最新！李飛飛團隊456頁報告：中美AI模型性能近乎持平，系統(tǒng)推理成本降至280分之一

每經(jīng)記者｜宋欣悅    每經(jīng)編輯｜陳柯名 蘭素英    

4月8日，由李飛飛聯(lián)合領(lǐng)導(dǎo)的斯坦福大學(xué)以人為本人工智能研究所（Stanford HAI）發(fā)布了《2025年人工智能指數(shù)報告》（Artificial Intelligence Index Report 2025）。這份長達456頁的報告，深入剖析了2024年全球人工智能行業(yè)的發(fā)展態(tài)勢，揭示了12大關(guān)鍵趨勢。

圖片來源：斯坦福大學(xué)以人為本人工智能研究所官網(wǎng)

報告認為，AI正變得更高效、更普惠。隨著小模型性能飆升，達到GPT-3.5水平的系統(tǒng)推理成本在過去兩年間下降到了原來的280分之一。

報告還指出，中國高性能AI模型的數(shù)量和質(zhì)量不斷提升，中美AI模型性能近乎持平。與此同時，中國在AI領(lǐng)域論文數(shù)量和專利數(shù)量上保持領(lǐng)先地位。

AI性能飆升，表現(xiàn)逐漸接近人類

2023年，研究人員推出了MMMU、GPQA和SWE-bench等頗具挑戰(zhàn)性的新基準測試，用于測試AI系統(tǒng)的極限。

測試發(fā)現(xiàn)，僅僅一年后，AI系統(tǒng)的性能便實現(xiàn)大幅躍升——在MMMU測試中得分提升18.8個百分點；在GPQA測試中提高48.9個百分點；SWE-bench測試里更是提升了67.3個百分點。

從整體趨勢來看，AI在各大領(lǐng)域的表現(xiàn)逐漸接近人類，甚至在某些情形下，AI智能體能在限時編程任務(wù)中超越人類。

在部分評測指標上，AI技術(shù)性能表現(xiàn)與人類水平的對比?圖片來源：《2025年人工智能指數(shù)報告》

然而，復(fù)雜的推理對于AI模型而言，仍然是一個挑戰(zhàn)。

在處理類似國際數(shù)學(xué)奧林匹克競賽題目這類任務(wù)時，AI模型表現(xiàn)出色。但面對諸如PlanBench等復(fù)雜推理基準測試時，卻仍顯得吃力。即使面對那些已知存在正解的邏輯任務(wù)，AI也經(jīng)常無法可靠地解決邏輯任務(wù)，這極大限制了AI在對精度要求極高的高風(fēng)險行業(yè)中的應(yīng)用。

各大模型在PlanBench基準測試上的正確率 圖片來源：《2025年人工智能指數(shù)報告》

全球AI投資飆升?

2024年，生成式AI在全球范圍內(nèi)吸引了339億美元的私人投資，與2023年相比，增長幅度達到18.7%。

與此同時，企業(yè)對AI的采用率顯著提升，從2023年的55%上升至2024年的78%。越來越多的研究結(jié)果表明，AI不僅能夠有效提升生產(chǎn)力，在多數(shù)情況下，還能縮小勞動力的技能差距。

值得關(guān)注的是，將生成式AI應(yīng)用于至少一項業(yè)務(wù)職能的企業(yè)數(shù)量出現(xiàn)了激增。2023年，這一比例僅為33%，而到了2024年，該比例躍升至71%，增幅超過一倍。

2017年至2024年，將AI應(yīng)用于至少一項業(yè)務(wù)職能企業(yè)的比例不斷上升 圖片來源：《2025年人工智能指數(shù)報告》

中美模型性能近乎持平

數(shù)據(jù)顯示，美國在AI模型的數(shù)量上處于領(lǐng)先地位。2024年，總部位于美國的機構(gòu)擁有40個知名AI模型，超過中國（15個）和法國（3個）。

圖片來源：《2025年人工智能指數(shù)報告》

不過，報告強調(diào)，中美模型之間的性能差距正在迅速縮小。以MMLU和HumanEval等主流基準測試結(jié)果來看，2023年，中美頂尖模型之間的性能差距還在兩位數(shù)，然而到了2024年，這一差距已大幅縮小，幾乎處于同一水平。?

與此同時，中國在AI領(lǐng)域論文數(shù)量和專利數(shù)量上依舊保持領(lǐng)先地位。

小模型性能飆升，推理成本降至280分之一?

報告指出，AI正變得更加高效、經(jīng)濟實惠和易于獲取。

隨著小模型性能提升，達到GPT-3.5水平的系統(tǒng)推理成本在過去兩年間下降至280分之一。在硬件層面，成本每年下降30%，而能源效率每年提高40%。

2022年，在MMLU基準測試中，得分超60%的最小模型是PaLM，參數(shù)量為5400億。到了2024年，微軟Phi-3-mini僅用38億參數(shù)，就取得了同樣的實力。這代表，兩年多的時間里模型參數(shù)減少了142倍。

此外，開源模型正在迎頭趕上，與閉源模型的差距逐漸縮小。2023年，開源模型明顯落后于閉源模型。而到2024年，這一差距幾乎消失。2024年1月初，頂尖閉源模型在大模型競技場排行榜上以8.0%的成績超過了頂尖開源模型。而到2025年2月，這一差距已縮小至1.7%。

2022年至2024年，在MMLU上得分高于60%的小模型 圖片來源：《2025年人工智能指數(shù)報告》

中國對AI的態(tài)度最樂觀

在對AI的態(tài)度方面，中國是全球主要國家和地區(qū)中最樂觀的。

報告顯示，2024年中國有83%的人認為AI產(chǎn)品和服務(wù)利大于弊，排在后面的是印度尼西亞（80%）和泰國（77%）。相比之下，美國（39%）、加拿大（40%）等的樂觀情緒遠低于中國。

2022年至2024年，各國認為“使用AI產(chǎn)品和服務(wù)利大于弊”的比例 圖片來源：《2025年人工智能指數(shù)報告》

不過，從整體趨勢而言，各國對于AI的樂觀情緒正逐漸升溫，特別是在一些曾對AI最持懷疑態(tài)度的國家。數(shù)據(jù)顯示，自2022年起，美國認為“使用AI產(chǎn)品和服務(wù)利大于弊”的比例提升了4%，加拿大增長了8%，法國增長了10%。

三分之二受訪者稱AI將在未來3至5年對日常生活產(chǎn)生顯著影響

從醫(yī)療保健到交通運輸，AI正迅速從實驗室走向日常生活。

2023年，美國食品藥品監(jiān)督管理局（FDA）批準了223款A(yù)I醫(yī)療設(shè)備，而2015年僅有6款。

1995年至2023年FDA批準的AI醫(yī)療設(shè)備數(shù)量 圖片來源：《2025年人工智能指數(shù)報告》

道路交通同樣因AI技術(shù)發(fā)生著日新月異的變化。自動駕駛汽車不再只是實驗，而是逐步駛?cè)氍F(xiàn)實生活。

美國最大的運營商之一Waymo每周提供超過15萬次自動駕駛服務(wù)，而百度旗下的“蘿卜快跑”（Apollo Go）無人駕駛出租車隊已在中國多個城市正式投入運營。

此外，人們對AI融入日常生活的期待與認可度正在上升。據(jù)統(tǒng)計，全球范圍內(nèi)，有多達三分之二的受訪者認為，在未來三到五年內(nèi)，AI產(chǎn)品及服務(wù)將對日常生活產(chǎn)生顯著影響。

記者|宋欣悅?

編輯|陳柯名?蘭素英 杜波

校對|金冥羽

封面圖片來源：視覺中國

｜每日經(jīng)濟新聞 ?nbdnews??原創(chuàng)文章｜

未經(jīng)許可禁止轉(zhuǎn)載、摘編、復(fù)制及鏡像等使用