史丹佛HAI《2025年人工智慧指數報告》精華

原文標題：The 2025 AI Index Report

原文作者：Stanford HAI（史丹佛人工智慧研究院）

原文編譯：Felix，PANews

原文編輯：Felix，PANews

原文編列以下是人工智慧趨勢的一些關鍵要點：

1. 人工智慧變得比想像的要強大得多

在新的基準測試 MMMU、GPQA 和 SWE-bench 中，人工智慧的表現大幅提升：得分分別提高了 18.8%、48.3%。除了基準測試外，人工智慧系統在產生高品質視訊方面取得重大進展，在某些情況下，大型語言模型（LLM）甚至在限時的程式設計任務中超越了人類。

註：

· MMMU 是一個精心設計的新型基準，專為大學層級的多學科多模態理解和推理而設，旨在評估基礎模型在廣泛任務中的專家級多模態理解能力。

· GPQA 是一個具有挑戰性的資料集，包含 448 道由不同領域專家編寫的高品質且難度極高的多項選擇題。在相應領域擁有或正在攻讀博士學位的專家，準確率僅為 65%，而技能高超的非專家驗證者儘管平均花費時間超過 30 分鐘且可不受限制地訪問網絡，準確率也只有 34%。

· SWE-bench 是一個用於評估大型語言模型（LLM）在從 GitHub 收集的真實世界軟體問題上的表現的基準。

2. 人工智慧更高效、更易獲取且更經濟實惠

參數更少的小型人工智慧模型的能力日益增強：在短短兩年內，參數數量減少了約 10% 的小型人工智慧模型的能力在短短兩年內，參數數量減少了 10%。

開源模型與封閉源模型之間的差距也在縮小，在某些基準測試中，效能差距從 8% 降至僅 1.7%。

此外，從 2022 年 11 月到 2024 年 10 月，達到 GPT-3.5 水準的系統的推理成本下降了 280 倍以上。在硬體層面，成本每年下降 30%，而能源效率每年提高 40%。

高階人工智慧的門檻正在迅速降低。更不用說像 DeepSeek 這樣的稀疏模型的開發，在專家混合（MoE）的結構下，只有相關的參數會被激活以回答用戶的查詢，使整個事情更加高效。

的確，隨著規模較小但能力較強的 AI 模式不斷湧現，AI 模式訓練的要求降低了，成本效益高的分散式訓練有望在未來十年成為主流。目前有一些頂尖計畫正在基於不同的理論架構進行相關研究。

3. 人工智慧正日益融入日常生活

2023 年，美國食品藥物管理局（FDA）批准了 223 款人工智慧輔助醫療設備，而 2015 年這一數字僅為 6 款。在道路上，自動駕駛汽車已不再是實驗品：美國最大的營運商之一 Waymo 每週提供超過 15 萬次自動駕駛服務，而百度的 Apollo Go 無人駕駛計程車車隊如今已在中國多個城市投入營運。

4. 企業在人工智慧領域的投資大幅增加，推動創紀錄的投資和應用

在商業中的應用也在加速：2024 年，7%

人工智慧在商業中的應用也在加速：2024 年，同時，越來越多的研究證實，人工智慧能夠提高生產力，並有助於縮小整個勞動力隊伍中的技能差距。

事實上，隨著人工智慧導致客戶期望值呈指數級增長，現有解決方案會在一夜之間顯得過時，從而使現有企業失去適應的機會，產品市場匹配崩潰的情況會更頻繁地發生。

5. 儘管全球對人工智慧的樂觀情緒上升，但亞洲人對人工智慧更為樂觀

在中國（83%）、印尼（80%）和泰國（77%）等國家，大多數人認為人工智慧產品和服務利比不利。相較之下，在加拿大（40%）、美國（39%）和荷蘭（36%）等地，樂觀情緒仍遠低於此。

不過，這種態度正在轉變：自 2022 年以來，一些此前持懷疑態度的國家的樂觀情緒顯著增長，包括德國（增長 10%）、法國（增長 10%）、加拿大（增長 8%）、英國（增長 8%）和美國（增長 4%）。

6. 人工智慧在科研中的影響日益增強，已成為推動科學進步的重要驅動力

人工智慧日益增長的重要性在重大科學進步的重要驅動力

學習方面的開創性貢獻。

顯然，人工智慧正以指數級、出乎意料的速度飛速發展，對大多數人來說意義非凡。因此，人工智慧安全也變得越來越重要。雖然人工智慧讓偽造變得更容易，但密碼學讓偽造變得更加困難。期待那些能夠利用區塊鏈的原生屬性（可驗證性和透明性）來建立這一領域實用解決方案的加密項目。

原文連結