習(xí)領(lǐng)域的突破性研究。
02第一章：AI的研究與發(fā)展趨勢1. 工業(yè)界持續(xù)領(lǐng)跑AI模型研發(fā)，學(xué)術(shù)界則在高影響力論文方面優(yōu)勢明顯
在過去幾年中，工業(yè)界在AI模型開發(fā)方面一直保持領(lǐng)先優(yōu)勢，并且這種趨勢愈發(fā)明顯。2024年，接近90%的重要AI模型都來自工業(yè)界，而在2023年這一比例為60%。盡管如此，學(xué)術(shù)界仍然主導(dǎo)著被高度引用（前100名）的研究論文，連續(xù)三年保持第一。
2023年全球共發(fā)布了149個基礎(chǔ)模型，比2022年增加一倍以上。在這些新發(fā)布的模型中，開源模型的比例達到了65.7%，而2022年僅為44.4%，2021年更低至33.3%。
3. AI相關(guān)論文持續(xù)增長，在計算機科學(xué)中占據(jù)越來越重要的地位
2013年至2023年間，人工智能相關(guān)論文總量幾乎翻了三倍，從約10.2萬篇增加到超過24.2萬篇。AI論文在計算機科學(xué)領(lǐng)域的占比，也從2013年的21.6%上升到了2023年的41.8%，可見AI研究在學(xué)術(shù)領(lǐng)域影響力的大幅提升。
2024年，美國機構(gòu)發(fā)布了40個重要AI模型，明顯領(lǐng)先于中國的15個和歐洲合計僅3個。過去十年，美國在AI模型開發(fā)方面一直保持全球領(lǐng)先地位。
最新研究發(fā)現(xiàn)，著名AI模型的訓(xùn)練計算量大約每5個月就翻一倍；用于訓(xùn)練大語言模型的數(shù)據(jù)集大小，每8個月翻倍；訓(xùn)練所需的電力消耗每年翻一倍。這些趨勢背后的驅(qū)動力主要來自于工業(yè)界的大規(guī)模投資，不斷推動模型性能提升。
AI模型的使用成本急劇降低。以達到GPT-3.5（MMLU基準(zhǔn)得分64.8）性能水平的模型為例，每百萬Token的查詢成本從2022年11月的20美元大幅降至2024年10月的僅0.07美元（以Gemini-1.5-Flash-8B為例），18個月內(nèi)成本降低超過280倍。具體任務(wù)的推理成本，每年下降幅度介于9倍至900倍之間。
2010年至2023年間，全球AI專利的數(shù)量從3,833件迅速增長到122,511件。僅過去一年，AI專利數(shù)增長了29.6%。截至2023年，中國在AI專利總量上占據(jù)絕對優(yōu)勢，占全球?qū)＠倲?shù)的69.7%。此外，從人均AI專利數(shù)量來看，韓國和盧森堡表現(xiàn)突出。
研究表明，AI專用硬件（以16位浮點運算性能為標(biāo)準(zhǔn)）的性能每年增長43%，約每1.9年性能翻一倍。同時，價格性能每年改善30%，能效也每年提升40%，使得AI應(yīng)用的成本持續(xù)降低。
03第二章：技術(shù)表現(xiàn)1. AI突破新基準(zhǔn)的速度史無前例
2023年，研究人員推出了一系列全新的AI性能基準(zhǔn)，包括MMMU、GPQA和SWE-bench，專門用來挑戰(zhàn)越來越強大的AI系統(tǒng)。到2024年，AI在這些測試中的表現(xiàn)突飛猛進：MMMU提高了18.8個百分點，GPQA更是飆升了48.9個百分點。在SWE-bench編程測試中，AI系統(tǒng)2023年只能解決4.4%的問題，但到了2024年，這一數(shù)字猛增到了驚人的71.7%。
去年AI指數(shù)指出，開源模型的表現(xiàn)遠落后于閉源模型。然而，到2024年，這個差距已幾乎消失。2024年1月初，領(lǐng)先的閉源模型在Chatbot Arena排行榜上的表現(xiàn)比頂級開源模型高8.04%。到2025年2月，這個差距縮小到了僅1.70%。
2023年，美國頂尖AI模型的性能遠超中國模型，但到了2024年，這種差距大幅縮小。在MMLU、MMMU、MATH和HumanEval等測試中，2023年中美模型的性能差距分別為17.5、13.5、24.3和31.6個百分點，到2024年底分別縮小至僅0.3、8.1、1.6和3.7個百分點。
根據(jù)去年AI指數(shù)報告，Chatbot Arena排行榜上第一名與第十名之間的Elo評分差距曾高達11.9%。到2025年初，這一差距已縮小到僅5.4%。同樣地，前兩名之間的差距也從2023年的4.9%下降到了2024年的0.7%。AI領(lǐng)域競爭越來越激烈，涌現(xiàn)了更多開發(fā)者提供的高質(zhì)量模型。
2024年，OpenAI推出了名為o1和o3的AI模型，這些模型能夠通過多次迭代的推理方法改善結(jié)果。這種“測試時計算”的新方法顯著提高了表現(xiàn)。比如，在國際數(shù)學(xué)奧林匹克競賽資格考試中，o1模型的得分高達74.4%，遠高于GPT-4o的9.3%。然而，這種高水平推理也帶來了代價：o1模型的成本是GPT-4o的近六倍，運行速度則慢了30倍。
6. 挑戰(zhàn)難度更高的新基準(zhǔn)不斷出現(xiàn)
隨著傳統(tǒng)基準(zhǔn)（如MMLU、GSM8K、HumanEval）逐漸被突破，MMMU和GPQA等新測試表現(xiàn)越來越好，研究人員開始探索更難的新測試，比如：
“人類終極考試”（Humanity’s Last Exam）：目前表現(xiàn)最好的AI系統(tǒng)得分僅為8.80%。
FrontierMath：專門用于復(fù)雜數(shù)學(xué)問題的測試，AI成功率只有2%。
BigCodeBench：AI的代碼生成測試，目前成功率為35.5%，遠低于人類97%的水平。
2024年，多個先進的AI視頻生成模型問世，包括OpenAI的SORA、Stable Video Diffusion 3D/4D、Meta的Movie Gen，以及Google DeepMind的Veo 2。這些模型能夠根據(jù)文字輸入生成更逼真、更高質(zhì)量的視頻，相較2023年有了顯著提升。
2022年，能夠在MMLU測試中達到60%以上分數(shù)的最小模型是擁有5400億參數(shù)的PaLM。然而，到了2024年，微軟的Phi-3-mini僅需38億參數(shù)就能實現(xiàn)這一表現(xiàn)——短短兩年時間內(nèi)，參數(shù)量縮減了142倍。
盡管使用“思維鏈”等推理方法極大地提升了大型語言模型（LLM）的表現(xiàn)，但這些系統(tǒng)仍然無法可靠地解決邏輯推理問題，比如算術(shù)和規(guī)劃，尤其是在遇到比訓(xùn)練數(shù)據(jù)更復(fù)雜的情況時尤為明顯。這對AI的可靠性和在高風(fēng)險應(yīng)用場景中的適用性產(chǎn)生了重大影響。
10. AI智能體初步展現(xiàn)潛力
2024年，推出了名為RE-Bench的測試平臺，專門評估AI智能體完成復(fù)雜任務(wù)的能力。在短期任務(wù)（2小時內(nèi)）中，頂尖AI系統(tǒng)的表現(xiàn)是人類專家的4倍，但隨著任務(wù)持續(xù)時間延長到32小時，人類專家的表現(xiàn)則反超AI達2倍之多。然而，在某些任務(wù)上（如編寫Triton內(nèi)核），AI智能體的表現(xiàn)已能匹敵人類專家，且更快速、更低成本。
04第三章：負責(zé)任的AI（Responsible AI）1. 用負責(zé)任AI標(biāo)準(zhǔn)評估AI系統(tǒng)還不普遍，但新的基準(zhǔn)逐漸興起。
去年AI指數(shù)曾指出，大語言模型（LLMs）缺乏統(tǒng)一的負責(zé)任AI（Responsible AI，簡稱RAI）評估標(biāo)準(zhǔn)。這一問題雖然還存在，但新興的評估工具開始填補這一空白，比如HELM Safety和AIR-Bench。
根據(jù)AI事故數(shù)據(jù)庫的統(tǒng)計，2024年報告的AI相關(guān)事故達到233起，創(chuàng)下歷史新高，比2023年增加了56.4%。
3. 組織已意識到負責(zé)任AI的風(fēng)險，但實際防范行動跟不上。
麥肯錫的一項調(diào)查顯示，盡管許多組織意識到AI存在風(fēng)險，但并未積極采取措施應(yīng)對。調(diào)查中，領(lǐng)導(dǎo)者關(guān)注最多的三項風(fēng)險分別是：AI系統(tǒng)的不準(zhǔn)確性（64%）、監(jiān)管合規(guī)問題（63%）和網(wǎng)絡(luò)安全風(fēng)險（60%），但實際行動并未完全到位。
2024年，全球在AI治理方面的合作明顯增強，許多主要國際組織如經(jīng)合組織（OECD）、歐盟（EU）、聯(lián)合國（UN）和非洲聯(lián)盟（AU），都發(fā)布了強調(diào)透明性、可解釋性以及可信賴性的負責(zé)任AI治理框架。
5. 公共數(shù)據(jù)資源迅速減少。
AI模型的訓(xùn)練依賴大量公開網(wǎng)頁數(shù)據(jù)。但最新研究發(fā)現(xiàn)，越來越多網(wǎng)站開始限制數(shù)據(jù)抓取，2024年比2023年實施此類限制的比例大幅增加。在C4數(shù)據(jù)集中，限制抓取的數(shù)據(jù)比例從5–7%激增至20–33%。數(shù)據(jù)資源減少將直接影響數(shù)據(jù)的多樣性、模型的有效性和擴展性，也促使研究人員探索新的數(shù)據(jù)受限學(xué)習(xí)方法。
6. 基礎(chǔ)模型研究的透明度有所提升，但仍需加強。
最新的基礎(chǔ)模型透明度指數(shù)顯示，從2023年10月到2024年5月，各大模型開發(fā)者的平均透明度得分從37%提升到58%。雖然進步明顯，但仍有巨大提升空間。
之前用于評估AI模型事實性和真實性的基準(zhǔn)（如HaluEval、TruthfulQA）未能廣泛推廣。為此，新的、更全面的評估方法逐漸涌現(xiàn)，比如新版的休斯“幻覺”評估模型（Hughes Hallucination Evaluation Model）排行榜，以及FACTS和SimpleQA等評估工具。
2024年，全球十多個國家的至少10個社交媒體平臺上出現(xiàn)大量AI生成的選舉虛假信息，包括美國總統(tǒng)選舉期間。然而，這些虛假信息的真實影響程度依然不明朗，人們原本預(yù)計的重大影響并未完全實現(xiàn)。
9. 明確訓(xùn)練以消除偏見的大語言模型仍存在隱性偏見。
許多先進的大語言模型（如GPT-4、Claude 3 Sonnet）雖然在設(shè)計階段已嘗試減少明確的偏見，但仍顯示出明顯的隱性偏見。這些模型傾向于把負面詞匯與黑人關(guān)聯(lián)，把女性更多地與人文學(xué)科而非科學(xué)技術(shù)聯(lián)系起來，并更傾向于將男性與領(lǐng)導(dǎo)角色關(guān)聯(lián)，強化了決策過程中的種族和性別偏見。盡管在基準(zhǔn)測試中的偏見指標(biāo)有所改善，但AI模型的偏見問題依舊突出。
10. 學(xué)術(shù)界越來越關(guān)注負責(zé)任AI研究。
2024年，主流AI學(xué)術(shù)會議中被接受的負責(zé)任AI相關(guān)論文數(shù)量達到1278篇，比2023年（992篇）增加了28.8%。這一趨勢自2019年以來穩(wěn)步提升，顯示學(xué)術(shù)界對負責(zé)任AI議題的持續(xù)關(guān)注與日益重視。
05第四章：經(jīng)濟篇1. 全球人工智能私人投資創(chuàng)新高，增速達26%
2024年，全球企業(yè)對人工智能（AI）的投資達到創(chuàng)紀(jì)錄的2523億美元，其中私人投資增幅高達44.5%，企業(yè)并購活動則增長了12.1%。過去十年，這一領(lǐng)域呈現(xiàn)爆發(fā)式增長，投資總額相比2014年已增長了超過13倍。
生成式AI在2024年的私人投資達到了339億美元，比2023年增長18.7%，更是2022年投資水平的8.5倍以上。目前，生成式AI已經(jīng)占到全部AI相關(guān)私人投資的20%以上。
2024年，美國在AI領(lǐng)域的私人投資高達1091億美元，幾乎是中國（93億美元）的12倍，更是英國（45億美元）的24倍。尤其是在生成式AI領(lǐng)域，美國的投資額超過了中國、歐盟和英國之和254億美元，遠高于2023年的218億美元，領(lǐng)先優(yōu)勢進一步擴大。
4. AI應(yīng)用達到空前水平
2024年，調(diào)查中表示所在組織使用AI的受訪者比例，從2023年的55%躍升至78%。尤其是在生成式AI方面，使用這一技術(shù)至少在一個業(yè)務(wù)環(huán)節(jié)中的比例更是大幅增長，從2023年的33%迅速增加到去年的71%。
盡管越來越多企業(yè)表示在某些業(yè)務(wù)領(lǐng)域采用AI后實現(xiàn)了財務(wù)收益，但目前收益整體仍然偏低。在服務(wù)運營領(lǐng)域，49%的企業(yè)表示AI幫助節(jié)省了成本；其次是供應(yīng)鏈管理（43%）和軟件工程（41%），但多數(shù)企業(yè)節(jié)省的成本不足10%。在收入方面，營銷與銷售領(lǐng)域71%的企業(yè)表示AI帶來收入增長；供應(yīng)鏈管理為63%，服務(wù)運營為57%，但收入增幅普遍低于5%。
雖然北美地區(qū)仍處于AI應(yīng)用的領(lǐng)先地位，但大中華區(qū)在過去一年中的增長尤為突出，AI在企業(yè)中的應(yīng)用比例同比上升27個百分點，歐洲緊隨其后，增幅達到23個百分點。這顯示全球AI格局正在快速演變，各地區(qū)競爭日趨激烈。
7. 中國在工業(yè)機器人領(lǐng)域繼續(xù)保持領(lǐng)先，優(yōu)勢略有收窄
2023年，中國新增工業(yè)機器人27.63萬臺，安裝量是日本的6倍、美國的7.3倍。自2013年首次超過日本后，中國工業(yè)機器人的全球份額從20.8%提升到51.1%。雖然中國機器人安裝數(shù)量仍超過全球其他國家之和，但這一領(lǐng)先優(yōu)勢在2023年略有縮小，顯示其快速擴張有所放緩。
8. 協(xié)作型和互動型機器人日益普及
2017年，協(xié)作型機器人僅占新增工業(yè)機器人安裝量的2.8%，而到2023年已提升至10.5%。此外，2023年除醫(yī)療領(lǐng)域外，各個領(lǐng)域的服務(wù)機器人安裝量也普遍上升。這反映出機器人不僅數(shù)量增加，其應(yīng)用方向也正越來越多地面向人與機器人互動協(xié)作的場景。
9. AI推動能源結(jié)構(gòu)重大轉(zhuǎn)型，核能引發(fā)關(guān)注
微軟宣布投入16億美元重啟“三哩島”核反應(yīng)堆，以滿足AI算力需求。此外，谷歌和亞馬遜也已簽署核能合作協(xié)議，以支持其AI相關(guān)業(yè)務(wù)的能源需求。
10. AI提高生產(chǎn)力，縮小技能差距
去年AI指數(shù)首次強調(diào)了AI對生產(chǎn)力積極影響的研究成果。今年更多研究進一步證實了這一結(jié)論：AI不僅提高了整體生產(chǎn)力，在大多數(shù)情況下，也縮小了低技能和高技能勞動者之間的差距。
06第五章：科學(xué)與醫(yī)學(xué)1. 更強大的蛋白質(zhì)測序模型出現(xiàn)
2024年，多款超大規(guī)模高性能蛋白質(zhì)測序模型問世，其中最引人矚目的是ESM3和AlphaFold 3。這些模型在過去一段時間不斷擴容，體量越來越大，預(yù)測蛋白質(zhì)結(jié)構(gòu)的準(zhǔn)確性也持續(xù)提高。
人工智能在推動科學(xué)發(fā)展的過程中，角色愈發(fā)關(guān)鍵。如果說2022和2023年是AI輔助科學(xué)突破的初步階段，那么2024年的成果更是令人振奮。例如，名為Aviary的項目訓(xùn)練出專注于生物任務(wù)的大模型代理，而FireSat則大幅提高了森林火災(zāi)預(yù)測能力。
OpenAI近期發(fā)布的新模型o1，在醫(yī)學(xué)知識的權(quán)威測試——MedQA基準(zhǔn)中，刷新紀(jì)錄，達到了96.0%的準(zhǔn)確率。這一成績比2023年的最好成績提高了5.8個百分點。事實上，從2022年末至今，性能累計提升幅度達到28.4個百分點。MedQA作為評測臨床醫(yī)學(xué)知識的權(quán)威基準(zhǔn)可能即將觸及性能極限，未來需要更具挑戰(zhàn)性的評估方法。
一項最新研究表明，僅僅依靠GPT-4診斷復(fù)雜病例，就已超過了普通醫(yī)生，甚至勝過了借助AI輔助的醫(yī)生。其他近期的研究也顯示，AI在癌癥診斷、高死亡風(fēng)險病人識別等方面都表現(xiàn)出色。不過，也有一些初步研究指出，AI與醫(yī)生協(xié)作的效果可能更佳，因此這也是未來研究的重要方向。
FDA（美國食品藥品監(jiān)督管理局）在1995年首次批準(zhǔn)了AI醫(yī)療設(shè)備，2015年前總共只批準(zhǔn)了6款。但到2023年，這個數(shù)字猛增至223款。
2024年的研究表明，通過AI生成的合成數(shù)據(jù)可以幫助模型更準(zhǔn)確地識別健康的社會決定因素、提升隱私保護的臨床風(fēng)險預(yù)測能力，還能促進新藥物化合物的發(fā)現(xiàn)。
醫(yī)學(xué)AI倫理研究的論文數(shù)量自2020年至2024年顯著增加，從2020年的288篇，躍升至2024年的1031篇，增長近四倍。
2024年，多款醫(yī)學(xué)領(lǐng)域的大規(guī)模基礎(chǔ)模型集中問世，其中既包括像Med-Gemini這樣通用型的多模態(tài)模型，也有專門針對心臟超聲檢查的EchoCLIP、放射影像的ChexAgent等專業(yè)模型。
9. 公開蛋白質(zhì)數(shù)據(jù)庫規(guī)模迅速擴大
自2021年以來，主流公開蛋白質(zhì)數(shù)據(jù)庫條目的數(shù)量迅速增長，其中UniProt增加31%，PDB增加23%，而AlphaFold數(shù)據(jù)庫更是暴增585%。這種增長對科學(xué)研究和發(fā)現(xiàn)具有深遠意義。
2024年，AI驅(qū)動的研究首次斬獲諾貝爾獎的殊榮，取得了歷史性突破。其中，谷歌DeepMind公司的Demis Hassabis和John Jumper因在AlphaFold蛋白質(zhì)折疊領(lǐng)域的開創(chuàng)性工作，榮獲諾貝爾化學(xué)獎；與此同時，John Hopfield和Geoffrey Hinton因其在神經(jīng)網(wǎng)絡(luò)基礎(chǔ)理論上的貢獻，獲得了諾貝爾物理學(xué)獎。
07第六章：政策與治理1. 美國聯(lián)邦A(yù)I立法進展緩慢，各州卻積極行動領(lǐng)先一步
從2016年到2023年，美國州一級通過的AI相關(guān)法律數(shù)量從最初的1個迅速增加到49個。而僅2023年至2024年一年之內(nèi)，這個數(shù)字更是翻了一倍多，達到了131個。相比之下，盡管聯(lián)邦層面提出的AI法案也在不斷增加，但最終通過的法案數(shù)量依舊非常少。
各國政府正在大規(guī)模投入人工智能基礎(chǔ)設(shè)施建設(shè)，加拿大宣布投入24億美元用于AI基礎(chǔ)設(shè)施建設(shè)，中國則啟動了475億美元的基金，用以推動半導(dǎo)體產(chǎn)業(yè)的發(fā)展。法國承諾投入1170億美元建設(shè)AI基礎(chǔ)設(shè)施，印度承諾12.5億美元，沙特阿拉伯更是通過“超越計劃”（Project Transcendence）宣布將投資1000億美元發(fā)展AI。
3. 全球立法議程中“人工智能”話題持續(xù)升溫
在全球75個主要國家的立法活動中，2024年提及AI的次數(shù)達到1889次，比2023年的1557次增長了21.3%。自2016年以來，全球立法機構(gòu)討論AI的次數(shù)累計增加了九倍以上。
4. 全球AI安全研究機構(gòu)快速擴張，國際合作持續(xù)推進
自2023年11月首屆AI安全峰會召開后，美國與英國率先成立了國際AI安全研究機構(gòu)。隨后，2024年5月在韓國召開的AI首爾峰會上，日本、法國、德國、意大利、新加坡、韓國、澳大利亞、加拿大以及歐盟也相繼宣布建立類似機構(gòu)，國際合作與協(xié)調(diào)進一步加強。
2024年，美國聯(lián)邦層面推出的AI相關(guān)監(jiān)管措施數(shù)量達到59項，這比2023年的25項增長了一倍多。這些監(jiān)管措施由42個不同的聯(lián)邦機構(gòu)頒布，同樣是2023年頒布相關(guān)規(guī)定機構(gòu)數(shù)量（21個）的兩倍。
6. 美國各州加速推出“深偽”（Deepfake）監(jiān)管政策
2024年之前，僅有加利福尼亞州、密歇根州、華盛頓州、德克薩斯州和明尼蘇達州5個州出臺了針對選舉中的深偽技術(shù)監(jiān)管措施。但在2024年，俄勒岡州、新墨西哥州和紐約州等15個州也紛紛跟進出臺類似政策。截至2024年，全美已有24個州制定了相關(guān)法規(guī)。
08第七章：教育1. 美國高中計算機科學(xué)課程的普及程度小幅上升，但差距仍然明顯。
學(xué)生參與計算機科學(xué)（CS）課程的情況仍然因州別、種族、學(xué)校規(guī)模、地理位置、收入、性別和殘障情況存在較大差距。
盡管有81%的計算機科學(xué)教師認為AI相關(guān)知識和技能應(yīng)納入基礎(chǔ)CS課程中，但實際上，不足一半的高中計算機科學(xué)教師表示有能力教授AI。
自2019年以來，這一比例翻了一倍，其中非洲和拉丁美洲國家的進步最為明顯。不過，非洲國家由于學(xué)校缺乏電力，學(xué)生獲得計算機科學(xué)教育的機會依然最低。
雖然AI學(xué)科在本科和博士層面的增長較為緩慢，但碩士學(xué)位數(shù)量的迅速增加可能預(yù)示著未來所有學(xué)位層次的趨勢。
西班牙、巴西和英國緊隨其后。值得注意的是，土耳其在ICT相關(guān)畢業(yè)生的性別平等方面表現(xiàn)最佳。
09第八章：公眾意見1. 全球?qū)I產(chǎn)品和服務(wù)的樂觀態(tài)度穩(wěn)步提升。
Ipsos調(diào)查了2022年和2024年26個國家公眾對AI的態(tài)度，其中18個國家認為AI產(chǎn)品和服務(wù)利大于弊的比例有所增加。全球平均來看，這一比例從2022年的52%升至2024年的55%。
全球三分之二的公眾認為AI將在未來3到5年內(nèi)顯著影響日常生活，比2022年增加了6個百分點。除馬來西亞、波蘭和印度外，其余國家的這一比例均有所增加，加拿大（17%）和德國（15%）增幅最大。
全球范圍內(nèi)，認為AI企業(yè)能保護個人數(shù)據(jù)的信任比例從2023年的50%下降至2024年的47%。同時，相信AI系統(tǒng)公正、不帶歧視偏見的人數(shù)也有所減少。
2023年AI指數(shù)首次提出的地區(qū)差異至今仍很明顯。中國（83%）、印尼（80%）和泰國（77%）對AI樂觀程度最高，而加拿大（40%）、美國（39%）和荷蘭（36%）則相對悲觀。
美國汽車協(xié)會調(diào)查顯示，美國61%的受訪者害怕自動駕駛汽車，只有13%的受訪者表示信任。盡管較2023年68%的恐懼比例略有下降，但仍然高于2021年的54%。
2023年，美國地方層面（鄉(xiāng)鎮(zhèn)、市政、縣級）決策者中有73.7%贊同應(yīng)對AI進行監(jiān)管，比2022年的55.7%大幅提升。民主黨決策者（79.2%）比共和黨決策者（55.5%）的支持程度更高。
在全球范圍內(nèi)，過去對AI最懷疑的英國（38%）、德國（37%）、美國（35%）、加拿大（32%）和法國（31%）民眾的樂觀比例分別提高了8%、10%、4%、8%和10%。
全球60%的受訪者相信AI會在未來五年改變自己的工作方式，但只有36%的受訪者擔(dān)心AI會取代自己的工作。
盡管廣泛支持監(jiān)管AI，但地方?jīng)Q策者在具體政策上存在分歧。支持度最高的政策包括嚴格的數(shù)據(jù)隱私規(guī)則（80.4%）、失業(yè)者再培訓(xùn)（76.2%）和AI部署監(jiān)管（72.5%）；而禁止執(zhí)法機構(gòu)使用面部識別（34.2%）、工資補貼（22.9%）和全民基本收入（24.6%）的支持度較低。
全球55%的受訪者認為AI能節(jié)省時間，51%認為AI能提供更好的娛樂選擇。然而，僅有38%認為AI能改善健康，36%認為AI能促進經(jīng)濟，31%看好就業(yè)市場，37%覺得AI能增強自己的工作表現(xiàn)。
熱門跟貼