2025年全球AI指数报告

斯坦福大学HAI研究中心发布了《2025年AI指数报告》。

该报告涵盖了从AI硬件、技术性能到负责任的AI应用、发展、政策治理等多个方面的综合分析，也是全球分析AI最有深度、权威的报告之一。

原版报告：https://hai-production.s3.amazonaws.com/files/hai_ai_index_report_2025.pdf

由于该报告实在太多有456页，下面「AIGC开放社区」就为大家简单解读一下重点。想用来做演讲、写论文以及了解全球AI趋势的小伙伴可以去看原文。

中美大模型竞赛

虽然衡量哪个国家在AI竞赛中“领先”的方式有很多，例如，发表或被引用的学术文章数量、授予的专利数量等，但一个简单直接的指标是看哪个国家推出了具有影响力的模型。

去年，美国推出了40个知名模型，而中国有15个，欧洲有3个（巧合的是，这3个都来自法国）。

2024年的这些模型几乎都来自行业，而非学术界或政府。2023年—2024年知名模型发布数量的下降，该指数报告认为，这可能是由于技术复杂性的增加以及训练成本的不断上升。

中美模型差距缩小

美国在发布的知名模型数量上可能仍占据主导地位，但中国模型在质量上正在迎头赶上。2024年1月，美国的顶级模型比中国的最佳模型性能高出9.26%；到2025年2月，这一差距缩小至仅1.70%。

大模型训练成本走高

研究人员与Epoch AI合作，根据训练时长、硬件类型和数量等细节，对至少部分模型的成本进行了估算。他们能够估算成本的最昂贵模型是谷歌的Gemini 1.0 Ultra，其成本高得惊人，约为1.92亿美元。

训练成本的普遍上升与该报告的其他发现相吻合：模型的参数数量、训练时间和训练数据量也在不断增加。

但没有包含中国的DeepSeek，声称仅用600万美元就训练出了一款具有竞争力的大模型，这一消息震动了金融市场，但一些行业专家对此表示质疑。

《AI指数报告》指导委员会联合主任Yolanda Gil认为 ，DeepSeek非常令人印象深刻，并指出计算机科学史上有很多早期低效技术被更先进的解决方案所取代的例子。

她说：“我不是唯一一个认为在某个时候会出现更高效的大模型的人。我们只是不知道谁会开发出它，以及如何开发。

使用AI成本在下降

大多数大模型不断增加的训练成本，可能会掩盖该报告中强调的一些积极趋势：硬件成本下降，硬件性能提升，能源效率提高。

这意味着推理成本，即查询已训练模型的费用正在大幅下降。报告指出，成本从每百万token 20美元降至0.07美元；在不到一年的时间里，成本从15美元降至0.12美元。

AI巨大的碳排放

虽然能源效率提升是一个积极的趋势，但我们再来看一个消极方面：尽管能源效率有所提高，但总体耗电量仍在上升，这意味着处于AI热潮核心的数据中心有着巨大的碳足迹。

根据训练硬件、云服务提供商和位置等因素，估算了部分AI模型的碳排放量，发现前沿AI模型训练产生的碳排放量随着时间的推移稳步增加，但DeepSeek是个例外。

Meta的Llama3.1，估计其训练过程中排放了约8930吨二氧化碳，这相当于约496个美国人一年的碳排放量。如此巨大的环境影响，也解释了为什么AI公司纷纷采用核能作为可靠的无碳能源。

对数据共享的威胁

如今的生成式AI系统通过在从互联网上抓取的大量数据上进行训练来获取智能，这使得“数据是AI经济的新石油”这一观点广为流传。

随着AI公司不断突破可用于训练模型的数据量极限，人们开始担心 数据峰值，以及我们何时会耗尽数据。

其中一个问题是，网站越来越多地限制机器人抓取其数据（这可能是因为担心AI公司在利用网站数据获利的同时，还破坏了它们的商业模式）。网站通过机器可读的robots.txt文件来声明这些限制。

目前来自顶级网络域名的48%的数据已被完全限制访问。

AI医生可能很快为你看病

用于科学研究和医学领域是AI热潮中的一个大热点。该报告列出了一系列新发布的基础模型，这些模型旨在帮助材料科学、天气预报和量子计算等领域的研究人员。许多公司试图将AI的预测和生成能力转化为有利可图的药物研发成果。

OpenAI的推理模型o1最近在一项名为MedQA的基准测试中取得了96%的高分，该测试的问题来自医学委员会考试。

但总体而言，这似乎又是一个潜力巨大但尚未在现实世界中产生重大影响的领域——部分原因可能是人类仍未完全弄清楚如何使用这项技术。

对于AI飞速发展，人类持乐观态度

无论你是一名商业图片摄影师、营销经理还是卡车司机，关于AI是否会以及何时会抢走你的工作，都有很多讨论。多数人对于AI的发展持乐观态度。

但在最近一项关于对AI态度的全球调查中，大多数人并不觉得受到了AI的威胁。在来自32个国家的受访者中，60%的人认为AI会改变他们的工作方式，但只有36%的人预计自己会被取代。

（文：AIGC开放社区）