2025年斯坦福HAI报告重磅发布，456页深度剖析全球AI领域的最新趋势：中美顶级模型性能差距缩至0.3%，以DeepSeek为代表的模型强势崛起，逼近闭源巨头；推理成本暴降，小模型性能飙升，AI正变得更高效、更普惠。
斯坦福大学正式发布了《2025 AI Index》报告!
每一年的斯坦福 AI Index 报告都会对领域的发展进行系统的梳理，今年也是如此。《2025 AI Index》报告总共456页，涵盖了研发、技术性能、负责任的人工智能、经济影响、科学和医学、政策、教育和公众舆论等主题的图表和数据。
关于今年AI Index报告的核心内容，我们通过以下12点了解
虽然衡量国家在人工智能竞赛中「领先」的方式多种多样（如期刊文章发表或引用数量、专利授权等），但一个直观的评估指标是观察哪些国家发布了具有影响力的模型。数据显示，去年美国发布了40个知名模型，中国发布了15个，欧洲仅有3个（均来自法国）。另有数据表明，2024年发布的这些模型几乎全部来自产业界，而非学术界或政府部门。
在已发布的知名模型数量上仍然保持领先地位，但中国模型在质量方面正在迅速赶上。数据显示，在聊天机器人基准测试上的性能差距正在不断缩小。2024年1月，顶尖美国模型的表现比最优中国模型高出9.26%；到2025年2月，这一差距已缩小至仅1.70%。报告在推理、数学和编程等其他基准测试中也发现了类似趋势。
关于2023年至2024年知名模型发布数量减少的现象，AI Index认为可能是由于技术复杂度提高和训练成本持续攀升所致。
斯坦福研究人员与Epoch AI合作，基于训练时长、硬件类型和数量等详细信息，估算了部分模型的成本。在可评估的模型中，最昂贵的是谷歌的Gemini 1.0 Ultra，训练成本约达1.92亿美元。训练成本的全面上涨与报告中的其他发现相符：模型在参数数量、训练时间和训练数据量等方面持续规模化扩张。
值得注意的是，DeepSeek并未包含在这一分析中。这家公司在2025年1月声称仅用600万美元训练出了DeepSeek-R1，引发金融市场震动，虽然部分行业专家对此说法持怀疑态度。
尽管大多数 AI 模型的训练成本持续攀升，但报告中强调了几个积极趋势：硬件成本降低、硬件性能提升及能源效率提高。
在MMLU基准测试中达到GPT-3.5水平（MMLU准确率64.8%）的AI模型调用成本，已从2022年11月的20美元/每百万token，骤降至2024年10月的0.07美元/每百万token（谷歌DeepMind的Gemini-1.5-Flash-8B模型），18个月内AI成本下降280倍。
视具体任务需求，LLM推理服务价格的年降幅可达9-900倍不等。
从2010年代初开始，模型的参数量就蹭蹭往上涨，这背后是因为模型设计得越来越复杂、数据更容易获取、硬件算力也更强了。
更重要的是，大模型确实效果好。
下图用了对数刻度，方便大家看清楚AI模型参数和算力近年来的爆炸式增长。
随着模型参数数量的增加，训练所需的数据量也在暴涨。
2017年发布的Transformer模型，掀起了大型语言模型的热潮，当时它用了大约20亿个token来训练。
到了2020年，GPT-3 175B模型的训练数据已经飙到了约3740亿个token。
而Meta在2024年夏天发布的模型Llama 3.3，更是用了大约15万亿个token来训练。
根据Epoch AI的数据，大型语言模型的训练数据集规模大约每八个月翻一倍。
训练数据集越来越大，导致的训练时间也变得越来越长。
像Llama 3.1-405B这样的模型，训练大概需要90天，这在如今已经算是「正常」的了。
谷歌在2023年底发布的Gemini 1.0 Ultra，训练时间大约是100天。
相比之下，2012年的AlexNet就显得快多了，训练只花了五六天，而且AlexNet当时用的硬件还远没有现在的先进。
据Epoch AI估计，知名AI模型的训练算力大约每五个月翻一番。这种趋势在过去五年尤为明显。
去年12月，DeepSeek V3一经推出就引发了广泛关注，主要就是因为它在性能上极其出色，但用的计算资源却比许多顶尖大型语言模型少得多。
下图比较了中国和美国知名AI模型的训练算力，揭示了一个重要趋势：美国的顶级AI模型通常比中国模型需要多得多的计算资源。
过去五年，企业界已为人工智能投资敞开了资金闸门。虽然2024年的全球总体投资未能达到2021年的疯狂高峰，但值得注意的是，私人投资规模达到了前所未有的水平。在2024年1500亿美元的私人投资中，
相关指数
的另一项数据表明，约330亿美元流向了生成式AI领域。
科技大厂们，正全力押注AI。2024年，美国私营AI投资达1091亿美元，约为中国（93亿）的12倍、英国（45亿）的24倍。生成式AI势头尤猛，全球私募投资达339亿美元（同比增18.7%）。
与此同时，企业AI采用率从55%升至78%。研究证实，AI不仅能提升生产力，多数情况下还可缩小劳动力技能差距。
更引人注目的是，将生成式AI应用于至少一项业务职能的企业数量激增——从2023年的33%跃升至去年的71%，增幅超一倍。
2024年美国联邦机构颁布59项AI法规，涉及部门数量翻倍。
75个国家立法机构提及AI频次同比增长21.3%，较2016年增长九倍。
投资方面：加拿大承诺24亿美元，中国设立475亿美元半导体基金，法国投入1090亿欧元，印度拨款12.5亿美元，沙特启动千亿美元级的「超越计划」。
中国（83%）、印尼（80%）和泰国（77%）民众对AI持积极态度，而加拿大（40%）、美国（39%）等发达国家则相对保守。
值得关注的是，德国（+10%）、法国（+10%）等原怀疑论国家态度明显转变
关于人工智能是否以及何时会取代你的工作，社会上已有广泛讨论。然而，最近一项关于人工智能态度的全球调查显示，大多数人并不感到受到人工智能的威胁。
来自32个国家的60%受访者认为人工智能将改变他们的工作方式，但仅有36%的人预期会被替代。
Gil表示：这些调查结果确实让我感到惊讶。人们认为人工智能将改变我的工作，但我仍将创造价值，这种观点非常令人鼓舞。
更多细节，可参考报告原文。
