Xin Zhiyuan Report Editor: Kagawaran ng Editoryal [Xin Zhiyuan Panimula] Ang 2025 Stanford Hai Report ay pinakawalan, na may isang 456-pahinang malalim na pagsusuri ng pinakabagong mga uso sa pandaigdigang larangan ng AI: Ang agwat ng pagganap sa pagitan ng MGA Nangungunang Modelo Sa Chine Ang Estados Unidos Ay Makitid Sa 0.3％，MGA Modelo Ng和Na Kinakatawan Ng DeepSeek Rose Na Malakas，接近封闭的源巨人；了解成本已经下降，小型模型的性能扩大，AI越来越好，包括更多。刚才，每年都非常期待的斯坦福AI指数报告将发布！该报告已由专门针对斯坦福大学人民的研究人员发布，代表了每年AI领域最核心和最切近的趋势。今年，这份报告长456页，丢弃了许多令人惊叹的景观。例如，在2025年，中国和美国领先的AI模型之间的设置GAPAP在0处狭窄。3％（2023年，这个数字仍然是20％），中国模型正在迅速获得美国的领先地位！由DeepSeek领导的开放重量模型更强大，威胁着主要的1.7％的主要封闭源巨头。前者和后者之间的间隔从2024年的8％缩小到2025年的1.7％。 当然，从该行业领导的公司的角度来看，美国仍在中国。 2024年，有90％的已知AI模型来自企业，美国在中国有40个模型和15个模型。 一个更清晰的趋势是，大型模型的性能已转换为转换！在2024年，Top1和Top10型号之间的差距可能为12％，但是现在，它们的差距较小，急剧降低至5％。 十二个亮点 Stanford HAI Condense博客上的最新两篇文章是2025 AI指数报告的十二个亮点。 1。AI的性能再次达到高潮，从基准测试到视频GE取得了全面的成功Neration 2023年，研究人员推出了新的基准测试，例如MMMU，GPQA和SWE-BENCH，以测试先进的AI系统的限制。 仅仅一年后，表现就显着提高：AI分别获得了三个基准标记的18.8％，48.9％和67.3％。 不仅如此，AI在开发高质量视频方面创造了重大突破，即使在某些情况下，AI代理人不仅仅是人类的表现。 ·代理人更有益 Re-Bench Benchmark于2024年发布，设定了Mahigpit标准，用于评估AI代理的复杂活动能力。 数据显示，在短期任务（在2小时内）情况下，领先的AI系统的性能可以达到人类专家的4倍。但是，当时间限制延长到32小时时，将通过2：1的优势达到人们。 值得注意的是，人工智能表现出了一定的专业水平，可以将可以与特定领域的人（例如编写特定代码类型）进行比较，并且具有更好的IM培养效率。 2。美国领导了领先模型的研究和发展，但中国之间的差距正在逐渐缩小 2024年，美国制作了40种重要的AI模型，超过15个，欧洲3和欧洲。 但是，中国模型处于性能差距的速度和狭窄：SA基准测试（例如MMLU），中国和美国之间的AI差异从双数到几乎平坦。 同时，中国继续领导学术论文和专利申请的数量，并且在中东，拉丁美洲和东南亚出现了竞争模式。 3。AI变得伟大而伴侣，推理成本膨胀280次 随着小型型号的性能提高，达到GPT-3.5水平水平的成本在两年内下降了280倍，硬件成本以每年30％的速度降低，并且年度能效提高速度高达40％。 是什么更有趣的是，模型的开放资源的性能已经快速开发，并且在某些基准测试中使用封闭资源模型的差距从8％到1.7％。 ·使用大型型号的成本继续减少，年度拒绝高达900次 称为AI模型的成本达到了MMLU基准上的GPT-3.5（MMLU准确性64.8％），从2022年11月11月的百万个令牌急剧下降到2024年10月的2024年每百万个令牌（Google Deepmind的Gemini-1.5-1.5-Flash-8b模型），280次，180次。 根据特定的任务需求，LLM推理服务的年度减少范围为9-900次。 ·小型模型性能显着提高，参数减少了142次 在2022年，在多任务语言（MMLU）基准的大尺寸上，最小的模型超过60％，是手掌，体积为5400亿个参数。 到2024年，Microsoft Phi-3-Mini仅使用38亿参数实现了相同的强度。 这意味着模型参数已降低了两年以上的142倍。 4。巨型技术领导AI切割，但比赛已经结束 2024年，近90％的重要模型起源于企业，而学术界则保持其对基础研究的好处。 该模型的大小已显着增长：计算训练的力量每5个月加倍，并且数据集每8个月增加一倍。 值得注意的是，头部模型之间的性能差距狭窄，顶部和第十区域之间的标记差异从11.9％下降到5.4％。 5。AI逻辑缺点，推理能力仍然是瓶颈 包装符号推理方法的AI系统可以更好地解决IMO问题（即使它没有达到最高水平），但LLM在复杂的推理活动（例如MMMU）中表现不佳，尤其是没有t算术派生和强大逻辑活动的计划。 这种限制会影响其在高风险场景（例如医学诊断）中的应用。 6.大型公司都在AI中，具有双重创纪录的投资和采用率 大型技术公司估计AI。 2024年，AI在美国的私人投资达到10091亿美元，中国（93亿）和英国（45亿）的24倍。 Generative AI尤其处于全面状态，全球私募股权投资达到339亿美元（同比为18.7％）。 同时，企业AI的采用率产生了55％，提高到78％。研究证实，AI不仅可以提高生产率，而且在大多数情况下也可以提高劳动力技巧。 更引人注目的是，将生成AI的企业数量提高到至少一家业务运营 - 从2023年的33％到去年的71％，超过双GROWth。 7。AI赢得了科学界的最高荣誉，并获得了诺贝尔奖 在2024年，由于图灵奖的重点关注增强研究领域，分别授予了深度学习（物理学）和蛋白质折叠预测研究（化学）研究的理论基础（物理学）和研究的理论基础。 8。AI教育教育是加速的，但是该间隔仍然是资源 世界各地三分之二的国家都有或计划进行K-12计算机科学教育，但由于电力等基础设施，非洲却放慢了速度。 美国有81％的计算机教师认为AI应该纳入主要课程，但只有47％的人具有相应的教学能力。 9。AI已深入整合到一天至日子的生活中 从医疗服务到运输，AI迅速从实验室转移到现实。 1995年，FDA批准了AI启用的第一个医疗设备。 2024年8月，FDA批准了950 AI Medical DEVICE-快速增长，而2015年的6种型号和2023年的221款模型相比增长。 在自动驾驶领域，汽车离开实验阶段：美国领先的运营商Waymo每周提供15万多个未解决的驾驶服务。 10。全球人工智能乐观提高，但区域差异很大 中国的人（83％），印度尼西亚（80％）和泰国（77％）对AI有积极的态度，而加拿大等发达国家（40％）和美国（39％）（39％）非常保守。 值得注意的是，德国（+10％）和法国（+10％）等最初持怀疑态度的国家的态度发生了巨大变化。 11。负责AI生态系统的不平等发展 尽管AI安全事件已经向前发展，但主要模型开发人员仍缺乏标准评估系统。 诸如头盔安全，空间和事实之类的新基准分析为现实和安全测试提供了工具。 了解一个ND在Nega部分的行动，政府正在加速合作：2024年，OECD和EU等国际机构随后发布了专门用于透明度和信誉的管理框架。 ·有问题的AIS数量增加 根据权威AI危害跟踪数据库“ AI事件数据库”的统计数据，全球AI相关事件在2024年提高到233次，高记录，比2023年提前56.4％。 这包括深切删除私人图像的案例，以及涉嫌自杀的聊天机器人等恶习事件。 尽管这些统计数据未能涵盖所有案件，但清楚地宣布，滥用AI技术表现出惊人的增长。 12。全球法规继续进行实施 2024年，美国联邦机构发布了59个AI法规，是所涉及的部门数量的两倍。立法机关在75个国家提到的AI频率增加了21.3％耳朵年度，比2016年高出九倍。 在投资方面：加拿大承诺将达到24亿美元，中国设定了一个半导体基金，为475亿美元，法国投资了1009亿欧元，印度提供了12.5亿美元，而沙特阿拉伯正在推出一项“更多计划” 1000亿美元。 详细的亮点解释 在下面，我们将采用报告的亮点，并提供更详细的解释。 中国与美国之间的间隔仅为0.3％ 当您打开502页的报告时，最引人注目的部分是中国与美国之间的区别。 该报告强调，即使美国的NA仍将导致2024年领先的AI模型的研究和开发，中国和美国之间的性能差距很狭窄！ 为了衡量去年出现的AI领域的全球模式，HAI意外使用AI指数列出了包括代表的国家，美国和美国第一个排名。 数据显示，到2024年，美国机构将导致40个已知模型的可用性，超过15个，欧洲为3。 通常，模型发行的总数减少了，这可能是由许多因素引起的，例如增加训练规模和增加AI技术的复杂性，而开发新模型方法的困难也在增加。 AI模型已成为计算的怪物 参数的趋势类似，参数是AI模型通过实践学到的几个数字，这决定了模型如何理解输入和输出的方式。 AI参数越多，您需要的培训数据就越多，但是性能也越好。 自2010年初以来，模型参数的数量迅速增加。这是因为该模型的设计变得越来越复杂，数据更容易获取，并且硬件计算的强度也更强。 更重要的是，大型模型效果很好。 这下图使用对数尺度来促进一切，以查看近年来AI模型参数和计算能力的爆炸性增长。 随着模型参数数量的增加，训练所需的数据量也飙升。 当它使用约20亿个令牌训练时，2017年发布的变压器模型使人们渴望大型语言模型。 到2020年，GPT-3 175B模型培训数据已上升至近3740亿个令牌。 Meta在2024年的标签上发布的模型七岁3.3用于训练约15万亿个令牌。 根据Epoch AI的说法，大型语言模型中培训的规模每八个月加倍。 培训数据的实践变得越来越大，导致培训时间越来越长。 像Llama 3.1-405b这样的模型需要大约90天的训练，现在被认为是“正常”的。 Google在2023年底之前发布了Gemini 1.0 Ultra，训练时间约为100天。 相比之下，Alexnet在2012年似乎不仅仅是六天的训练五年，而且当时使用的硬件Alexnet比今天不那么先进。 ·计算能力的趋势 “计算能力”是指训练和运行AI模型所需的计算源。 最近，已知AI模型的计算强度的消耗显着增加。根据Epoch AI的说法，计算已知AI模型的计算训练的强度每五个月加倍。 在过去的五年中，这种趋势尤为明显。 去年12月，DeepSeek V3一旦推出，就引起了广泛的关注，这主要是因为它的性能非常出色，但是它比许多领先的大型语言模型所使用的计算源更少。 图1.3.17与中国和美国的SkillsG AI模型的计算强度相比，这表达了一个重要的趋势：美国领先的AI模型通常需要比中国模型更多的计算源。 ·我的成本nentire 理解成本是指作为训练有素的模型所需的成本，通常以“百万个令牌的美元价格”来衡量。 本报告中AI代币的价格数据来自人工分析和AI时期的API定价专有数据库，并且价格是根据输入和输出代币的价格平均重量3：1来计算的。 可以看出，单位性能的AI成本大大降低。 Epoch AI估计，了解大语模型的成本可以根据不同类型的工作减少9至900次。 虽然，从OpenAI，Meta和人类的模型中获得模型是很大的溢价。 ·培训费用 尽管一些AI公司揭示了具体的培训费用，但这个数字通常会到达道路上。 OpenAI首席执行官Ultraman曾表示，GPT-4培训成本超过1亿美元。 拟人化的首席执行官达里奥·阿莫迪（Dario Amodei）指出，该模型目前接受了近10亿美元的培训。 ThE DeepSeek-V3中有600万美元的价格达到了新的低点。 图1.3.24显示了基于云计算价格的某些AI模型的培训成本。 图1.3.25显示了AI指数估计的所有AI模型的培训成本。 在2024年，可以估计天气的少数模型之一是Llama 3.1-405B，培训成本接近1.7亿美元。此外，培训AI模型的成本与其计算要求之间存在直接相关性。如图1.3.26所示，具有较高计算需求的培训模型的成本明显更高。 参考：YZNH https://hai.stanford.edu/ai-index/2025-i-index-regor https：// hai.stanford.edu/news/ai- index-2025-tate-tate-of-i-in-10- to-ChartStsReturn到Sohu，以查看更多