斯坦福最新AI研究報告出爐 中美模型質量差距縮小至0.3%

　　nature發文，斯坦福大學以人為本人工智能研究所發布的《2025年人工智能指數報告》顯示，人工智能領域的競爭日益激烈：中國高性能AI模型的數量和質量不斷提升，對美國的領先地位構成挑戰，頂級模型之間的性能差距正在縮小。

　　美國此前在模型質量方面的領先優勢已經消失。中國是人工智能出版物和專利產出最多的國家，如今其開發的模型在性能上已經與美國的競爭對手不相上下。2023年，在大規模多任務語言理解測試(MMLU)中，中國領先的模型落后于美國頂級模型近20個百分點。然而，到2024年底，美國的領先優勢縮小到了0.3個百分點。

　　世界各頂級AI模型之間性能已無太大差距

　　該報告強調，隨著人工智能的快速持續發展，沒有一家公司能夠脫穎而出。在聊天機器人競技場排行榜上，2024年初排名第一的模型比排名第十的模型得分高出約12%，但到2025年初，這一差距縮小到了5%。報告稱：“前沿領域的競爭越來越激烈，也越來越擁擠。”

　　該指數顯示，通過使用更多決策變量、更強的計算能力和更大的訓練數據集，生成式人工智能模型平均而言仍在變得更“大”。但開發人員也在證明，更小、更精簡的模型也能有出色的表現。由于算法的改進，如今的模型性能與兩年前規模大100倍的模型性能齊平。該指數稱：“2024年是小型人工智能模型的突破之年。”

　　紐約伊薩卡康奈爾大學的計算機科學家巴特 塞爾曼表示，很高興看到像中國的DeepSeek這樣相對小型、低成本的研究成果證明了自己的競爭力。他說：“我預計我們會看到一些由五人甚至兩人組成的獨立團隊，他們會提出一些新的算法想法，從而改變現狀。這很好。我們不希望世界只由一些大公司掌控。”

　　報告顯示，如今絕大多數強大的人工智能模型是由工業界而非學術界開發的：這與21世紀初神經網絡和生成式人工智能尚未興起情況正好相反。報告稱，2006年之前，工業界開發的著名人工智能模型不到20%，2023年這一比例為60%，2024年則接近90%。

　　美國仍然是強大模型的最大生產國，2024年發布了40個模型，中國發布了15個，歐洲發布了3個。但許多其他地區也在加入這場競賽，包括中東、拉丁美洲和東南亞。

　　塞爾曼說：“2015年左右，中國走上了成為人工智能領域頂尖參與者的道路，他們通過教育投資實現了這一目標。我們看到這開始有了回報。”

　　AI領域還出現了“開放權重”模型在數量和性能上的驚人增長，如DeepSeek和Meta的LLaMa。用戶可以自由查看這些模型在訓練過程中學習到的并用于預測的參數，不過其他細節，如訓練代碼，可能仍保密。最初，不公開這些因素的封閉系統明顯更優越，但到2024年初，這些類別中頂級競爭者之間的性能差距縮小到了8%，到2025年初則縮小到了1.7%。

　　加利福尼亞州門洛帕克的非營利性研究機構SRI的計算機科學家、該報告的聯合主任雷 佩羅特說：“這對任何無力從頭構建模型的人來說肯定是好事，包括許多小公司和學者。”OpenAI計劃在未來幾個月內發布一個開放權重模型。

　　2022 年ChatGPT公開推出后，開發人員將大部分精力投入到通過擴大模型規模來提升系統性能上。該指數報告稱，這一趨勢仍在繼續：訓練一個典型的領先人工智能模型所消耗的能源目前每年翻一番；每個模型使用的計算資源每五個月翻一番；訓練數據集的規模每八個月翻一番。

　　然而，各公司也在發布性能非常出色的小型模型。例如，2022年在MMLU上得分超過60%的最小模型使用了5400億個參數;到2024年，一個模型僅用38億個參數就達到了相同的分數。小型模型比大型模型訓練速度更快、回答問題更迅速，且能耗更低。佩羅特說：“這對各方面都有幫助。”

　　塞爾曼說，一些小型模型可以模仿大型模型的行為，或者利用比舊系統更好的算法和硬件。該指數報告稱，人工智能系統使用的硬件的平均能源效率每年提高約40%。由于這些進步，在MMLU上得分超過60%的成本大幅下降，從2022年11月的每百萬個token約20美元降至 2024年10月的每百萬個token約7美分。

　　盡管在幾項常見的基準測試中取得了顯著進步，但該指數強調，生成式人工智能仍然存在一些問題，如隱性偏見和“幻覺”傾向，即吐出虛假信息。塞爾曼說：“它們在很多方面給我留下了深刻印象，但在其他方面也讓我感到恐懼。它們在犯一些非常基本的錯誤方面讓我感到驚訝。”