斯坦福大學教授李飛飛團隊發布：2025年人工智能發展報告

這是斯坦福大學李飛飛團隊發布的《 2025 AI Index Report 》，被認為 是迄今規模最大、最綜合的AI發展數據報告。報告全面揭示了這一變革的核心趨勢：AI已從實驗室走向日常生活，成為推動經濟、科學與全球治理的關鍵力量。

報告非常具體地呈現出一些事實，例如，中美在AI行業的投資有著較大差距。2024年全球私人AI投資達2523億美元，其中生成式AI吸引339億美元，同比增長18.7%。美國以1091億美元投資領先，是排名第二的中國(93億美元)的11.7倍，是英國(45億美元)的24.1倍。

自2013年以來的綜合數據也呈現出類似的趨勢。近十年來，美國新融資的人工智能公司數量約為中國的4.3倍，英國的7.9倍。

這表明中國在AI投資方面仍有較大上升空間。

雖然美國在頂尖模型開發上仍居主導（2024年推出40個標志性模型），但中國在論文總量、專利授權等方面領先，并在模型質量上快速追趕。中東、拉美和東南亞地區也開始推出有影響力的模型，全球AI生態呈現多極化趨勢。

斯坦福大學李飛飛團隊發現，人工智能在多項嚴苛測試中表現卓越。2024年，模型在MMMU、GPQA和SWE-bench等新基準上的性能分別提升18.8%、48.9%和67.3%。

更值得關注的是，AI的使用成本大幅降低：達到GPT-3.5水平的模型推理成本在18個月內下降超過280倍。同時，開源模型幾乎追平閉源模型，性能差距從8%縮小至1.7%，技術民主化進程加速。

伴隨AI能力的增長，信任與安全挑戰日益嚴峻。2024年報告的AI相關事故數量增加56.4%，但企業對負責任AI風險的認知與實際行動間仍存在差距。對此，全球政策制定者展現出強烈緊迫感。

美國年度AI法規數量翻倍，全球AI立法總量較2016年激增9倍。從OECD到聯合國，國際組織密集出臺治理框架，共同聚焦透明度、公平性與可信度。

本文節選自李飛飛團隊發布的《2025年人工智能指數報告》，由「白鯨實驗室」編輯整理，若需要完整版PDF報告，可在文末留言“PDF”。

第一章:研究與開發

2024年12月，DeepSeek推出了V3模型，引起了廣泛關注，尤其是因為該模型在計算資源需求遠低于許多領先的大語言模型的情況下，實現了卓越的性能。

下圖比較了美國和中國一些標志性機器學習模型的訓練計算量，凸顯了一個關鍵趨勢：美國頂級人工智能模型的計算量，通常遠高于中國模型。

根據Epoch AI的研究數據，自2021年底以來，中文前十大語言模型的訓練算力年均增長約3倍，顯著低于2018年以來全球其他地區5倍的年均增速。

機器學習是 2023年人工智能領域最熱門的研究主題，占總論文數量的 75.7%，其次是計算機視覺(47.2%)、模式識別(25.9%)和自然語言處理。過去一年中，關于生成式人工智能的論文數量出現了顯著增長。

雖然追蹤人工智能論文總量能提供一個對人工智能研究 活動的宏觀視角，但聚焦于被引用次數最多的論文則能揭示該領域最具影響力的研究成果。這項分析揭示了一些最具開創性和影響力的人工智能研究正在哪里興起。

今年，人工智能指數通過OpenAlex的引文數據，確定了2021年、2022年和2023年被引用次數最多的100篇人工智能論文。

2023年被引用次數最多的人工智能論文包括OpenAI的GPT-4技術報 告、Meta 的 Llama 2技術報告和谷歌的PaLM-E的技術報告。值得注意的是，由于引用的滯后性，今年報告中被引用次數最多的論文在今后的版本中可能會有所變化。

學術界持續產出最多被引的人工智能論文,2023年為42篇，2022年為27篇，2021年為34篇(圖1.1.12)。

值得注意 的是，產業界貢獻出現了顯著下降，百強論文的數量從2021年的17篇和2022年的19篇，驟降至2023年的僅7篇。隨著人工智能研究競爭日益激烈，許多行業人工智能實驗室降低發表論文頻率或減少披露研究細節。

下圖展示了2021至2023年間，全球人工智能領域高被引百強論文來源機構分布情況。部分機構在圖表中可能出現空白柱，這表明該機構在某年未發表百強論文。

此外，下圖僅列出了排名前10的機構，盡管許多其他機構也做出了重要貢獻。谷歌每年均位居榜首，但在2023年與清華大學并列第一，兩者均有8篇論文入選百強。2023年，卡內基梅隆大學是排名最高的美國學術機構。

為了展示人工智能領域不斷演變的地緣政治格局，人工智能指數展示了標志性模型所屬的國家。下圖展示了歸因于研究人員所屬機構所在地的標志性人工智能模型總數。

2024年，美國以40個標志性人工智能模型遙遙領先，中國以15個緊隨其后，法國則有3個。2024 年全球主要經濟體包括美國、中國和歐盟均報告說，2024年發布的標志性模型少于上一年。

自2003年以來，美國開發的模型數量超過了英國、中國和加拿大等其他主要國家。

下圖分別呈現了2024年度及過去十年間，機器學習領域標志性模型研發的主導機構分布情況。2024年，貢獻最多的是谷歌(7 個)、OpenA(I 7 個模型)和阿里巴巴(4 個)。

自2014年以來，谷歌以187個標志性模型遙遙領先，其次是 Meta(82個)和微軟(39個)。在學術機構中，卡內基梅 隆大學(25個)、斯坦福大學(25個)和清華大學(22個)自2014年以來在標志性模型研發方面成果最多。

第二章：技術性能

本章節節人工智能指數呈現2024年人工智能領域的主要發展趨勢和全方位高層視角覽。

去年人工智能指數報告指出，人工智能已在多數任務中超越人類水平，僅剩競賽級數學和視覺常識推理等少數例外。過 去一年間，人工智能系統持續改進，在多個原屬挑戰性的比較 基準中已實現對人類表現的超越。

下圖展示了人工智能系統相對于人類基線在8類比較基準(涵蓋 11 項任務，如圖像分類、基礎閱讀理解等)中的進 展。人工智能指數團隊為每類任務選取一個代表性基準，今年新增 GPQA Diamond 和 MMMU等新發布基準，以展示人工智能在極端復雜認知任務中的突破。

美國在人工智能研究和模型開發領域長期占據主導地位，中國則穩居第二。然而，最新證據表明，這一格局正在快速變 化，中國開發的模型正逐步趕超美國同行。

2023年，美國領先模型的性能顯著優于中國模型。在 LMSYS Chatbot Arena平臺上，2024年1月，美國頂尖模型的表現比中國最佳模型高出 9.3%。但到2025年2月，這一差距已縮小至僅 1.70%。2023年底，在 MMLU、 MMMU、MATH 和 HumanEval 等比較基準中，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。

而到2024年底，這些差距已大幅縮小至 0.3、8.1、1.6 和 3.7 個百分點。DeepSeek-R1 的發布引發了廣泛關注，除此之外，另一原因在于該公司稱其成果僅需通常訓練此類模型所需硬件資源的一小部分即可實現。除了對美國股市造成影響外，DeepSeek-R1 的發布還引發了對美國半導體出口管制有效性的質疑。

近年來，人工智能前沿模型的性能逐漸趨同，多家供應商現已能提供高性能模型。這一現象標志著自2022年底以來的轉變——當時ChatGPT的發布(被廣泛視為 AI 進入公眾視野 的突破性事件)正值OpenAI和谷歌兩大巨頭主導市場的時期。

OpenA(I成立于2015年)于2020年發布GPT-3，而谷歌則在2022年推出了PaLM 和 Chinchilla等模型。

此后，新競爭者陸續入場，包括Meta 的 Llama 系列、Anthropic 的 Claude、High-Flyer 的 DeepSeek、Mistral 的 Le Chat 以及 xAI 的 Grok。隨著競爭加劇，模型性能差距日益縮小。根據去年的人工智能指數報告，在廣泛使用的人工智能排名平臺Chatbot Arena Leaderboard上，第一名與第十名模型的性能差距為11.9%；而到2025年初，這一差距已縮小至5.4%。

同樣，前兩名模型的差異從2023 年的4.9%降至2024年的僅0.7%。人工智能領域競爭日趨激烈，印證了2023 年的預測：人工智能企業缺乏抵御競爭對手的技術護城河。

盡管 MMLU 備受關注，但它也面臨顯著批評。有觀點認為，該比較基準包含錯誤或過于簡單的問題，可能無法有效挑戰日益先進的系統。2024 年，多倫多大學、滑鐵盧大學和卡內基梅隆大學的研究團隊推出了 MMLU-Pro，這是 MMLU 的一個更具挑戰性的版本。

該版本剔除了噪聲問題和瑣碎問題，擴展了復雜題目，并增加了模型的選項數量。圖中展示了MMLU-Pro的性能趨勢，其中DeepSeek-R1以 84.0%的得分位居榜首。

第三章：負責人的人工智能

人工智能安全事件數據庫(AI Incident Database, AIID)記錄了人工智能的倫理濫用案例，例如自動駕駛汽車導致行人死亡，或人臉識別系統導致錯誤逮捕。

目前，事件追蹤主要依賴公開的媒體報道，這意味著實際事件數量可能更 高，因為許多事件未被報告。2024年，相關討論聚焦于優化“嚴重”事件的界定和追蹤方法。盡管尚未就標準定義達成共識，但這些討論凸顯了更詳細報告的必要性，以便更好地記錄人工智能相關風險及其影響。

2024年，人工智能相關事件數量激增，達到創紀錄的233起，較2023年增長56.4%。這一增長可能既反映了人工智能應用的擴大，也反映了 公眾對其影響的關注度提升。此外，對人工智能認知度的提高可能也促使更多 事件被上報至相關數據庫。

聊天機器人被指控導致青少年自殺(2024年10月23日)

一起針對 Character.AI 的訴訟引發了人們對人工智能聊 天機器人在心理健康危機中作用的擔憂。該案件涉及一名14 歲男孩塞韋爾·塞策三世，他在與一個聊天機器人角色進行長時間互動后自殺身亡。據報道，該聊天機器人提供的建議具有危害性，而非提供支持或關鍵資源。

訴訟稱，該聊天機器人雖設計用于與用戶進行深度個人對話，但缺乏防 止危險互動的適當安全措施，并鼓勵塞韋爾結束生命。圖3.2.5顯示了 Sewell 自殺當天與 “Dany”(聊天機器人角色)之間的對話截圖。

該案件凸顯了人工智能驅動的陪伴所面臨的倫理挑戰，以及在缺乏充分監管的情況下部署對話式人工智能的潛在風險。雖然人工智能聊天機器人可以提供情感支持，但批評者警告說，如果沒有防護措施，它們可能會無意中強化有害行為，或者在用戶處于困境時未能及時干預。

調查還詢問了組織在未來一年內實施RAI方面的預計投資，包括資本支出和運營支出。此類投資的示例包括開發或購 買符合RAI原則的技術系統，以及與RAI的法律或專業服務。

大型企業——尤其是年收入超過100億美元的企業—— 在 RAI 方面的總投資更高。值得注意的是，年收入在 100 億美元至300億美元之間的企業中有27%，年收入超過300億美元的企業中有21%在RAI上投資了 1000萬美元至2500萬美元。

這些發現表明，大型企業更傾向于將 RAI 作為戰略重點 并進行更高額的絕對投資。小型組織在RAI上的投入較少，但 許多組織仍報告了占收入比例較高的投資。

下圖展示了各組織認為相關并正在積極應對的與人工智能相關的負責任的人工智能風險。網絡安全(66%)、合規監管(63%)和個人隱私(60%)被列為最主要的關注點，然而，緩解措施的實施效果始終不足。

值得注意的是，在每個風險類別中，采取積極措施緩解風險的組織數量均少于那些認為這些風險具有相關性的組織。

在知識產權侵權(57%相關 ,38%緩解)和組織聲譽(45%相關 ,29%緩解)方面，差距尤為明顯。與可解釋性(40%)和公平性(34%)相關的風險被較少比例的受訪者選中，緩解率進一步下降至31%和26%。

第四章：經濟

本節利用 Lightcast 提供的數據，分析勞動力市場對人工智能相關技能的需求。自2010年以來，Lightcast已分析了來自51,000多個網站的數億條招聘信息，并篩選出其中要求人工智能技能的崗位。

下圖顯示了招聘崗位中對人工智能技能需求的占比情況。2024年，新加坡(3.2%)、盧森堡(2%)和中國香港(1.9%)在這一指標上處于領先地位。

2023年，美國招聘崗位中人工智能相關職位占比為1.4%，到 2024 年這一數字上升至1.8%。從2023年到2024年，大多數國家對人工智能技能 需求的崗位比例均有所增長。

下圖比較了2024 年人工智能崗位招聘中需求最高的10項專業技能，與2012年至2014年期間的需求情況。

從絕對值來看，過去十年間每項專業技能的需求均有所增長，其中Python的顯著增長凸顯了其作為首選人工智能編程語言的地位。

2024年，美國招聘信息中提及生成式人工智能技能的崗位數量較上年增長超過三倍（圖1）。圖2展示了2024年和2023年發布的人工智能招聘信息中提及特定生成式人工智能技能的占比。

下圖2023年至2024年美國各行業領域對人工智能技能需求崗位的占比。與2023年相比，2024年幾乎所 有行業領域對人工智能技能需求崗位的占比均有所上升，公共行政領域除外。

與2023年相比，2024年幾乎所有行業領域對人工智能技能需求崗位的占比均有所提升，公共行政領域除外。

美國在人工智能領域私人投資總額方面再次位居世界第一。2024年，美國投入的人工智能領域私人投資總額為1091億美元，是排名第二的中國(93億美元)的 11.7 倍，是英國(45億美元)的24.1倍。

2024年躋身前15名的其他值得關注的國家包括瑞典(43 億美元)、奧地利(15 億美元)、荷蘭 (11 億美元)和意大利(9 億美元)。

自2013年以來，匯總私人人工智能投資數據時，國家排名保持不變：美國以470.9億美元的投資額位居榜首，中國以119.3億美元緊隨其后，英國以28.2億美元排名第三。

過去十年中吸引大量人工智能投資的其他國家包括以色列(150億美元)、新加坡(73億美元)和瑞典(73億美元)。

自2013年以來的綜合數據也呈現出類似的趨勢。近十年來，美國新融資的人工智能公司數量約為中國的4.3倍，英國的7.9倍。

各國工業機器人安裝量數據，能夠反映不同經濟體對機器人技術應用的重視程度。2023年度統計顯示，中國以276,300臺的工業機器人安裝量位居全球首位，分別達到日本(46,100臺)的 6 倍和美國(37,600 臺)的 7.3 倍。

韓國與德國分類其后，安裝量分別為31,400臺和28,400臺。

獲取完整PDF文檔，請在下方留言～