斯坦福2025 AI指数出炉！中美AI终极对决差距仅剩0.3%，DeepSeek领衔-新闻动态-北京科技股份有限公司

斯坦福2025 AI指数出炉！中美AI终极对决差距仅剩0.3%，DeepSeek领衔

时间：2025-04-08 17:02:03 浏览：498

新(xīn)智(zhì)元(yuán)报(bào)道(dào)

编(biān)辑(ji)：编(biān)辑(ji)部(bù)

【新(xīn)智(zhì)元(yuán)导(dǎo)读(dú)】2025年(nián)斯(sī)坦(tǎn)福(fú)HAI报(bào)告(gào)重(zhòng)磅发布，456页深度剖析全球(qiú)AI领(lǐng)域的(de)最(zuì)新(xīn)趋(qū)势(shì)：中(zhōng)美(měi)顶(dǐng)级(jí)模(mó)型(xíng)性(xìng)能(néng)差(chà)距(jù)缩(suō)至(zhì)0.3%，以(yǐ)DeepSeek为(wèi)代(dài)表(biǎo)的(de)模(mó)型(xíng)强(qiáng)势(shì)崛(jué)起(qǐ)，逼(bī)近(jìn)闭(bì)源(yuán)巨(jù)头(tóu)；推(tuī)理(lǐ)成(chéng)本(běn)暴(bào)降(jiàng)，小(xiǎo)模(mó)型(xíng)性(xìng)能(néng)飙(biāo)升(shēng)，AI正(zhèng)变(biàn)得(de)更(gèng)高(gāo)效(xiào)、更(gèng)普(pǔ)惠(huì)。

就(jiù)在(zài)刚(gāng)刚(gāng)，每(měi)年(nián)都备受瞩目的斯坦福AI指数报告，重磅发布了！

这份报告由斯坦福大学以人为本AI研究员发布，代表着每年AI领域最核心和前沿的动向总结。

今年，这份报告长达456页，抛出不少惊人观点。

比如，如今在2025年，中美顶级AI模型的性能差距已经缩小到了0.3%（2023年，这一数字还是20%），中国模型正在快速追赶美国的领先地位！

而DeepSeek领衔的开放权重模型，更是以1.7%之差，逼宫各大闭源巨头。前者和后者的差距，已经由2024年的8%，缩小至2025年的1.7%。

当然，目前从行业主导企业来看，美国仍然领先于中国。在2024年，90%的知名AI模型来自企业，美国以40个模型领先，中国有15个。

更明显的一个趋势，就是如今大模型的性能已经趋同！在2024年，TOP1和TOP10的模型的差距能有12%，但如今，它(tā)们(men)的(de)差(chà)距(jù)已(yǐ)经(jīng)越(yuè)来(lái)越(yuè)小(xiǎo)，锐(ruì)减(jiǎn)至(zhì)5%。

十二大亮点

最新的斯坦福HAI两篇博文中，浓缩了2025年AI指数报告的十二大亮点。

1. AI性能再攀高峰，从基准测试到视频生成全面突破

2023年，研究人员推出了MMMU、GPQA和SWE-bench等新基准来测试先进AI系统的极限。

仅一年后，性能便大幅提升：AI在三项基准得分分别飙升18.8%、48.9%和67.3%。

不仅如此，AI在生成高质量视频方面取得重大突破，甚至，在某些场景下AI智能体甚至超越人类表现。

· 更有用智能体崛起

2024年发布的RE-Bench基准测试，为评估AI智能体复杂任务能力设立了严苛标准。

数据显示：在短期任务（2小时内）场景下，顶级AI系统的表现可达人类专家的4倍；但当任务时限延长至32小时，人类则以2:1的优势反超。

值得注意的是，AI已在特(tè)定(dìng)领(lǐng)域，如(rú)编(biān)写(xiě)特(tè)定(dìng)类(lèi)型(xíng)代(dài)码(mǎ)，展(zhǎn)现(xiàn)出(chū)与(yǔ)人(rén)类(lèi)相(xiāng)当(dāng)的(de)专(zhuān)业(yè)水(shuǐ)平(píng)，且(qiě)执(zhí)行(xíng)效(xiào)率(lǜ)更(gèng)胜(shèng)一(yī)筹(chóu)。

2. 美(měi)国(guó)领(lǐng)跑(pǎo)顶(dǐng)尖(jiān)模(mó)型(xíng)研(yán)发(fā)，但(dàn)中(zhōng)国(guó)与(yǔ)之(zhī)差(chà)距(jù)逐(zhú)渐(jiàn)缩小

2024年，美国产出40个重要AI模型，远超中国的15个和欧洲的3个。

然而，中国模型在性能上的差距正加速缩小：MMLU等基准测试中，中美AI差异从两位数缩小至近乎持平。

同时，中(zhōng)国(guó)在(zài)AI学(xué)术论文和专利申请量上持续领跑，中东、拉美和东南亚地区也涌现出具有竞争力的模型。

3. AI正变得高效且普惠，推理成本暴降280倍

随着小模型性能提升，达到GPT-3.5水平的推理成本在两年间下降280倍，硬件成本以每年30%的速度递减，能效年提升率达40%。

更(gèng)令(lìng)人(rén)振(zhèn)奋(fèn)的(de)是(shì)，开(kāi)源(yuán)模(mó)型(xíng)性(xìng)能(néng)突(tū)飞(fēi)猛(měng)进(jìn)，部(bù)分(fēn)基(jī)准(zhǔn)测(cè)试(shì)中(zhōng)与(yǔ)闭(bì)源(yuán)模(mó)型(xíng)的(de)差(chà)距(jù)从(cóng)8%缩(suō)至(zhì)1.7%。

· 大(dà)模型使用成本持续走低，年降幅最高900倍

在MMLU基准测试中达到GPT-3.5水平（MMLU准确率64.8%）的AI模型调用成本，已从2022年11月的20美元/每百万token，骤降至2024年10月的0.07美元/每百万token（谷歌DeepMind的Gemini-1.5-Flash-8B模型），18个月内AI成本下降280倍。

视具体任务需求，LLM推理服务价格的年降幅可达9-900倍不等。

· 小模型性能显著提升，参数暴减142倍

2022年，在大规模多任务语言理解（MMLU）基准测试中，得分超60%的最小模型是 PaLM，参数量为5400亿。

到了2024年，微软Phi-3-mini仅用38亿参数，就取得了同样的实力。

这代表，两年多的时间里模型参数减少了142倍。

4. 科技巨头称霸AI前沿，但竞争白热化

2024年，近90%的重要模型源自企业，学术界则保持基础研究优势。

模型规模呈指数增长：训练算力每5个月翻番，数据集每8个月扩容一倍。

值得注意的是，头部模型性能差距显著缩小，榜首与第十名得分差已从11.9%降至5.4%。

5. AI逻辑短板，推理能力仍是瓶颈

采用符号推理方法的AI系统，能较好解决IMO问题（虽未达人类顶(dǐng)尖(jiān)水(shuǐ)平(píng)），但(dàn)LLM在(zài)MMMU等(děng)复(fù)杂(zá)推(tuī)理(lǐ)任(rèn)务(wu)中(zhōng)表(biǎo)现(xiàn)欠(qiàn)佳(jiā)，尤(yóu)其(qí)不(bù)擅(shàn)长(zhǎng)算(suàn)术(shù)推(tuī)导(dǎo)和(hé)规(guī)划(huà)类(lèi)强(qiáng)逻(luó)辑(ji)性(xìng)任(rèn)务(wu)。

这(zhè)一(yī)局(jú)限(xiàn)影(yǐng)响(xiǎng)了(le)其(qí)在(zài)医(yī)疗(liáo)诊(zhěn)断(duàn)等(děng)高(gāo)风(fēng)险(xiǎn)场(chǎng)景(jǐng)的(de)应(yīng)用(yòng)可(kě)靠(kào)性(xìng)。

6. 大(dà)厂(chǎng)ALL in AI，投(tóu)资(zī)与(yǔ)采用(yòng)率(lǜ)创(chuàng)双(shuāng)纪(jì)录(lù)

科(kē)技(jì)大(dà)厂(chǎng)们(men)，正(zhèng)全力(lì)押(yā)注(zhù)AI。

2024年(nián)，美(měi)国(guó)私(sī)营(yíng)AI投(tóu)资(zī)达(dá)1091亿(yì)美(měi)元(yuán)，约(yuē)为(wèi)中(zhōng)国(guó)（93亿(yì)）的(de)12倍(bèi)、英(yīng)国(guó)（45亿(yì)）的(de)24倍(bèi)。

生(shēng)成(chéng)式(shì)AI势(shì)头(tóu)尤(yóu)猛(měng)，全球(qiú)私(sī)募(mù)投(tóu)资(zī)达(dá)339亿(yì)美(měi)元(yuán)（同(tóng)比(bǐ)增(zēng)18.7%）。

与(yǔ)此(cǐ)同(tóng)时(shí)，企(qǐ)业(yè)AI采用(yòng)率(lǜ)从(cóng)55%升(shēng)至(zhì)78%。研(yán)究(jiū)证(zhèng)实(shí)，AI不(bù)仅(jǐn)能(néng)提(tí)升(shēng)生(shēng)产(chǎn)力(lì)，多(duō)数(shù)情(qíng)况(kuàng)下(xià)还(hái)可(kě)缩(suō)小(xiǎo)劳(láo)动(dòng)力(lì)技(jì)能(néng)差(chà)距(jù)。

更(gèng)引(yǐn)人(rén)注(zhù)目(mù)的(de)是(shì)，将(jiāng)生(shēng)成(chéng)式(shì)AI应(yīng)用(yòng)于(yú)至(zhì)少(shǎo)一(yī)项(xiàng)业(yè)务(wu)职(zhí)能(néng)的(de)企(qǐ)业(yè)数(shù)量(liàng)激(jī)增(zēng)——从(cóng)2023年(nián)的(de)33%跃(yuè)升(shēng)至(zhì)去(qù)年(nián)的(de)71%，增(zēng)幅(fú)超(chāo)一(yī)倍(bèi)。

7. AI荣(róng)膺(yīng)科(kē)学(xué)界(jiè)最(zuì)高(gāo)荣(róng)誉(yù)，摘(zhāi)诺(nuò)奖(jiǎng)桂(guì)冠(guān)

2024年(nián)，两(liǎng)项(xiàng)诺(nuò)贝(bèi)尔(ěr)奖(jiǎng)分(fēn)别(bié)授(shòu)予(yǔ)深(shēn)度(dù)学(xué)习(xí)理(lǐ)论(lùn)基(jī)础(chǔ)（物(wù)理(lǐ)学(xué)）和(hé)蛋(dàn)白(bái)质(zhì)折(zhé)叠(dié)预(yù)测(cè)（化(huà)学(xué)）研(yán)究(jiū)，图(tú)灵(líng)奖(jiǎng)则(zé)花(huā)落强化学习领域。

8. AI教育普及加速，但资源差距仍存

全球2/3国家已或计划开展K-12计算机科学教育，但非洲地区受限于电力等基础设施，推进缓慢。

美国81%的计算机教师认为AI应纳入基础课程，但仅47%具备相应教学能力。

9. AI正深度融入日常生活

从医疗到交通，AI正快速从实验室走向现实。

1995年，FDA批准了第一款AI赋能的医疗器械。

截至2024年8月，FDA已批准950款AI医疗设备——较2015年的6款和2023年的221款，增长迅猛。

而在自动驾驶领域，汽车已脱离实验阶段：美国头部运营商Waymo每周提供超15万次无人驾驶服务。

10. 全球AI乐观情绪上升，但地区差异显著

中国（83%）、印尼（80%）和泰国（77%）民众对AI持积极态度，而加拿大（40%）、美国（39%）等发达国家则相对保守。

值得关注的是，德国（+10%）、法国（+10%）等原怀疑论国家态度明显转变。

11. 负责任AI生(shēng)态发展不均

虽然AI安全事件激增，但主流模型开发商仍缺乏标准(zhǔn)化(huà)评(píng)估(gū)体(tǐ)系(xì)。

HELM Safety、AIR-Bench和(hé)FACTS等(děng)新(xīn)基(jī)准(zhǔn)为(wèi)事(shì)实(shí)性(xìng)与(yǔ)安(ān)全性(xìng)评(píng)估(gū)提(tí)供(gōng)工(gōng)具(jù)。

企(qǐ)业(yè)普(pǔ)遍(biàn)存(cún)在(zài)「认(rèn)知(zhī)与(yǔ)行(xíng)动(dòng)脱(tuō)节」，而各国政府加速协作：2024年，经合组织、欧盟等国(guó)际(jì)机构相继发布聚焦透明度、可信度的治理框架。

· 问题AI数量跃升

根据权威AI危害追踪数据库「AI事件库」（AI Incidents Database）统计，2024年全球AI相关危害事件激增至233起，创下历史新高，较2023年暴涨56.4%。

其中既包括深度伪造私密图像案件，也涉及聊天机器人疑似导致青少年自杀等恶性事件。

尽管该统计未能涵盖全部案例，但已清晰揭(jiē)示(shì)AI技(jì)术(shù)滥(làn)用(yòng)正(zhèng)在呈现惊人增长态势。

12. 全球监管力度持续加强

2024年美国联邦机构颁布59项AI法规，涉及部门数量翻倍。

75个国家立法机构提及AI频次同比增长21.3%，较2016年增长九倍。

投资方面：加拿大承诺24亿美元，中国设(shè)立(lì)475亿(yì)美元半导体基(jī)金(jīn)，法(fǎ)国(guó)投(tóu)入(rù)1090亿(yì)欧(ōu)元(yuán)，印(yìn)度(dù)拨(bō)款(kuǎn)12.5亿(yì)美(měi)元(yuán)，沙(shā)特(tè)启(qǐ)动(dòng)千(qiān)亿(yì)美(měi)元(yuán)级(jí)的(de)「超(chāo)越(yuè)计(jì)划(huà)」。

详细亮点解读

下面，我们将摘出报告中的亮点内容，提供更详细的解读。

中美差距仅剩0.3%

翻开502页的报告，最吸睛的部分，莫过于中美AI差异这部分了。

报告中强调，虽然2024年，美国在顶尖AI模型的研发上依然领先，但中美模型之间的性能差距，正在迅速缩小！

为了衡量AI领域过去一年演变的全球格局，HAI特意用AI指数，列出了具有代表性的模型所属国家，美国依然居首。

数据显示，在2024年，美国机构以拥有40个知名模型领先，远远超过中国的15个和欧洲的3个。

总(zǒng)体(tǐ)来(lái)说(shuō)，模(mó)型(xíng)发(fā)布(bù)总(zǒng)量(liàng)已(yǐ)经(jīng)下(xià)降(jiàng)，可(kě)能(néng)是(shì)多(duō)个(gè)因(yīn)素(sù)共(gòng)同(tóng)导(dǎo)致(zhì)的(de)，比(bǐ)如(rú)训(xun)练(liàn)规(guī)模(mó)日(rì)益(yì)庞(páng)大(dà)、AI技(jì)术(shù)日(rì)益(yì)复(fù)杂(zá)，开(kāi)发(fā)新(xīn)模(mó)型(xíng)方(fāng)法(fǎ)的(de)难(nán)度(dù)也(yě)在(zài)增加。

AI模型已成为算力巨兽

· 参数趋势

简单的说，参数就是AI模型通过训练学到的一些数字，这些数字决定了模型如何理解输入和怎样输出。

AI的参数越多需要的训练数据也越多，但同时性能也更厉害。

从2010年代初开始，模型的参数量就蹭蹭往上涨，这背后是因为模型设计得越来越复杂、数据更容易获取、硬件算力也更强了。

更重要的是，大模型确实效果好。

下图用了对数刻度，方便大家看清楚AI模型参数和算力近年来的爆炸式增长。

随(suí)着(zhe)模(mó)型(xíng)参(cān)数(shù)数(shù)量(liàng)的(de)增(zēng)加(jiā)，训(xun)练(liàn)所需的数(shù)据(jù)量(liàng)也(yě)在(zài)暴(bào)涨(zhǎng)。

2017年(nián)发(fā)布(bù)的(de)Transformer模(mó)型(xíng)，掀(xiān)起(qǐ)了(le)大(dà)型(xíng)语(yǔ)言(yán)模(mó)型(xíng)的(de)热(rè)潮(cháo)，当(dāng)时(shí)它(tā)用(yòng)了(le)大(dà)约(yuē)20亿(yì)个(gè)token来(lái)训(xun)练(liàn)。

到(dào)了(le)2020年(nián)，GPT-3 175B模(mó)型(xíng)的训练数据已经飙到了约3740亿个token。

而Meta在2024年夏天发布的模型Llama 3.3，更是用了大约15万亿个token来训练。

根据Epoch AI的数据，大型语言模型的训练数据集规模大约每八(bā)个(gè)月(yuè)翻(fān)一(yī)倍(bèi)。