斯坦福大學的人工智能研究所（HAI）近期發布了《2025年人工智能指數報告》，詳細分析了當前中美兩國在AI領域的競爭態勢和技術發展趨勢。這份近450頁的報告揭示了多項關鍵數據和洞察。

報告首先指出，中美兩國在AI投資方面均有顯著增長。具體而言，美國的AI私人投資金額已達到1091億美元，遠超中國的93億美元和英國的45億美元。同時，AIGC（生成式人工智能）創業公司的全球融資規模也實現了18.7%的增長，達到了339億美元。

在AI模型效率方面，報告指出，GPT-3.5級別的模型推理成本在過去兩年內大幅下降，降低了280倍。硬件成本每年也下降30%，這使得AI訓練變得更加經濟實惠和可擴展。同時，機器學習（ML）硬件的能效每年提升約40%。

值得注意的是，企業界在AI研究方面已經明顯領先學術界。2024年，近90%的知名AI模型來自企業界，相比之下，2023年這一比例僅為60%。盡管AI模型的參數規模在持續擴大，但模型之間的性能差距卻在縮小。數據顯示，全球頂尖AI模型與排名第十的模型之間的性能差距已從11.9%縮小到5.4%。

報告還指出，閉源與開源LLM（大型語言模型）之間的性能差距也在縮小。去年，這一差距顯著，但今年已縮小至1.7%。

在AI基礎設施方面，報告強調，每美元的人工智能性能已經大幅提高。例如，GPT-3.5級別的模型推理成本從2022年11月的每百萬個token 20.00美元下降到2024年10月的每百萬個token 0.07美元。Epoch AI估計，固定性能級別的硬件成本每年下降30%，這有助于模型改進和訓練成本的降低。

從機構貢獻來看，OpenAI、谷歌和阿里巴巴在2024年表現突出，分別推出了7個、6個和4個知名AI模型。自2014年以來，谷歌以186個知名模型位居榜首，其次是meta（82個）和微軟（39個）。在學術機構中，卡內基梅隆大學、斯坦福大學和清華大學在模型產出量方面最為突出。

隨著模型參數量的增長，AI系統的訓練數據規模也在同步擴大。例如，meta在2024年夏季推出的旗艦大語言模型Llama 3.3，訓練token量突破15萬億大關。Epoch AI研究顯示，大語言模型的訓練數據集規模約每8個月翻一番，這一趨勢與模型復雜度的提升形成協同效應。

然而，報告也指出，盡管AI技術取得了顯著進步，但模型訓練成本正呈現上升趨勢。例如，Llama 3.1-405B的訓練成本高達1.7億美元。這一增長主要歸因于競爭加劇、訓練成本與計算需求直接相關以及計算需求越大的模型訓練成本呈幾何級數增長。

在應用方面，AI技術正在各個領域發揮重要作用。麥肯錫報告顯示，整體AI應用率從2023年的55%躍升至78%，其中生成式AI應用呈現爆發式增長，2024年應用率達71%。企業應用AI已實現降本增收雙重效益，尤其是在服務運營、供應鏈與庫存管理和軟件工程等領域。

在科研領域，AI也取得了顯著成就。2024年，兩項諾貝爾獎授予了人工智能領域的突破性成就，包括Google DeepMind在蛋白質折疊領域的開創性工作以及對神經網絡的基礎性貢獻。AI正在助力醫學、生物學研究，推動科學發現。

在公眾認知方面，報告指出，67%的受訪者表示對AI有良好理解，66%認為AI將在不久的將來深刻改變他們的日常生活。同時，認為AI驅動的產品和服務利大于弊的全球人口比例也有所上升，從2022年的52%增至2024年的55%。

然而，報告也提到了一些挑戰和擔憂。例如，AI系統的可靠性缺陷、應用制約以及模型訓練成本上升等問題。公眾對AI的信任度也存在地區差異，亞洲和拉丁美洲的受訪者更傾向于認為AI利大于弊，而歐洲和英語國家的受訪者則更為懷疑。

總體而言，這份《2025年人工智能指數報告》為我們提供了關于當前AI領域發展的重要洞察和趨勢分析。