斯坦福 AI 指數(shù)報告
這是一份影響力很大的報告，每年一期。
該報告旨在追蹤、整合、提煉并可視化與人工智能（AI）相關的各類數(shù)據(jù)。報告提供無偏見、經(jīng)過嚴格審查、來源廣泛的數(shù)據(jù)，幫助政策制定者、研究人員、高管、記者及公眾深入了解 AI 領域的復雜性和最新動態(tài)。

剛剛，「斯坦福 AI 指數(shù)報告 2025」發(fā)布，與 2024 報告（全方位解讀「斯坦福 2024 AI指數(shù)報告」，附原文 pdf 下載）不同的是，該報告中多次、重點提到了中國的 AI 發(fā)展，我先摘出來一些：

在 AI 測試中，中國與美國差距顯著縮小，如 MMLU 差距僅剩 0.3 個百分點，HumanEval 縮小至 3.7 個百分點。

阿里、字節(jié)、騰訊、智譜和 DeepSeek 組成“國產(chǎn)五英杰”，躋身全球頭部模型開發(fā)機構。

清華大學 2023 年發(fā)表的高被引論文數(shù)量并列全球第一，與 Google 同為 8 篇。

中國 2023 年 AI 授權專利占全球總量的 69.7%，在專利數(shù)量和論文產(chǎn)出方面保持全球領先。

2024 年中國企業(yè) AI 使用率同比增長 27 個百分點，為全球增長最快地區(qū)，應用水平快速提升。

中國繼續(xù)引領全球工業(yè)機器人部署，2023 年新增安裝量達 27.6 萬臺，占全球總量超一半。

公眾對 AI 態(tài)度方面，中國 83% 的受訪者認為“利大于弊”，為全球最高比例之一。

Chapter 1：AI 演進趨勢

2024 年，AI 模型在多個能力測試中的表現(xiàn)提升明顯：模型規(guī)模持續(xù)擴大，訓練資源需求上升，但推理成本顯著下降。企業(yè)成為模型開發(fā)的主要力量，中國在論文、專利和模型發(fā)布方面活躍度持續(xù)提高。

要點如下

中美模型差距縮小

到 2024 年底，中美模型在 MMLU、HumanEval 等核心測試中的表現(xiàn)差距明顯縮小，例如 MMLU 差距為 0.3 個百分點，HumanEval 為 3.7 個百分點。

中美模型差距，在不斷縮小

「國產(chǎn)五英杰」位列主要模型開發(fā)機構

2024 年，阿里巴巴發(fā)布 6 個 知名（notable） 模型，全球排名第三。字節(jié)跳動、DeepSeek、騰訊、智譜各發(fā)布 2 個知名模型：「國產(chǎn)五英杰」，集體進入世界第一陣營。

圖1.3.6：各機構貢獻的知名模型數(shù)量

清華大學高被引論文數(shù)量全球領先

清華大學 2023 年發(fā)布 8 篇進入全球前 100 高被引論文，與 Google 并列第一。

圖1.1.13：清華的學術產(chǎn)出卓著

多項成績大幅提升

AI 在 SWE-bench 中，截止到 23 年底，最好成績是 4.4%，而最新的成績已經(jīng)達到了 71.7%。GPQA 和 MMMU 兩項新測試的成績也分別提升了 48.9 和 18.8 個百分點。

目前的最好成績，由 OpenAI o3 保持

企業(yè)主導模型開發(fā)

2024 年，90% 以上的 知名模型由企業(yè)發(fā)布。MIT 和 UC Berkeley 等高校也發(fā)布了 2 個 notable 模型。

圖1.3.5：知名模型背后的貢獻者

模型規(guī)模和訓練時間增加

訓練 GPT-4o 級別的模型，需約 38B petaFLOP，周期在 90～100 天之間。

圖1.3.16：不同模型的參數(shù)量

小模型取得較高性能

Phi-3-mini 模型參數(shù)量為 3.8B，在 MMLU 測試中得分超過 60%，接近 GPT-3.5。

圖2.1.38：達到 60% MMLU，所需的模型尺寸在不斷縮小

推理成本下降

GPT-3.5 水平模型推理成本從 2022 年的 20美金 /百萬 tokens 降至 2024 年的 0.07美金，降幅超過 280 倍。

圖1.3.22：模型成本下降顯著

中國論文與專利數(shù)量位居全球前列

2023 年，中國 AI 論文占全球 23.2%，引用占 22.6%；AI 授權專利占全球 69.7%。

圖1.1.6：AI 領域論文比例圖1.1.7：AI 領域引用比例圖1.2.3：AI 授權專利比例

可用數(shù)據(jù)或將趨緊

研究估計，高質量網(wǎng)絡訓練數(shù)據(jù)可能在 2026～2032 年間消耗殆盡，行業(yè)正關注替代數(shù)據(jù)來源。

圖1.3.19：數(shù)據(jù)使用情況

Chapter 2：AI 能力持續(xù)提升

2024 年，多項新模型在語言、數(shù)學、視頻生成等能力上取得進展。領先模型之間的差距縮小，小模型表現(xiàn)提升明顯。AI 在推理能力方面仍存在挑戰(zhàn)。

要點如下

模型在多個新基準上取得進步

在 2023 年引入的新測試中，AI 表現(xiàn)在一年內快速提升：MMMU 得分提升 18.8 個百分點，GPQA 提升 48.9 個百分點，SWE-bench 提升 67.3 個百分點。

中美模型在測試成績上接近

2023 年底，中美模型在多個測試中的差距急劇縮小，分別為：

• ? MMLU：17.5% → 0.3%
• ? HumanEval：31.6% → 3.7%
• ? MMMU：13.5% → 8.1%
• ? MATH：24.3% → 1.6%

模型排名差距縮小

在 Chatbot Arena 排行榜上，排名前十的模型 Elo 得分差從 11.9% 降至 5.4%；第一名和第二名之間的差距從 4.9% 降至 0.7%。

圖2.1.39：DeepSeek 迎面趕上

引入“Test-time Compute” 提升模型推理能力

在國際數(shù)學奧賽選拔題上，OpenAI 推出的 o1，作為推理模型得分達 74.4%，明顯高于 GPT-4o 的 9.3%。但 o1 模型在推理時比 GPT-4o 慢 30 倍，成本高 6 倍。

圖2.2.14：增加推理時間，提升模型效果

新測試標準持續(xù)推出

為應對現(xiàn)有測試趨于飽和，研究者推出了多個更難的新測試集，例如：

• ? Humanity’s Last Exam：最高分僅為 8.8%
• ? FrontierMath：AI 正確率約為 2%
• ? BigCodeBench：AI 得分為 35.5%，低于人類水平的 97%

文本生成視頻技術顯著進步

2024 年發(fā)布的多個模型在文本生成視頻方面質量明顯提升，包括 OpenAI 的 SORA、Meta 的 MovieGen、Google DeepMind 的 Veo 2 等。

小模型取得優(yōu)異表現(xiàn)

2022 年，超過 60% MMLU 得分的最小模型是 PaLM（540B 參數(shù)）；2024 年，Phi-3-mini（3.8B 參數(shù)）也達到了該水平。可理解為同表現(xiàn)下，參數(shù)量下降 142 倍。

推理能力仍有限

盡管“思維鏈”方法改善了模型表現(xiàn)，AI 仍難以穩(wěn)定解決大型邏輯或規(guī)劃問題，尤其是在訓練范圍之外的任務上。

AI 代理在短期任務中表現(xiàn)優(yōu)于人類

在兩小時預算內，AI 代理在 RE-Bench 測試中得分是人類的 4 倍。但在 32 小時任務中，人類得分是 AI 的兩倍。AI 在部分任務中效率更高，但仍有時間限制。

圖2.8.4：Agent 在短時任務中，表現(xiàn)超過人

Chapter 3：AI 安全體系仍不完善

AI 應用規(guī)模持續(xù)擴大，但圍繞安全性、可信度、偏見與誤用的挑戰(zhàn)也在增加。行業(yè)在相關評估與治理上的行動仍有限，政府與研究界的介入力度逐步增強。

要點如下

RAI 的評估仍未普及

雖然 HELM Safety、AIR-Bench 等新測試被提出，但主要模型開發(fā)方仍缺乏統(tǒng)一的 RAI（Responsible AI）評估流程，實踐不一致。

圖3.2.6：各類模型，都有標準的性能評估方法圖3.2.7：各類模型，在安全評估上，未有共識

AI 相關事故持續(xù)上升

2024 年，AI Incidents Database 收錄的報告達 233 起，比 2023 年增長 56.4%，為歷史新高。

企業(yè)識別風險，但應對不足

根據(jù) McKinsey 調查，大部分企業(yè)管理者意識到 RAI 風險，但采取行動的不多。管理者對不準確性、法規(guī)合規(guī)和網(wǎng)絡安全的關注度分別為 64%、63%、60%。

政府合作加強

2024 年，多國機構（OECD、歐盟、聯(lián)合國、非盟等）發(fā)布 RAI 治理框架，內容涉及透明性、可解釋性和信任等核心原則。

網(wǎng)絡訓練數(shù)據(jù)受限比例上升

許多網(wǎng)站設置限制，減少 AI 模型對網(wǎng)頁內容的抓取。2024 年，C4 數(shù)據(jù)集中受限 token 比例從前一年的 5–7% 上升至 20–33%。

C4即：Colossal Clean Crawled Corpus
這是一個大規(guī)模的文本數(shù)據(jù)集，廣泛應用于大型語言模型（LLM）的預訓練。該數(shù)據(jù)集來源于 Common Crawl 項目收集的海量公開網(wǎng)頁抓取數(shù)據(jù)。為了提升數(shù)據(jù)質量以適應模型訓練的需求，原始的 Common Crawl 數(shù)據(jù)經(jīng)過了大量且細致的清洗與過濾處理，旨在移除例如網(wǎng)站模板代碼、導航元素、重復內容以及其他非自然語言文本。

圖3.6.2：按 robots.txt，看 C4 數(shù)據(jù)限制圖3.6.3：按服務條款，看 C4 數(shù)據(jù)限制

模型透明度有所提升

Foundation Model Transparency Index 顯示，主要模型開發(fā)者的平均透明度得分從 2023 年 10 月的 37% 上升至 2024 年 5 月的 58%。

針對事實準確性的測試更新

相比 HaluEval、TruthfulQA 等舊方法，2024 年新推出的 FACTS、SimpleQA 和更新版 Hughes Hallucination Evaluation Model 被更多研究者采納。

AI 選舉虛假信息引發(fā)關注

2024 年，十余個國家在選舉期間出現(xiàn) AI 相關虛假內容，但實際影響仍不明確，部分預期效果未實現(xiàn)。

模型偏見仍未解決

GPT-4、Claude 3 Sonnet 等模型在性別與種族上仍表現(xiàn)出隱性偏見。例如，女性更常被關聯(lián)到人文學科，男性更常與領導角色相關聯(lián)。

學術界對 RAI 研究熱度上升

2024 年，RAI 相關論文在主流 AI 會議中的錄用量為 1,278 篇，比 2023 年增長 28.8%。自 2019 年以來，該方向保持持續(xù)增長。

Chapter 4：AI 投資加速

2024 年，AI 在商業(yè)領域的應用加快，全球投資總額創(chuàng)歷史新高。生成式 AI 領域尤其受到資本青睞。各行業(yè)開始感受到初步的財務影響，但普遍仍處于早期階段。

要點如下

全球 AI 投資創(chuàng)新高

2024 年，全球 AI 投資達到 2523 億美元，同比增長 26%。其中，私人投資直接投資增長 44.5%，并購增長 12.1%。

這里的私人投資，包括個人、企業(yè)、私募、VC/PE、公司戰(zhàn)略投資

圖4.3.1：按服務條款，看 C4 數(shù)據(jù)限制

生成式 AI 投資持續(xù)增長

2024年，在生成式 AI 領域，美國的私人投資在達 339 億美元，同比增長 18.7%，比 2022 年增長超過 8.5 倍，占全部 AI 投資的 20% 以上。

圖4.3.3：按服務條款，看 C4 數(shù)據(jù)限制

美國在 AI 投資中領先

2024年，在整個 AI 投資領域，美國的私人投資為 1091 億美元，是中國（93 億美元）的近 12 倍，是英國（45 億美元）的 24 倍。

圖4.3.8：2024 年，各國 AI 有關的投資圖4.3.10：2013年至今，各國 AI 有關的投資

企業(yè)使用 AI 的比例持續(xù)上升

2024 年，78% 的企業(yè)報告正在使用 AI，比上一年（55%）顯著增長。采用生成式 AI 的企業(yè)占比也從 33% 提升到 71%。

圖4.4.4：23年vs24年，AI 的企業(yè)滲透

財務回報仍處于早期階段

在已有使用的企業(yè)中，49% 在服務運營中報告了成本下降，但多數(shù)降幅低于 10%。在銷售、供應鏈等環(huán)節(jié)中，也有 50～70% 的企業(yè)報告了營收增長，主要集中在 5% 以下。

區(qū)域差異變化顯著

中國大陸和港澳臺地區(qū)的企業(yè) AI 使用率增長了 27 個百分點，增長幅度為全球最高。歐洲增長 23 個百分點。

中國繼續(xù)引領工業(yè)機器人部署

2023 年，中國安裝了 27.6 萬臺工業(yè)機器人，是日本的 6 倍、美國的 7.3 倍，占全球總量的 51.1%。

協(xié)作型機器人使用增加

2023 年，協(xié)作型機器人占新裝工業(yè)機器人的 10.5%，2017 年該比例為 2.8%。服務型機器人在醫(yī)療以外的應用也呈現(xiàn)增長。

AI 使用推動能源結構調整

多家科技公司與核電廠達成合作協(xié)議，支持 AI 所需的高能耗運行。包括微軟重啟美國 Three Mile Island 核反應堆，Google 與 Amazon 也已簽署相關協(xié)議。

AI 被證明可提升生產(chǎn)力、縮小技能差距

多項研究顯示，AI 應用可帶來整體生產(chǎn)率提升，尤其有助于低技能崗位員工提高績效，與高技能員工之間的差距有所縮小。

Chapter 5：AI 在科研領域發(fā)力

AI 在生物醫(yī)藥、臨床知識、基礎科學等領域的應用不斷擴大。多個新模型發(fā)布，研究效率提高。AI 在特定任務中已具備超越人類的能力，但模型驗證、臨床集成仍是挑戰(zhàn)。

要點如下

蛋白質結構預測模型持續(xù)升級

2024 年發(fā)布了多款大規(guī)模蛋白質序列預測模型，包括ESM3 和 AlphaFold 3，模型規(guī)模增加帶來預測精度的進一步提升。

AI 在科研中的作用進一步增強

新工具如Aviary（用于訓練生物任務的 LLM agent）和FireSat（用于預測森林火災）在 2024 年得到應用，展示出 AI 在科研支持上的多樣化方向。

醫(yī)學大模型臨床知識水平提升

OpenAI 的 o1 模型在 MedQA 基準測試中得分達 96%，比 2023 年領先模型提高 5.8 個百分點，自 2022 年以來總提升達 28.4 個百分點。

部分任務中 AI 表現(xiàn)優(yōu)于醫(yī)生

研究發(fā)現(xiàn)，GPT-4 在復雜病例診斷中表現(xiàn)優(yōu)于醫(yī)生團隊。其他研究也表明AI 在癌癥檢測、高風險患者識別等任務中具備較高準確性。

AI 輔助的 FDA 批準設備數(shù)量增長

截至 2023 年，FDA 批準的 AI 醫(yī)療設備總數(shù)達 223 個。相比 2015 年（僅 6 個），增長顯著。

圖5.4.10：FDA 批準的 AI 醫(yī)療設備數(shù)量顯著提升

合成數(shù)據(jù)在醫(yī)療研究中展現(xiàn)潛力

2024 年的研究表明，AI 生成的合成醫(yī)療數(shù)據(jù)可在保障隱私的同時，用于改進健康風險預測和新藥發(fā)現(xiàn)。

醫(yī)療倫理研究熱度上升

關于醫(yī)療AI 倫理的論文數(shù)量自 2020 年以來增長近四倍，從 288 篇增至 1031 篇，反映該議題在學術界受到重視。

醫(yī)療領域出現(xiàn)多種基礎模型

2024 年發(fā)布了多種專門面向醫(yī)學場景的大模型，包括：

• ?Med-Gemini（通用多模態(tài)）
• ?EchoCLIP（超聲心動圖）
• ?VisionFM（眼科）
• ?ChexAgent（放射影像）

公共蛋白質數(shù)據(jù)庫持續(xù)擴充

自 2021 年以來，UniProt 增長 31%、PDB 增長 23%、AlphaFold 數(shù)據(jù)庫增長 585%，為蛋白質科學研究提供基礎支撐。

AI 研究獲得諾貝爾獎認可

2024 年，兩項 AI 相關研究獲諾貝爾獎：

• ? 化學獎授予 AlphaFold 團隊，用于蛋白質折疊預測
• ? 物理獎授予神經(jīng)網(wǎng)絡研究者 John Hopfield 與 Geoffrey Hinton

Chapter 6：AI 政策監(jiān)管加強

全球多個國家在 2024 年加強了 AI 基礎設施投資和監(jiān)管推進。AI 成為政策議程核心議題，國家層面機構與國際組織陸續(xù)發(fā)布治理框架，AI 安全合作初具體系。

要點如下

美國州級立法活躍

2016 年，全美僅有 1 項州級 AI 法律
2023 年，增至 49 項；
2024 年翻倍至 131 項。
相比之下，聯(lián)邦級立法仍進展緩慢。

多國推進 AI 基礎設施投資

2024 年主要國家的投資承諾包括：

• ? 加拿大：24 億加元
• ?中國：475 億美元（芯片專項基金）
• ? 法國：1090 億歐元
• ? 印度：12.5 億美元
• ? 沙特阿拉伯：1000 億美元（Project Transcendence）

AI 相關立法提及數(shù)量持續(xù)上升

2024 年，75 個國家中，立法文本中提及 AI 的次數(shù)增長 21.3%，達 1889 次，是 2016 年的 9 倍。

全球 AI 安全機構體系初步建立

在 2023 年的英國 AI 安全峰會后，首批國家級 AI 安全研究所設立于美國與英國。2024 年的首爾 AI 峰會推動更多機構承諾加入，包括日本、法國、德國、意大利、新加坡、韓國、澳大利亞、加拿大及歐盟。

美國 AI 監(jiān)管部門數(shù)量翻倍

2024 年，美國共有 42 個聯(lián)邦機構出臺 AI 相關規(guī)章制度，是 2023 年的兩倍。全年共發(fā)布 59 項新規(guī)，比去年增長超過一倍。

Deepfake 治理擴展至更多州

截止 2024 年，美國有約 24 個州已經(jīng)就 Deepfake 問題，展開治理工作

Chapter 7：AI 教育關注度提升

全球越來越多國家將 AI 和計算機科學納入基礎教育體系，美國高校相關畢業(yè)人數(shù)持續(xù)增長。但教育資源、師資能力、基礎設施等方面的區(qū)域差異仍然存在。

要點如下

美國高中計算機課程參與率略有上升

2023–2024 學年，美國高中階段學生參與計算機科學課程的比例有所提升。但在州別、種族、性別、收入等方面仍存在明顯差距。

多數(shù) CS 教師支持教授 AI，但信心不足

美國 81% 的 K–12 計算機科學教師認為 AI 應納入基礎課程體系，但僅不到一半的教師表示自己具備教授 AI 的能力。

圖7.2.13：美國各地 K-12 有關 AI 的內容

全球三分之二國家已引入或計劃引入 K–12 CS 教育

相較于 2019 年，這一比例翻倍。其中，非洲與拉丁美洲國家的進展最為顯著。但一些非洲國家仍因基礎設施（如供電）問題導致教學覆蓋不足。

美國 AI 相關碩士畢業(yè)生數(shù)量大幅增長

2023 年，美國獲得 AI 相關碩士學位的畢業(yè)生人數(shù)相比 2022 年幾乎翻倍。雖然本科與博士層面的增長較緩，但整體呈持續(xù)上升趨勢。

美國仍是 ICT（信息通信技術）人才培養(yǎng)大國

在信息與通信技術畢業(yè)生數(shù)量上，美國仍居全球領先位置。西班牙、巴西、英國緊隨其后。土耳其在性別平衡方面表現(xiàn)最佳。

Chapter 8：公眾態(tài)度分化明顯

2024 年，多數(shù)國家的公眾對 AI 帶來積極影響的期待上升，但對 AI 公司、數(shù)據(jù)隱私及算法公平性的信任普遍偏低。各國之間的態(tài)度差異顯著。

要點如下

全球整體 AI 樂觀情緒上升

在 26 個國家中，有 18 個國家的受訪者更傾向于認為 AI 產(chǎn)品利大于弊。全球總體比例從 2022 年的 52% 上升至 55%。

AI 被認為將在日常生活中發(fā)揮重要作用

約三分之二的受訪者認為，未來 3–5 年內，AI 將對個人日常生活產(chǎn)生顯著影響。相比 2022 年增加了 6 個百分點。

對 AI 公司信任度下降

認為 AI 公司能妥善保護個人數(shù)據(jù)的受訪者比例，從 2023 年的 50% 降至 2024 年的 47%。對算法是否公正的信心也有所下降。

圖8.1.1：人們對 AI 產(chǎn)品的態(tài)度變化

各國對 AI 的態(tài)度差異明顯

在中國（83%）、印尼（80%）、泰國（77%）等國，絕大多數(shù)人認為 AI 利大于弊；而在加拿大（40%）、美國（39%）、荷蘭（36%）等國家，這一比例顯著偏低。

圖8.1.2：不同地區(qū)的人，對 AI 的正面態(tài)度

美國公眾對自動駕駛信任度較低

2024 年，美國有 61% 的受訪者表示“擔心自動駕駛汽車”，僅 13% 表示信任該技術。雖然擔憂比例相比 2023 年略有下降，但仍高于 2021 年（54%）。

地方政府對 AI 監(jiān)管支持度較高

2023 年，美國地方層級的政策制定者中，73.7% 支持加強 AI 監(jiān)管，高于 2022 年的 55.7%。其中民主黨支持率為 79.2%，共和黨為 55.5%。

過去對 AI 持懷疑態(tài)度的國家也出現(xiàn)轉變

例如德國、法國、加拿大、英國、美國的 AI 樂觀比例相比 2022 年分別提升了 10%、10%、8%、8%、4%。

大多數(shù)人預期 AI 將改變工作方式，但對被取代的擔憂較少

全球范圍內，60% 的受訪者認為 AI 將在未來 5 年內改變自己的工作方式，但只有 36% 擔心 AI 會在這段時間內取代自己的崗位。

地方政策制定者對監(jiān)管重點意見不一

在美國地方政府中，對隱私保護（80.4%）、再培訓政策（76.2%）和部署規(guī)范（72.5%）支持度較高。但對禁用人臉識別（34.2%）、工資補貼（32.9%）、全民基本收入（24.6%）支持度較低。

AI 被認為能提升效率和娛樂性，但經(jīng)濟與就業(yè)作用信心不足

55% 的人認為 AI 能“節(jié)省時間”，51% 認為它能“帶來更好的娛樂體驗”，但只有 36% 看好它能改善國家經(jīng)濟，31% 認為它將改善就業(yè)市場。

圖8.1.9：人們「AI 改善生活」的信心圖8.1.10-11：人們「AI 改善就業(yè)」的信心