詳解《斯坦福 AI 報告 2025》：國產(chǎn)模型崛起、清華論文領(lǐng)先

斯坦福 AI 指數(shù)報告
這是一份影響力很大的報告，每年一期。
該報告旨在追蹤、整合、提煉并可視化與人工智能（AI）相關(guān)的各類數(shù)據(jù)。報告提供無偏見、經(jīng)過嚴(yán)格審查、來源廣泛的數(shù)據(jù)，幫助政策制定者、研究人員、高管、記者及公眾深入了解 AI 領(lǐng)域的復(fù)雜性和最新動態(tài)。

剛剛，「斯坦福 AI 指數(shù)報告 2025」發(fā)布，與 2024 報告（全方位解讀「斯坦福 2024 AI指數(shù)報告」，附原文 pdf 下載）不同的是，該報告中多次、重點提到了中國的 AI 發(fā)展，我先摘出來一些：

在 AI 測試中，中國與美國差距顯著縮小，如 MMLU 差距僅剩 0.3 個百分點，HumanEval 縮小至 3.7 個百分點。

阿里、字節(jié)、騰訊、智譜和 DeepSeek 組成“國產(chǎn)五英杰”，躋身全球頭部模型開發(fā)機構(gòu)。

清華大學(xué) 2023 年發(fā)表的高被引論文數(shù)量并列全球第一，與 Google 同為 8 篇。

中國 2023 年 AI 授權(quán)專利占全球總量的 69.7%，在專利數(shù)量和論文產(chǎn)出方面保持全球領(lǐng)先。

2024 年中國企業(yè) AI 使用率同比增長 27 個百分點，為全球增長最快地區(qū)，應(yīng)用水平快速提升。

中國繼續(xù)引領(lǐng)全球工業(yè)機器人部署，2023 年新增安裝量達 27.6 萬臺，占全球總量超一半。

公眾對 AI 態(tài)度方面，中國 83% 的受訪者認(rèn)為“利大于弊”，為全球最高比例之一。

Chapter 1：AI 演進趨勢

2024 年，AI 模型在多個能力測試中的表現(xiàn)提升明顯：模型規(guī)模持續(xù)擴大，訓(xùn)練資源需求上升，但推理成本顯著下降。企業(yè)成為模型開發(fā)的主要力量，中國在論文、專利和模型發(fā)布方面活躍度持續(xù)提高。

要點如下

中美模型差距縮小

到 2024 年底，中美模型在 MMLU、HumanEval 等核心測試中的表現(xiàn)差距明顯縮小，例如 MMLU 差距為 0.3 個百分點，HumanEval 為 3.7 個百分點。

中美模型差距，在不斷縮小

「國產(chǎn)五英杰」位列主要模型開發(fā)機構(gòu)

2024 年，阿里巴巴發(fā)布 6 個 知名（notable） 模型，全球排名第三。字節(jié)跳動、DeepSeek、騰訊、智譜各發(fā)布 2 個知名模型：「國產(chǎn)五英杰」，集體進入世界第一陣營。

圖1.3.6：各機構(gòu)貢獻的知名模型數(shù)量

清華大學(xué)高被引論文數(shù)量全球領(lǐng)先

清華大學(xué) 2023 年發(fā)布 8 篇進入全球前 100 高被引論文，與 Google 并列第一。

圖1.1.13：清華的學(xué)術(shù)產(chǎn)出卓著

多項成績大幅提升

AI 在 SWE-bench 中，截止到 23 年底，最好成績是 4.4%，而最新的成績已經(jīng)達到了 71.7%。GPQA 和 MMMU 兩項新測試的成績也分別提升了 48.9 和 18.8 個百分點。

目前的最好成績，由 OpenAI o3 保持

企業(yè)主導(dǎo)模型開發(fā)

2024 年，90% 以上的 知名模型由企業(yè)發(fā)布。MIT 和 UC Berkeley 等高校也發(fā)布了 2 個 notable 模型。

圖1.3.5：知名模型背后的貢獻者

模型規(guī)模和訓(xùn)練時間增加

訓(xùn)練 GPT-4o 級別的模型，需約 38B petaFLOP，周期在 90～100 天之間。

圖1.3.16：不同模型的參數(shù)量

小模型取得較高性能

Phi-3-mini 模型參數(shù)量為 3.8B，在 MMLU 測試中得分超過 60%，接近 GPT-3.5。

圖2.1.38：達到 60% MMLU，所需的模型尺寸在不斷縮小

推理成本下降

GPT-3.5 水平模型推理成本從 2022 年的 20美金 /百萬 tokens 降至 2024 年的 0.07美金，降幅超過 280 倍。

圖1.3.22：模型成本下降顯著

中國論文與專利數(shù)量位居全球前列

2023 年，中國 AI 論文占全球 23.2%，引用占 22.6%；AI 授權(quán)專利占全球 69.7%。

圖1.1.6：AI 領(lǐng)域論文比例圖1.1.7：AI 領(lǐng)域引用比例圖1.2.3：AI 授權(quán)專利比例

可用數(shù)據(jù)或?qū)②吘o

研究估計，高質(zhì)量網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)可能在 2026～2032 年間消耗殆盡，行業(yè)正關(guān)注替代數(shù)據(jù)來源。

圖1.3.19：數(shù)據(jù)使用情況

Chapter 2：AI 能力持續(xù)提升

2024 年，多項新模型在語言、數(shù)學(xué)、視頻生成等能力上取得進展。領(lǐng)先模型之間的差距縮小，小模型表現(xiàn)提升明顯。AI 在推理能力方面仍存在挑戰(zhàn)。

要點如下

模型在多個新基準(zhǔn)上取得進步

在 2023 年引入的新測試中，AI 表現(xiàn)在一年內(nèi)快速提升：MMMU 得分提升 18.8 個百分點，GPQA 提升 48.9 個百分點，SWE-bench 提升 67.3 個百分點。

中美模型在測試成績上接近

2023 年底，中美模型在多個測試中的差距急劇縮小，分別為：

• ? MMLU：17.5% → 0.3%
• ? HumanEval：31.6% → 3.7%
• ? MMMU：13.5% → 8.1%
• ? MATH：24.3% → 1.6%

模型排名差距縮小

在 Chatbot Arena 排行榜上，排名前十的模型 Elo 得分差從 11.9% 降至 5.4%；第一名和第二名之間的差距從 4.9% 降至 0.7%。

圖2.1.39：DeepSeek 迎面趕上

引入“Test-time Compute” 提升模型推理能力

在國際數(shù)學(xué)奧賽選拔題上，OpenAI 推出的 o1，作為推理模型得分達 74.4%，明顯高于 GPT-4o 的 9.3%。但 o1 模型在推理時比 GPT-4o 慢 30 倍，成本高 6 倍。

圖2.2.14：增加推理時間，提升模型效果

新測試標(biāo)準(zhǔn)持續(xù)推出

為應(yīng)對現(xiàn)有測試趨于飽和，研究者推出了多個更難的新測試集，例如：

• ? Humanity’s Last Exam：最高分僅為 8.8%
• ? FrontierMath：AI 正確率約為 2%
• ? BigCodeBench：AI 得分為 35.5%，低于人類水平的 97%

文本生成視頻技術(shù)顯著進步

2024 年發(fā)布的多個模型在文本生成視頻方面質(zhì)量明顯提升，包括 OpenAI 的 SORA、Meta 的 MovieGen、Google DeepMind 的 Veo 2 等。

小模型取得優(yōu)異表現(xiàn)

2022 年，超過 60% MMLU 得分的最小模型是 PaLM（540B 參數(shù)）；2024 年，Phi-3-mini（3.8B 參數(shù)）也達到了該水平。可理解為同表現(xiàn)下，參數(shù)量下降 142 倍。

推理能力仍有限

盡管“思維鏈”方法改善了模型表現(xiàn)，AI 仍難以穩(wěn)定解決大型邏輯或規(guī)劃問題，尤其是在訓(xùn)練范圍之外的任務(wù)上。

AI 代理在短期任務(wù)中表現(xiàn)優(yōu)于人類

在兩小時預(yù)算內(nèi)，AI 代理在 RE-Bench 測試中得分是人類的 4 倍。但在 32 小時任務(wù)中，人類得分是 AI 的兩倍。AI 在部分任務(wù)中效率更高，但仍有時間限制。

圖2.8.4：Agent 在短時任務(wù)中，表現(xiàn)超過人

Chapter 3：AI 安全體系仍不完善

AI 應(yīng)用規(guī)模持續(xù)擴大，但圍繞安全性、可信度、偏見與誤用的挑戰(zhàn)也在增加。行業(yè)在相關(guān)評估與治理上的行動仍有限，政府與研究界的介入力度逐步增強。

要點如下

RAI 的評估仍未普及

雖然 HELM Safety、AIR-Bench 等新測試被提出，但主要模型開發(fā)方仍缺乏統(tǒng)一的 RAI（Responsible AI）評估流程，實踐不一致。

圖3.2.6：各類模型，都有標(biāo)準(zhǔn)的性能評估方法圖3.2.7：各類模型，在安全評估上，未有共識

AI 相關(guān)事故持續(xù)上升

2024 年，AI Incidents Database 收錄的報告達 233 起，比 2023 年增長 56.4%，為歷史新高。

企業(yè)識別風(fēng)險，但應(yīng)對不足

根據(jù) McKinsey 調(diào)查，大部分企業(yè)管理者意識到 RAI 風(fēng)險，但采取行動的不多。管理者對不準(zhǔn)確性、法規(guī)合規(guī)和網(wǎng)絡(luò)安全的關(guān)注度分別為 64%、63%、60%。

政府合作加強

2024 年，多國機構(gòu)（OECD、歐盟、聯(lián)合國、非盟等）發(fā)布 RAI 治理框架，內(nèi)容涉及透明性、可解釋性和信任等核心原則。

網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)受限比例上升

許多網(wǎng)站設(shè)置限制，減少 AI 模型對網(wǎng)頁內(nèi)容的抓取。2024 年，C4 數(shù)據(jù)集中受限 token 比例從前一年的 5–7% 上升至 20–33%。

C4即：Colossal Clean Crawled Corpus
這是一個大規(guī)模的文本數(shù)據(jù)集，廣泛應(yīng)用于大型語言模型（LLM）的預(yù)訓(xùn)練。該數(shù)據(jù)集來源于 Common Crawl 項目收集的海量公開網(wǎng)頁抓取數(shù)據(jù)。為了提升數(shù)據(jù)質(zhì)量以適應(yīng)模型訓(xùn)練的需求，原始的 Common Crawl 數(shù)據(jù)經(jīng)過了大量且細(xì)致的清洗與過濾處理，旨在移除例如網(wǎng)站模板代碼、導(dǎo)航元素、重復(fù)內(nèi)容以及其他非自然語言文本。

圖3.6.2：按 robots.txt，看 C4 數(shù)據(jù)限制圖3.6.3：按服務(wù)條款，看 C4 數(shù)據(jù)限制

模型透明度有所提升

Foundation Model Transparency Index 顯示，主要模型開發(fā)者的平均透明度得分從 2023 年 10 月的 37% 上升至 2024 年 5 月的 58%。

針對事實準(zhǔn)確性的測試更新

相比 HaluEval、TruthfulQA 等舊方法，2024 年新推出的 FACTS、SimpleQA 和更新版 Hughes Hallucination Evaluation Model 被更多研究者采納。

AI 選舉虛假信息引發(fā)關(guān)注

2024 年，十余個國家在選舉期間出現(xiàn) AI 相關(guān)虛假內(nèi)容，但實際影響仍不明確，部分預(yù)期效果未實現(xiàn)。

模型偏見仍未解決

GPT-4、Claude 3 Sonnet 等模型在性別與種族上仍表現(xiàn)出隱性偏見。例如，女性更常被關(guān)聯(lián)到人文學(xué)科，男性更常與領(lǐng)導(dǎo)角色相關(guān)聯(lián)。

學(xué)術(shù)界對 RAI 研究熱度上升

2024 年，RAI 相關(guān)論文在主流 AI 會議中的錄用量為 1,278 篇，比 2023 年增長 28.8%。自 2019 年以來，該方向保持持續(xù)增長。

Chapter 4：AI 投資加速

2024 年，AI 在商業(yè)領(lǐng)域的應(yīng)用加快，全球投資總額創(chuàng)歷史新高。生成式 AI 領(lǐng)域尤其受到資本青睞。各行業(yè)開始感受到初步的財務(wù)影響，但普遍仍處于早期階段。

要點如下

全球 AI 投資創(chuàng)新高

2024 年，全球 AI 投資達到 2523 億美元，同比增長 26%。其中，私人投資直接投資增長 44.5%，并購增長 12.1%。

這里的私人投資，包括個人、企業(yè)、私募、VC/PE、公司戰(zhàn)略投資

圖4.3.1：按服務(wù)條款，看 C4 數(shù)據(jù)限制

生成式 AI 投資持續(xù)增長

2024年，在生成式 AI 領(lǐng)域，美國的私人投資在達 339 億美元，同比增長 18.7%，比 2022 年增長超過 8.5 倍，占全部 AI 投資的 20% 以上。

圖4.3.3：按服務(wù)條款，看 C4 數(shù)據(jù)限制

美國在 AI 投資中領(lǐng)先

2024年，在整個 AI 投資領(lǐng)域，美國的私人投資為 1091 億美元，是中國（93 億美元）的近 12 倍，是英國（45 億美元）的 24 倍。

圖4.3.8：2024 年，各國 AI 有關(guān)的投資圖4.3.10：2013年至今，各國 AI 有關(guān)的投資

企業(yè)使用 AI 的比例持續(xù)上升

2024 年，78% 的企業(yè)報告正在使用 AI，比上一年（55%）顯著增長。采用生成式 AI 的企業(yè)占比也從 33% 提升到 71%。

圖4.4.4：23年vs24年，AI 的企業(yè)滲透

財務(wù)回報仍處于早期階段

在已有使用的企業(yè)中，49% 在服務(wù)運營中報告了成本下降，但多數(shù)降幅低于 10%。在銷售、供應(yīng)鏈等環(huán)節(jié)中，也有 50～70% 的企業(yè)報告了營收增長，主要集中在 5% 以下。

區(qū)域差異變化顯著

中國大陸和港澳臺地區(qū)的企業(yè) AI 使用率增長了 27 個百分點，增長幅度為全球最高。歐洲增長 23 個百分點。

中國繼續(xù)引領(lǐng)工業(yè)機器人部署

2023 年，中國安裝了 27.6 萬臺工業(yè)機器人，是日本的 6 倍、美國的 7.3 倍，占全球總量的 51.1%。

協(xié)作型機器人使用增加

2023 年，協(xié)作型機器人占新裝工業(yè)機器人的 10.5%，2017 年該比例為 2.8%。服務(wù)型機器人在醫(yī)療以外的應(yīng)用也呈現(xiàn)增長。

AI 使用推動能源結(jié)構(gòu)調(diào)整

多家科技公司與核電廠達成合作協(xié)議，支持 AI 所需的高能耗運行。包括微軟重啟美國 Three Mile Island 核反應(yīng)堆，Google 與 Amazon 也已簽署相關(guān)協(xié)議。

AI 被證明可提升生產(chǎn)力、縮小技能差距

多項研究顯示，AI 應(yīng)用可帶來整體生產(chǎn)率提升，尤其有助于低技能崗位員工提高績效，與高技能員工之間的差距有所縮小。

Chapter 5：AI 在科研領(lǐng)域發(fā)力

AI 在生物醫(yī)藥、臨床知識、基礎(chǔ)科學(xué)等領(lǐng)域的應(yīng)用不斷擴大。多個新模型發(fā)布，研究效率提高。AI 在特定任務(wù)中已具備超越人類的能力，但模型驗證、臨床集成仍是挑戰(zhàn)。

要點如下

蛋白質(zhì)結(jié)構(gòu)預(yù)測模型持續(xù)升級

2024 年發(fā)布了多款大規(guī)模蛋白質(zhì)序列預(yù)測模型，包括ESM3 和 AlphaFold 3，模型規(guī)模增加帶來預(yù)測精度的進一步提升。

AI 在科研中的作用進一步增強

新工具如Aviary（用于訓(xùn)練生物任務(wù)的 LLM agent）和FireSat（用于預(yù)測森林火災(zāi)）在 2024 年得到應(yīng)用，展示出 AI 在科研支持上的多樣化方向。

醫(yī)學(xué)大模型臨床知識水平提升

OpenAI 的 o1 模型在 MedQA 基準(zhǔn)測試中得分達 96%，比 2023 年領(lǐng)先模型提高 5.8 個百分點，自 2022 年以來總提升達 28.4 個百分點。

部分任務(wù)中 AI 表現(xiàn)優(yōu)于醫(yī)生

研究發(fā)現(xiàn)，GPT-4 在復(fù)雜病例診斷中表現(xiàn)優(yōu)于醫(yī)生團隊。其他研究也表明AI 在癌癥檢測、高風(fēng)險患者識別等任務(wù)中具備較高準(zhǔn)確性。

AI 輔助的 FDA 批準(zhǔn)設(shè)備數(shù)量增長

截至 2023 年，FDA 批準(zhǔn)的 AI 醫(yī)療設(shè)備總數(shù)達 223 個。相比 2015 年（僅 6 個），增長顯著。

圖5.4.10：FDA 批準(zhǔn)的 AI 醫(yī)療設(shè)備數(shù)量顯著提升

合成數(shù)據(jù)在醫(yī)療研究中展現(xiàn)潛力

2024 年的研究表明，AI 生成的合成醫(yī)療數(shù)據(jù)可在保障隱私的同時，用于改進健康風(fēng)險預(yù)測和新藥發(fā)現(xiàn)。

醫(yī)療倫理研究熱度上升

關(guān)于醫(yī)療AI 倫理的論文數(shù)量自 2020 年以來增長近四倍，從 288 篇增至 1031 篇，反映該議題在學(xué)術(shù)界受到重視。

醫(yī)療領(lǐng)域出現(xiàn)多種基礎(chǔ)模型

2024 年發(fā)布了多種專門面向醫(yī)學(xué)場景的大模型，包括：

• ?Med-Gemini（通用多模態(tài)）
• ?EchoCLIP（超聲心動圖）
• ?VisionFM（眼科）
• ?ChexAgent（放射影像）

公共蛋白質(zhì)數(shù)據(jù)庫持續(xù)擴充

自 2021 年以來，UniProt 增長 31%、PDB 增長 23%、AlphaFold 數(shù)據(jù)庫增長 585%，為蛋白質(zhì)科學(xué)研究提供基礎(chǔ)支撐。

AI 研究獲得諾貝爾獎?wù)J可

2024 年，兩項 AI 相關(guān)研究獲諾貝爾獎：

• ? 化學(xué)獎授予 AlphaFold 團隊，用于蛋白質(zhì)折疊預(yù)測
• ? 物理獎授予神經(jīng)網(wǎng)絡(luò)研究者 John Hopfield 與 Geoffrey Hinton

Chapter 6：AI 政策監(jiān)管加強

全球多個國家在 2024 年加強了 AI 基礎(chǔ)設(shè)施投資和監(jiān)管推進。AI 成為政策議程核心議題，國家層面機構(gòu)與國際組織陸續(xù)發(fā)布治理框架，AI 安全合作初具體系。

要點如下

美國州級立法活躍

2016 年，全美僅有 1 項州級 AI 法律
2023 年，增至 49 項；
2024 年翻倍至 131 項。
相比之下，聯(lián)邦級立法仍進展緩慢。

多國推進 AI 基礎(chǔ)設(shè)施投資

2024 年主要國家的投資承諾包括：

• ? 加拿大：24 億加元
• ?中國：475 億美元（芯片專項基金）
• ? 法國：1090 億歐元
• ? 印度：12.5 億美元
• ? 沙特阿拉伯：1000 億美元（Project Transcendence）

AI 相關(guān)立法提及數(shù)量持續(xù)上升

2024 年，75 個國家中，立法文本中提及 AI 的次數(shù)增長 21.3%，達 1889 次，是 2016 年的 9 倍。

全球 AI 安全機構(gòu)體系初步建立

在 2023 年的英國 AI 安全峰會后，首批國家級 AI 安全研究所設(shè)立于美國與英國。2024 年的首爾 AI 峰會推動更多機構(gòu)承諾加入，包括日本、法國、德國、意大利、新加坡、韓國、澳大利亞、加拿大及歐盟。

美國 AI 監(jiān)管部門數(shù)量翻倍

2024 年，美國共有 42 個聯(lián)邦機構(gòu)出臺 AI 相關(guān)規(guī)章制度，是 2023 年的兩倍。全年共發(fā)布 59 項新規(guī)，比去年增長超過一倍。

Deepfake 治理擴展至更多州

截止 2024 年，美國有約 24 個州已經(jīng)就 Deepfake 問題，展開治理工作

Chapter 7：AI 教育關(guān)注度提升

全球越來越多國家將 AI 和計算機科學(xué)納入基礎(chǔ)教育體系，美國高校相關(guān)畢業(yè)人數(shù)持續(xù)增長。但教育資源、師資能力、基礎(chǔ)設(shè)施等方面的區(qū)域差異仍然存在。

要點如下

美國高中計算機課程參與率略有上升

2023–2024 學(xué)年，美國高中階段學(xué)生參與計算機科學(xué)課程的比例有所提升。但在州別、種族、性別、收入等方面仍存在明顯差距。

多數(shù) CS 教師支持教授 AI，但信心不足

美國 81% 的 K–12 計算機科學(xué)教師認(rèn)為 AI 應(yīng)納入基礎(chǔ)課程體系，但僅不到一半的教師表示自己具備教授 AI 的能力。

圖7.2.13：美國各地 K-12 有關(guān) AI 的內(nèi)容

全球三分之二國家已引入或計劃引入 K–12 CS 教育

相較于 2019 年，這一比例翻倍。其中，非洲與拉丁美洲國家的進展最為顯著。但一些非洲國家仍因基礎(chǔ)設(shè)施（如供電）問題導(dǎo)致教學(xué)覆蓋不足。

美國 AI 相關(guān)碩士畢業(yè)生數(shù)量大幅增長

2023 年，美國獲得 AI 相關(guān)碩士學(xué)位的畢業(yè)生人數(shù)相比 2022 年幾乎翻倍。雖然本科與博士層面的增長較緩，但整體呈持續(xù)上升趨勢。

美國仍是 ICT（信息通信技術(shù)）人才培養(yǎng)大國

在信息與通信技術(shù)畢業(yè)生數(shù)量上，美國仍居全球領(lǐng)先位置。西班牙、巴西、英國緊隨其后。土耳其在性別平衡方面表現(xiàn)最佳。

Chapter 8：公眾態(tài)度分化明顯

2024 年，多數(shù)國家的公眾對 AI 帶來積極影響的期待上升，但對 AI 公司、數(shù)據(jù)隱私及算法公平性的信任普遍偏低。各國之間的態(tài)度差異顯著。

要點如下

全球整體 AI 樂觀情緒上升

在 26 個國家中，有 18 個國家的受訪者更傾向于認(rèn)為 AI 產(chǎn)品利大于弊。全球總體比例從 2022 年的 52% 上升至 55%。

AI 被認(rèn)為將在日常生活中發(fā)揮重要作用

約三分之二的受訪者認(rèn)為，未來 3–5 年內(nèi)，AI 將對個人日常生活產(chǎn)生顯著影響。相比 2022 年增加了 6 個百分點。

對 AI 公司信任度下降

認(rèn)為 AI 公司能妥善保護個人數(shù)據(jù)的受訪者比例，從 2023 年的 50% 降至 2024 年的 47%。對算法是否公正的信心也有所下降。

圖8.1.1：人們對 AI 產(chǎn)品的態(tài)度變化

各國對 AI 的態(tài)度差異明顯

在中國（83%）、印尼（80%）、泰國（77%）等國，絕大多數(shù)人認(rèn)為 AI 利大于弊；而在加拿大（40%）、美國（39%）、荷蘭（36%）等國家，這一比例顯著偏低。

圖8.1.2：不同地區(qū)的人，對 AI 的正面態(tài)度

美國公眾對自動駕駛信任度較低

2024 年，美國有 61% 的受訪者表示“擔(dān)心自動駕駛汽車”，僅 13% 表示信任該技術(shù)。雖然擔(dān)憂比例相比 2023 年略有下降，但仍高于 2021 年（54%）。

地方政府對 AI 監(jiān)管支持度較高

2023 年，美國地方層級的政策制定者中，73.7% 支持加強 AI 監(jiān)管，高于 2022 年的 55.7%。其中民主黨支持率為 79.2%，共和黨為 55.5%。

過去對 AI 持懷疑態(tài)度的國家也出現(xiàn)轉(zhuǎn)變

例如德國、法國、加拿大、英國、美國的 AI 樂觀比例相比 2022 年分別提升了 10%、10%、8%、8%、4%。

大多數(shù)人預(yù)期 AI 將改變工作方式，但對被取代的擔(dān)憂較少

全球范圍內(nèi)，60% 的受訪者認(rèn)為 AI 將在未來 5 年內(nèi)改變自己的工作方式，但只有 36% 擔(dān)心 AI 會在這段時間內(nèi)取代自己的崗位。

地方政策制定者對監(jiān)管重點意見不一

在美國地方政府中，對隱私保護（80.4%）、再培訓(xùn)政策（76.2%）和部署規(guī)范（72.5%）支持度較高。但對禁用人臉識別（34.2%）、工資補貼（32.9%）、全民基本收入（24.6%）支持度較低。

AI 被認(rèn)為能提升效率和娛樂性，但經(jīng)濟與就業(yè)作用信心不足

55% 的人認(rèn)為 AI 能“節(jié)省時間”，51% 認(rèn)為它能“帶來更好的娛樂體驗”，但只有 36% 看好它能改善國家經(jīng)濟，31% 認(rèn)為它將改善就業(yè)市場。

圖8.1.9：人們「AI 改善生活」的信心圖8.1.10-11：人們「AI 改善就業(yè)」的信心