李飞飞团队《2024 年人工智能指数报告》AI十大趋势：中国AI专利数全球第一

《2024 年人工智能指数报告》

当地时间4月15日，斯坦福大学“以人为本”人工智能研究院（Human Centered Artificial Intelligence，简称HAI）发布了第七个年度AI Index报告，这是关于AI行业现状的最全面的报告之一。

报告称，今年的报告是迄今为止覆盖面最广的，恰逢AI对社会的影响力达到前所未有的重要时刻。从内容上看，报告长达300多页，不仅追踪了AI技术的进步情况、公众感知度、AI训练成本、伦理监管等常规话题，也加入了AI对科学和医学领域影响的新章节。

HAI成立于2019年，由著名AI科学家李飞飞与哲学教授约翰·埃切曼迪联合担任院长，致力于推动人工智能领域的跨学科合作。今年的AI Index报告同样秉承这样的精神，邀请来自于斯坦福大学多个学院的不同学科专家撰写，并得到了谷歌、OpenAI等业界巨头的支持，以及埃森哲、GitHub、麦肯锡等机构在研究和分析上的协助。

AI Index报告旨在用无偏见、严格筛选、广泛采纳的数据，为政、学、商和大众提供全面且精细的AI趋势解读，已成为各国政策制定者、学院研究和新闻媒体参考的权威行业报告。

１.开源大模型数量激增，但性能不及闭源

整个2023年共有149个基础模型发布，是2022年发布数量的两倍以上。在这些新发布的模型中，65.7%是开源的，相比之下，2022年仅为44.4%，2021年则为33.3%。然而，在10个AI基准测试中，闭源模型的性能优于开源，性能优越的中位数为24.2%。

谷歌在2023年发布的基础模型最多，达18个，其次是Meta（11个）、Microsoft（9个）、OpenAI（7个）。2023年发布基础模型最多的学术机构是加州大学伯克利分校（3个）。

2023年，企业界发布了51个重要的机器学习模型，而学术界仅贡献了15个。此外，2023年产学研合作成果的模型数量也创下新高，达到21个。

2.AI模型训练“烧钱”加剧

最先进的AI模型的训练成本已达到前所未有的水平。例如，OpenAI的GPT-4训练据估计耗费了价值7800万美元的计算资源，而谷歌Gemini Ultra的训练成本则高达1.91亿美元。作为对比，2017年Transformer模型训练成本约为900美元。2019年发布的RoBERTa Large训练成本约为16万美元。

3.顶级模型数量美国领先，专利数量中国领跑

从区域竞争来看，美国在顶级AI模型方面领先于中国、欧盟和英国。2023年，来自美国机构的知名AI模型数量为61个，超过欧盟的21个和中国的15个。

不过，在AI专利方面，中国处于领先位置。2022年，中国以61.1%的比例领跑全球AI专利来源地，远超美国（20.9%）。对比2010年，当时美国在AI专利方面的占比高达54.1%。

4.AI在复杂任务上的表现仍落后人类

在图像分类、视觉推理和英语理解等方面，AI的表现已经优于人类。然而，在更复杂的任务上，例如竞赛级别的数学、视觉常识推理和规划，AI的表现仍然落后于人类。

与此同时，在既有的基准测试（例如ImageNet、SQuAD 和 SuperGLUE）上，AI模型的性能已经趋于饱和。2023年出现了几个具有挑战性的新基准测试，包括用于编码的SWE-bench、用于图像生成的HEIM、用于通用推理的MMMU、用于道德推理的 MoCa、用于基于代理的行为的AgentBench以及用于检测幻觉的HaluEval。

5.缺乏严格、标准化的AI责任评估方法

随着深度伪造、版权纠纷、隐私安全等问题逐渐凸显，报告显示，当前严重缺乏严格且标准化的负责任AI评估方法。OpenAI、谷歌和 Anthropic等行业领袖使用不同的负责任AI基准测试来评估他们的模型，这种做法使人们难以系统地比较顶级AI模型的风险和局限性。

报告新引入的“基础模型透明度指数”显示，AI开发企业缺乏透明度，尤其是在训练数据和方法披露方面。这种开放性的缺乏阻碍了人们进一步了解AI系统的严密性和安全性。

6.生成式AI投资增长近8倍

尽管2023年整个AI领域的投资有所下降，但生成式AI领域的私人投资却在激增，在2022年的基础上几乎增长了八倍，达到252亿美元。OpenAI、Anthropic、Hugging Face和Inflection等领军企业都宣布了大规模的融资轮次。

从区域来看，美国作为AI私人投资的领导者，优势地位进一步扩大。2023年，美国的AI投资达到672亿美元，增长22.1%，欧盟和中国的AI投资处于下滑态势。尽管全球AI投资连续第二年下降，但新成立的AI公司数量却激增至1812家，比2022年增长了40.6%。

7.AI降本增效能力初显

麦肯锡2023年的报告显示，目前55%的受访组织至少在一个业务部门或职能中使用了AI（包括生成式AI），高于2022年的50%和2017年的20%。42%的受访组织报告实施AI后降低了成本，59%的受访组织报告了收入增长。与2022年相比，报告成本降低的受访组织比例增加了10个百分点。

2023年，多项研究评估了AI对劳动力的影响，表明AI使员工能够更快地完成任务并提高产出质量。这些研究还展示了AI弥合低技能和高技能工人之间技能差距的潜力。

8.AI推动科学进步，医学尤为突出

2023年，多个重大的科学相关AI应用出现，包括提高算法排序效率的AlphaDev，促进材料发现过程的GNoME。

在医学领域，2023年出现了多个重要的AI医疗系统，例如用于增强大流行预测的EVEscape，以及辅助AI驱动将基因突变分类的AlphaMissence。AI正越来越多地被用于推动医学进步。AI系统在MedQA基准测试（评估人工智能临床知识水平的关键测试）上的表现也取得了显著进步，2023年表现最出色的模型GPT-4 Medprompt准确率达到了90.2%，比2022年的最高分高出 22.6个百分点。