美国斯坦福大学 “以人为本人工智能研究院”（HAI）近日发布的第八版《人工智能指数报告》（AI Index Report 2025）备受全球瞩目。自 2017 年首次发布以来，该报告一直为政策制定者、研究人员、企业高管和公众提供准确、严谨且全球化的 AI 数据与洞察。正如报告联合主席 Yolanda Gil 和 Raymond Perrault 在序言中提到，2024 年是人工智能发展史上具有里程碑意义的一年，AI 正以前所未有的速度融入社会、经济和全球治理的各个方面。​

一、报告核心内容概述​

今年这份长达四百多页的报告，是迄今为止最为全面的一版。它新增了对 AI 硬件演进、推理成本估算、AI 出版和专利趋势的深入分析，并扩大了关于企业采用负责任 AI 实践以及 AI 在科学和医学领域角色的新鲜数据。报告共八个章节，其核心内容主要体现在以下几个关键方面。​

二、技术前沿：性能突破与竞争格局演变​

（一）基准性能飞跃​

2023 年研究人员引入了 MMMU、GPQA、SWE-bench 等一系列旨在难倒顶尖 AI 的新基准。然而，仅仅一年之后，AI 模型在这些基准上的表现就取得了惊人的进步。例如，在这些基准上的得分分别提升了 18.8、48.9 和 67.3 个百分点。特别是在 SWE-bench（软件工程基准）上，AI 解决编码问题的能力从 2023 年的仅 4.4% 飙升至 2024 年的 71.7%。同时，高质量视频生成等领域也取得了重大进展，这表明 AI 在复杂任务处理和特定领域应用上的能力得到了极大提升。​

（二）中美竞争格局变化​

美国在顶尖 AI 模型的发布数量上仍占据优势，2024 年发布了 40 个值得关注的模型，远超中国的 15 个和欧洲的 3 个。不过，数量优势并不等同于性能优势。在 MMLU、HumanEval 等关键基准测试中，中美顶尖模型之间的性能差距从 2023 年的两位数迅速缩小至 2024 年的近乎持平，部分基准差距仅为个位数甚至零点几。这清晰地显示出中国 AI 模型在质量上正快速追赶，全球 AI 技术竞争格局愈发激烈。​

（三）技术前沿收敛​

竞争的加剧使得技术前沿呈现出 “拥挤” 态势。LMSYS Chatbot Arena 的数据显示，排名第一和第十的模型之间的 Elo 分数差距从一年前的 11.9% 缩小到了 5.4%，排名前两位的模型差距更是从 4.9% 骤降至仅 0.7%。这意味着顶尖模型的性能水平日益接近，高质量模型不再被少数巨头垄断，开发者生态系统的竞争力不断增强。​

（四）小型与开源模型崛起​

“小模型” 在 2024 年展现出强大能力。2022 年，在 MMLU 上得分超过 60% 的最小模型是拥有 5400 亿参数的 PaLM，而到 2024 年，微软仅有 38 亿参数的 Phi-3-mini 就达到了同样门槛，参数量缩减了 142 倍，这得益于算法效率的提升。同时，开源 / 开放权重模型与闭源模型之间的性能差距几乎消失。在 Chatbot Arena 上，2024 年初领先的闭源模型比顶尖开放权重模型高出 8.04%，到 2025 年初，这一差距已缩小至 1.70%。这表明先进 AI 技术的获取门槛正在快速降低，有利于 AI 技术的更广泛传播与应用。​

（五）成本效益提升​

报告首次追踪推理成本发现，达到 GPT-3.5（在 MMLU 上约 64.8% 准确率）性能水平的 AI 模型，其推理成本从 2022 年 11 月的每百万 token 20 美元，骤降至 2024 年 10 月的仅 0.07 美元（以 Gemini-1.5-Flash-8B 为例），降幅超过 280 倍。在硬件层面，成本每年下降约 30%，而能效每年提升约 40%。成本的降低和能效的提升使得 AI 应用更加经济可行，为 AI 在更多领域的大规模应用奠定了基础。​

（六）AI Agent 崭露头角​

2024 年推出的 RE-Bench 为评估 AI 智能体的复杂任务提供了严格基准测试。在短时间范围（两小时）内，顶级 AI 系统的得分是人类专家的四倍，但当给予更多时间完成任务时，人类表现优于 AI，在 32 小时时间框架内领先 AI 两倍。尽管如此，AI 智能体在特定任务上，如编写特定类型的代码，已经能够与人类专业知识相匹配，并且能够提供更快的结果，这显示出 AI 智能体在特定场景下的应用潜力。​

三、产业与经济：投资增长与企业应用普及​

（一）投资创新高​

全球私有 AI 投资在经历短暂回调后，于 2024 年强劲反弹至创纪录的 2523 亿美元（企业总投资，包括并购等）。其中，私有投资额达到 1,508 亿美元，同比增长 44.5%。在生成式 AI 领域，美国投资额（2024 年为 290.4 亿美元）比中国和欧盟 + 英国的总和还要多出 254 亿美元，差距进一步拉大。生成式 AI 本身成为吸金热点，全球共获得 339 亿美元投资，同比增长 18.7%，这反映出资本对 AI 领域，尤其是生成式 AI 的强烈看好。​

（二）企业应用普及​

企业对 AI 的应用不再停留在实验阶段。麦肯锡的调查显示，2024 年报告在其组织中至少一个业务功能中使用 AI 的受访者比例从 2023 年的 55% 跃升至 78%，报告使用生成式 AI 的比例也从 33% 翻倍增长至 71%。这表明 AI 正从企业的边缘工具转变为核心驱动力，广泛应用于企业的各个业务环节。​

（三）生产力效应与价值兑现​

越来越多的研究证实了 AI 对生产力的积极影响，尤其在缩小低技能和高技能工人之间的差距方面。不过，在报告 AI 带来财务影响的企业中，大部分表示效益仍处于较低水平。例如，49% 在服务运营中使用 AI 的企业报告了成本节约，但多数节约幅度低于 10%；71% 在市场营销中使用 AI 的企业报告了收入增长，但最常见的增长幅度也低于 5%。这说明虽然 AI 对生产力有促进作用，但企业要充分实现 AI 带来的价值还需要进一步探索和优化应用方式。​

（四）机器人领域格局​

在工业机器人领域，中国继续保持主导地位，2023 年安装量达 27.63 万台，是日本的 6 倍，美国的 7.3 倍，占全球份额的 51.1%。尽管相比 2022 年增速略有放缓，但其领先优势依然巨大。同时，协作机器人和面向人类的服务机器人安装量持续增长，显示出机器人应用场景不断扩展，AI 技术在机器人领域的应用正推动着行业的发展与变革。​

（五）能源格局变化​

AI 庞大的算力需求正在推动能源来源的重大变化，吸引了对核能的关注。随着 AI 技术的不断发展，其对能源的需求持续增长，传统能源可能难以满足，促使人们探索新的能源解决方案，核能等高效能源因此进入视野，这将对未来能源格局产生深远影响。​

四、社会与政策：负面事件增加与监管加强​

（一）负面事件攀升​

根据 AI 事件数据库的记录，2024 年报告的 AI 相关负面事件达到 233 起，创下历史新高，比 2023 年增长了 56.4%。这既反映了 AI 应用范围的扩大，也凸显了 AI 发展过程中潜在风险的增加，如数据泄露、算法偏见、虚假信息传播等问题，给社会带来了诸多挑战。​

（二）监管趋势​

面对 AI 带来的各种风险和挑战，全球范围内政府监管日益收紧。越来越多的国家和地区开始制定相关政策和法规，以规范 AI 的开发和应用，确保 AI 的安全、可靠和公平。例如，欧盟的《通用数据保护条例》（GDPR）对数据隐私保护做出了严格规定，美国也在多个州推进 AI 相关立法工作，这显示出监管在 AI 发展中的重要性日益凸显。​

五、总结与展望​

《人工智能指数报告 2025》全面展现了 AI 在技术、产业、经济、社会等多方面的发展态势。在技术上，AI 性能不断突破，竞争格局发生深刻变化，小型和开源模型崛起，成本效益显著提升；在产业与经济领域，投资热情高涨，企业应用普及，机器人领域格局稳定且应用场景拓展，能源格局也因 AI 而改变；在社会与政策方面，负面事件增加促使监管加强。未来，AI 的发展将继续受到技术创新、市场需求、政策监管等多因素的驱动和影响。我们需要充分利用 AI 带来的机遇，同时积极应对其带来的挑战，以实现 AI 的可持续发展，让 AI 更好地服务于人类社会。