2025年4月8日，斯坦福大学以人为本人工智能研究院（HAI）发布的《2025年人工智能指数报告》（以下简称“报告”）引发全球关注。这份长达456页的年度报告，以详实数据揭示了人工智能领域的关键趋势：中美AI竞争从“量”到“质”的格局转变、开源模型的崛起、硬件效率跃升引发的成本革命，以及AI技术对社会经济的深度渗透。
文字编辑｜宋雨涵
1
中美竞争最新态势
性能差距缩至毫厘，但生态差距仍存
报告最引人注目的结论是，中美顶级AI模型的性能差距从2023年的20%以上大幅缩小至2024年的0.3%，尤其在MMLU（大规模多任务语言理解）、HumanEval（代码生成）等核心基准测试中，中国模型几乎与美国顶尖产品持平。以DeepSeek-V3为代表的中国开放权重模型，在推理效率上甚至逼近闭源巨头，其与闭源模型的性能差距从2024年的8%缩小至1.7%。
然而，数量差距仍是现实：2024年，美国机构开发了40个重要AI模型，远超中国的15个和欧洲的3个。过去十年，美国累计开发的机器学习模型数量仍居全球之首。这一矛盾背后，反映的是两国AI生态的差异：美国以企业主导创新（90%的重要模型来自产业界）
图：重要AI模型数量
而中国在论文数量（全球占比23.2%）和专利授权量（全球69.7%）上领跑，但高影响力研究仍由美国主导（Top100高被引论文中，美国贡献50篇，中国34篇）。
图：论文发表数量
2
技术突破
DeepSeek率先打响成本革命
通过混合专家架构（MoE）与动态路由优化，将170亿激活参数动态分配给128个专家模块，仅需激活必要模块即可完成任务，避免“全参数启动”的资源浪费。DeepSeek-V3的推理成本降至$0.07/百万token，仅为GPT-4的1/10。其训练能耗较Llama 3下降62%，单卡H100即可运行，彻底打破“算力即霸权”的行业铁律。
小模型迎来性能突破
2022年时，能在MMLU多任务语言理解基准测试中达到60%准确率的最小模型是拥有5400亿参数的PaLM。
而到2024年，微软仅38亿参数的Phi-3-mini模型就实现了同等表现，两年间模型体积缩小了142倍。
AI使用成本呈下降趋势：
图注：从2022年到2024年，GPT-3.5和GPT-4在基准测试中的推理价格呈下降趋势
以GPT模型为例，对于MMLU测试中达到GPT-3.5水平（64.8%准确率）的模型，单次百万token查询成本从2022年11月的20美元，暴跌至2024年10月的0.07美元（Gemini-1.5-Flash-8B模型），18个月内降幅超280倍。不同任务的LLM推理价格年降幅达9-900倍不等。
经济影响：
企业降本增效加速，生成式AI成资本宠儿
AI对生产力的改造已进入规模化阶段：
企业应用爆发：78%的组织在2024年采用AI技术，较前一年增长55%。中国大陆企业AI采用率达75%，与北美差距缩小至7%。
投资热潮：2024年全球AI投资达2523亿美元，其中美国以1091亿美元领跑（中国为93亿美元），生成式AI独占339亿美元，年增长18.7%。
值得注意的是，尽管投资回报尚未全面显现（多数企业成本降幅低于10%），但生成式AI在医疗、金融等领域的商业化潜力已初露锋芒。例如，FDA批准的AI医疗设备数量从2015年的6款飙升至2024年的950款，AI在蛋白质折叠预测等科学任务中甚至助力研究斩获诺贝尔奖。
AI竞赛的“中国式突围”能否持续？：
中国政府在AI领域给予了大力支持，成立了国家数据局推动数据要素市场化，全面落地“东数西算”工程降低算力成本。这些政策红利为中国AI企业的快速发展提供了有力保障。此外中国AI企业积极构建开放生态，推动产业链上下游协同发展。华为“鲲鹏+昇腾”算力底座、百度“文心一言”开放平台、腾讯“混元”大模型产业联盟等，为AI技术的研发和应用提供了有力支撑。但是中国AI的发展还面临着基础研究断层的问题：若无法在算法、芯片等底层领域突破，中国可能陷入“应用强、生态弱”的被动局面。而且要面对开源与商业的平衡：过度依赖开源可能导致核心技术创新动力不足，从而难免走“下坡路”，“中国式突围”能否持续？让我们拭目以待吧！
结语
斯坦福报告描绘了一幅复杂图景：技术差距的缩小并未消弭生态系统的差异，效率革命催生了普惠红利，对中国而言，如何在基础研究、算力自主与商业化落地之间找到平衡，或将决定其能否在下一轮康波周期中实现从“追赶”到“引领”的跨越。而对于全球，构建负责任的技术生态，或许比单纯追求性能突破更为紧迫。
