李飞飞团队发布“2025年AI指数报告”

版权声明

来源：学术头条，书享界（readsharecn）

完整报告：https://hai-production.s3.amazonaws.com/files/hai_ai_index_report_2025.pdf

AI在苛刻基准上的表现持续提升

2023年，研究人员引入了新的基准——MMMU、GPQA和SWE-bench，以测试高级AI系统的极限。仅仅一年后，性能大幅提升：在MMMU、GPQA和SWE-bench上的得分分别提高了18.8、48.9和67.3个百分点。在基准测试之外，AI系统在生成高质量视频方面也取得了重大进展，在某些场景下，语言模型智能体（language model agents）甚至在有限时间预算的编程任务中超越了人类。

△图｜选择的Al指数技术性能基准vs.人类表现

AI正越来越多地融入到日常生活中

从医疗保健到交通运输，AI正迅速从实验室走向日常生活。2023年，FDA批准了223种AI医疗设备，而2015年仅为6种。在道路上，自动驾驶汽车不再是实验性的：美国最大的运营商之一Waymo每周提供超过15万次自动驾驶出行，而百度的经济型“萝卜快跑”（ApolloGo）自动驾驶出租车车队现在已在中国多个城市提供服务。

△图｜FDA批准的AI医疗设备数量（1955-2023）

企业全力投入AI，推动投资和使用创历史新高

2024年，美国私营部门对AI的投资增长到1091亿美元——几乎是中国（93亿美元）的12倍，是英国（45亿美元）24倍。生成式AI尤其强劲，全球吸引私营投资339亿美元——比2023年增长18.7%。AI的商业应用也在加速：2024年，78%的组织报告称在使用AI，比前一年增长55%。同时，越来越多的研究证实，AI提高了生产力，在大多数情况下，有助于缩小劳动力中的技能差距。

△图｜2017-2024年，表示其所在组织至少在一项职能中使用AI的受访者比例

在创造顶级AI模型方面，中国正在缩小与美国的差距

2024年，美国机构推出了40个引人注目的AI模型，显著超过中国的15个和欧洲的3个。虽然美国在数量上保持领先，但中国模型在质量上迅速缩小了差距：在MMLU和HumanEval等主要基准上的性能差异从2023年的两位数缩小到2024年的接近相等。同时，中国在AI出版物和专利方面继续领先。与此同时，模型开发越来越全球化，中东、拉丁美洲和东南亚等地区也推出了引人注目的新模型。

△图｜美国顶尖模型与中国顶尖模型在LMSYS聊天机器人竞技场中的表现

负责任的AI生态系统不断发展，但不均衡

人工智能相关事件急剧上升，但在主要工业模型开发者中，标准化的RAI评估仍然很少。然而，新的基准如HELM Safety、AIR-Bench和FACTS为评估事实性和安全性提供了有希望的工具。在公司中，识别RAI风险和采取有意义的行动之间存在差距。相比之下，政府表现出更大的紧迫性：2024年，全球在人工智能治理方面的合作加强，包括经合组织、欧盟、联合国和非盟在内的组织发布了关注透明度、可信度和其他核心负责任人工智能原则的框架。

△图｜已公布的针对热门基础模型的安全性和负责任AI基准

全球AI乐观情绪上升，但地区间深层次分歧依然存在

在中国（83%）、印度尼西亚（80%）和泰国（77%）等国家的大多数人认为，人工智能产品和服务是利大于弊的。相比之下，加拿大（40%）、美国（39%）和荷兰（36%）等地的乐观情绪仍然远低于其他国家。然而，情绪正在转变：自2022年以来，包括德国（+10%）、法国（+10%）、加拿大（+8%）、英国（+8%）和美国（+4%）在内的几个先前持怀疑态度的国家，乐观情绪显著增长。

△图|2022-2024年，按国家划分认为“使用AI的产品和服务利大于弊”的比例

AI变得更加高效、经济实惠和易于获取

由越来越强大的小型模型驱动，在达到GPT-3.5水平上的系统推理成本在2022年11月到2024年10月间下降了280倍。在硬件层面，成本每年下降30%，而能效每年提高40%。开放权重模型也在缩小与封闭模型的差距，在某些基准测试中，一年内性能差异从8%减少到仅1.7%。这些趋势共同迅速降低了高级人工智能的门槛。

△图|2022-2024年，在MMLU中得分超过60%的最小规模AI模型

各国政府正在加强对AI的监管和投资

2024年，美国联邦机构出台了59项与AI相关的法规，是2023年的两倍多，发布法规的机构数量也是2023年的两倍。在全球范围内，自2023年以来，75个国家的AI立法提及率上升了21.3%，自2016年以来增长了9倍。在日益受到关注的同时，各国政府也在进行大规模投资：加拿大承诺投资24亿美元，中国启动了475亿美元的半导体基金，法国承诺投资1090亿欧元，印度承诺投资12.5亿美元，沙特阿拉伯则发起了一项1000亿美元的倡议。

△图|部分供应商的顶尖模型在LSYS聊天机器人竞技场中的表现

AI和计算机科学教育正在扩大，但普及程度仍不够

如今，已有2/3的国家提供或计划提供K-12计算机科学教育，是2019年的两倍，其中非洲和拉丁美洲取得的进展最大。在美国，拥有计算机学士学位的毕业生人数在过去10年中增加了22%。然而，在许多非洲国家，由于电力等基础设施的不足，获得计算机学位的机会仍然有限。在美国，81%的K-12计算机科学教师表示，AI应该成为计算机科学基础教育的一部分，但只有不到一半的教师认为自己有能力教授AI。

工业界依然一路领先

2024年，近90%的著名人工智能模型来自工业界，高于2023年的60%，而学术界仍然是高引用率研究的首要来源。模型规模持续快速增长——训练计算每5个月翻一番，数据集每8个月翻一番，耗电量每年翻一番。然而，性能差距正在缩小：排名第一和第十的模型之间的得分差距在一年内从11.9%降至5.4%，排名前两位的差距现在仅为0.7%。前沿领域的竞争越来越激烈。

△图｜AlphaFold3与用于蛋白质-配体对接的基线方法的性能对比

AI因其对科学的影响而斩获最高荣誉

AI的重要性与日俱增，这一点从重大科学奖项中就可见一斑：两项诺贝尔奖表彰了AI在深度学习（物理学）和蛋白质折叠（化学）中的应用，而图灵奖则表彰了AI在强化学习方面的开创性贡献。

△图｜PlanBench基准下正确的实例数量

复杂推理仍是一项挑战

人工智能模型在国际数学奥林匹克竞赛问题等任务中表现出色，但在PlanBench等复杂推理基准测试中仍然面临挑战。即使存在可证明正确的解决方案，它们也常常无法可靠地解决逻辑任务，这限制了它们在精度至关重要的高风险环境中的有效性。

△附：来自AI Index联合主任Yolanda Gil和Raymond Perrault的一封信

随着人工智能不断重塑我们的生活、企业界和公共讨论，AI Index将继续跟踪其进展–提供一个独立的、数据驱动的视角，跨越时间和地域，观察人工智能的发展、应用和影响。

对于人工智能来说，2024年是多么美好的一年。诺贝尔物理学奖和化学奖，以及因强化学习方面的奠基性工作而获得的图灵奖，都体现了对人工智能在推动人类知识进步方面作用的认可。曾经困难重重的图灵测试已不再被视为一个难以挑战的目标，今天的尖端系统已经超越了它。与此同时，人工智能的应用正以前所未有的速度加速发展，数以百万计的人们正经常在专业工作和休闲活动中使用人工智能。随着高性能、低成本和开放模型的普及，人工智能的可及性和影响力必将进一步扩大。

在经历了短暂的放缓之后，企业对人工智能的投资出现反弹。新近获得融资的生成式人工智能初创企业数量增加了近两倍，在经过多年的低迷之后，企业采用人工智能的速度在2024年显著加快。人工智能已从边缘领域成为商业价值的核心驱动力。

政府也在加大参与力度。政策制定者们不再只是在讨论人工智能，而是在投资人工智能。一些国家启动了价值十亿美元的国家人工智能基础设施计划，包括扩大能源能力以支持人工智能发展的重大努力。全球协调不断加强，地方倡议也初具规模。

然而，信任仍是一大挑战。越来越少的人相信人工智能公司会保护他们的数据，对公平性和偏见的担忧依然存在。错误信息继续构成风险，尤其是在选举和深度伪造泛滥的情况下。对此，各国政府正在推进新的监管框架，旨在促进透明度、问责制和公平性。公众的态度也在转变。虽然怀疑的态度依然存在，但2024年的一项全球调查显示，人们对人工智能带来广泛社会效益的潜力的乐观态度明显上升。

人工智能不再只是一个关于可能性的故事，而是一个关于现在正在发生的事情，以及我们如何共同塑造人类未来的故事。

Yolanda Gil、Raymond Perrault

AI Index联合主任

参考链接：

https://hai.stanford.edu/ai-index/2025-ai-index-report