作者/阿里云研究院&钛媒体
导读：近年来，人工智能技术正在以前所未有的速度蓬勃发展。从 ChatGPT 横空出世，Sora 重塑视频创作，再到 GPT-4o 开启 AI 多模态交互的新时代，以生成式人工智能 （GenAI）为代表的新技术不仅带来了产业变革，也引发了人们对于智能时代的新期待。
2024 年 4 月，斯坦福大学以人为本人工智能研究院 （Stanford HAI） 发布了《2024 年人工智能指数报告》 （《Artificial Intelligence Index Report 2024》）， 此报告为我们提供了一个全面深入 AI 的视角，以审视 AI 在当前社会中的发展和影响。本期文章重点从 AI 研发、技术性能、负责任的 AI、AI 的经济价值四个方面呈现 AI 技术的产业影响，旨在从行业全景的角度观察从 2010 年起至今的人工智能行业发展的主要趋势。
一、研发领域：中国 AI 专利数问鼎全球，美国顶级 AI 模型最多
(1)全球 AI 专利数 13 年增 31 倍，中国主导 AI 专利
自 2010 年以来，全球 AI 专利授权数量增长了 31 倍以上。从 2010 年到 2014 年，AI 专利授权数量增长 56.1%；从 2021 年到 2022 年，全球 AI 专利授权量增长 62.7%。分地域来看，中国和美国是世界上获得 AI 授权专利最多的国家。2013 年，中国的 AI 专利授权份额首次超过美国，问鼎全球第一。到 2022 年，中国以 61.1% 的比例显著超过美国的 20.9%，领先全球 AI 专利。值得注意的是，从 2010 年到 2022 年，美国的 AI 专利授权份额下降了 33.2 个百分点。
（2）工业界主导AI 前沿研究，美国成顶级AI 模型主要来源国
全球每年都会推出许多新的AI 模型，但只有一小部分的模型能够代表最先进的研究成果。2014年之前，学术界在发布知名机器学习模型方面一直处于领先地位，之后，工业界取代了学术界主导AI 前沿研究的地位。这是由于如今生产尖端AI 模型需要大量的数据、计算能力和资金投入，而这些都是学术界所不具备的。根据美国人工智能时代研究所(Epoch AI) 认定标准，2023年，工业界生产了51个知名机器学习模型，而学术界只贡献了15个。另外，2023 年产学研合作产生的知名模型也达到21个，创历史新高。
从国别数据来看，美国开发的知名机器学习模型领先于中国、欧盟和英国，成为顶级AI 模型的主要来源国。自2003 年起，美国开发的知名机器学习模型数量就超过了英国、中国和加拿大等国；2023年，美国开发了61个知名机器学习模型，超过中国的15个和法国的8个。
(3)基础模型数量翻倍增长，超 6 成基础模型开源
2023 年，全球共发布了 149 个基础模型，是 2022 年发布数量的两倍多。其中，65.8% 的模型是开源的， 15.4% 的基础模型是有访问限制的，18.8% 的模型是闭源的。从公司层面来看，2019-2023 年间，谷歌发布的基础模型数量最多，达 40 个；OpenAI 排名第二，5 年间累计发布 20 个。在学术机构方面，清华大学领先全球，共发布了 7 个基础模型；斯坦福大学次之，共发布了 5 个基础模型。
2011 年以来，GitHub上的 AI 相关项目数量持续增长。 2011 年共有 AI 相关项目 845 个，到 2023 年，这一数字已增长至 181 万。值得注意的是，仅在 2023 年，GitHub 中的 AI 项目总数就增长了 59.3%。从地理分布来看，GitHub 上来自美国的 AI 项目占比最多，约为 22.93%，中国大陆占 3.04%。
（4）AI 模型训练所需计算量大小与训练成本成正比，Gemini Ultra 训练成本近 2 亿美元
在过去 20 年的时间里，AI 模型的训练所需计算量呈指数级增长。2017 年，谷歌发布的 Transformer 模型的训练所需计算量约为 7400petaFLOPs；而 2023 年谷歌发布的 Gemini Ultra 模型训练所需计算量为 500 亿 petaFLOPs。随着训练所需计算量越来越大，AI 模型的训练成本也越来越高。OpenAI 的 GPT-4 花了约 7800 万美元的计算成本进行训练，谷歌 Gemini Ultra 更是在计算上花费了 1.91 亿美元。
二、技术领域：多模态 AI 迅速崛起， 人工评估加入大模型评测
（1）多模态 AI 发展迅速，AI 在某些任务上胜过人类
传统的 AI 模型在文本理解方面表现出色，但在图像处理方面却乏善可陈。而如今，多模态 AI 正在兴起，例如谷歌的 Gemini 和 OpenAI 的 GPT-4，这些模型展现了其在处理图像、文本方面的灵活性，甚至可以处理音频及视频。
值得注意的是，随着人工智能技术的不断发展，AI 模型在图像分类、视觉推理和英语理解等多项基准测试中的表现已呈现超过人类的趋势；但在更复杂的任务中，比如数学竞赛、多任务语言理解等方面，仍面临不小的挑战。
(2)新的基准测试难度更高，人工评估成重要因素
近些年来，AI模型已经在ImageNet、SQuAD和 SuperGLUE 等既定基准上达到性能饱和，促使研究人员开发难度更高的基准测试。2023 年，用于编码的 swe-bench，用于图像生成的 HEIM，用于一般推理的 MMMU，用于道德推理的 MoCa，用于基于代理的行为的 AgentBench 和用于幻觉的 HaluEval 等新基准的出现，推动着人工智能技术的进步。此外，人工智能模型的基准测试已慢慢开始转向像 Chatbot Arena 排行榜这样的人工评估，而不是像 ImageNet 或 SQuAD 用计算机来打分排名。在跟踪 AI 的进展时，公众对 AI 的感受正成为一个越来越重要的考虑因素。
(3)得益于大语言模型，机器人变得更加灵活
随着大模型的出现和兴起，越来越多的人工智能融入到机器人技术中。大语言模型与机器人技术的融合催生了更灵活的机器人系统，如谷歌的 PaLM-E 模型和 DeepMind 的 RT-2 模型，它们都增强了机器人执行复杂任务的能力。此外，这些模型还支持问答，这也标志着机器人向能够更有效地与现实世界互动的方向迈出了重要的一步。
(4)闭源大语言模型表现明显优于开源模型
出于对风险控制等因素的考虑，AI 模型采用了不同的开放策略。在 10 个 AI 基准测试中，闭源模型的表现优于开源模型，闭源模型的平均性能优势为 24.2%。
(5)模型规模与碳排放量正相关
随着 AI 模型的规模不断扩大，应用越来越广泛， 监控和减轻人工智能系统对环境的影响变得越来越重要。模型大小、数据中心能源效率和能源网格的碳强度等因素都会影响 AI 模型的碳排放量。通常，较大的模型会排放更多的碳，OpenAI 公司发布的 GPT-3 释放了 502 吨碳，大约是一个美国人一年碳排放量的 27 倍。
值得注意的是，虽然训练大模型需要很大的资源消耗， 但使用大模型也有对环境有利的方面，比如可以用 AI 系统预测城市空气质量，优化空调的能力使用等。
三、负责任的 AI:全球企业关注 AI 带 来的风险，大语言模型缺乏标准化评估
(1)AI 滥用事件数量持续上升，11 年增 20 多倍
目前，人工智能几乎融入到我们生活的每一个方面，这一趋势在带来许多优势的同时也存在着潜在的风险。根据追踪与 AI 误用相关事件的人工智能事件数据库，自 2013 年 以来，AI 滥用事件增长了 20 多倍。2023 年共有 123 起 AI 滥用事件，比 2022 年增加了 32.3%。
(2)全球企业关注 AI 带来的风险
一项关于负责任人工智能的全球调查显示，企业最关心的 AI 问题包括隐私、安全性和可靠性，如今一些企业也开始采取措施来减轻这些风险。然而，从全球范围来看，大多数公司迄今为止仅减轻了部分风险。
(3)严重缺乏对大语言模型 (LLMs) 责任的标准化评估
AI 指数的最新研究表明，负责任 AI 报告制度的标准化程度严重不足。包括 OpenAI、谷歌、Anthropic 等在内的头部开发商，测试各自模型时选择使用的负责任 AI 测试基准均不相同。这些基准缺乏一致性，开发人员可能会有偏向地选择能突出其模型性能的基准，从而使得模型的比较变得更难、更复杂。
(4)AI 开发人员在透明度方面得分较低，闭源模型平均得分率为 30.9%
最近研究指数显示，Meta 的 Llama2 和 BigScience 的 BLOOMZ 是最透明的模型。不过，所有模型的透明度得分都相对较低，平均得分为 37%。此外，公开发布权重的开放式模型的透明度得分往往要高得多，平均得分为 51.3%，而闭源模型的透明度有限，平均得分为 30.9%。这种不开放性阻碍了开发人员进一步了解人工智能系统的鲁棒性和安全性。
四、经济领域：GenAI 投资激增，AI 采用率持续增长
(1)全球 AI 工作岗位占比减少
过去五年间，由于 AI 技术的发展与成熟，与 AI 相关的工作岗位数量整体增加。但值得注意的是，相较于 2022 年，2023 年很多国家与 AI 相关职位在整体招聘岗位中的占比出现了下降，这是由于像亚马逊、德勤等顶级 AI 雇主发布的职位减少，以及这些公司的技术职位比例减少原因所致。分地域来看，2023 年，美国、 西班牙和瑞典对 AI 人才的需求最多。
2023 年，AI 岗位录用率同比增长最高的地区是香港 （28.8%），其次是新加坡 （18.9%） 和卢森堡 （18.9%）。 此外，2023 年，AI 人才最集中的国家是以色列 （1.1%），其次是新加坡 （0.9%）和韩国 （0.8%）。
(2)AI 私人投资总额下降，GenAI 投资激增
在过去十年中，全球与 AI 相关的投资增加了 13 倍，但从 2022 年开始，与 AI 相关的投资金额出现整体下滑，其中下滑最严重的是并购和私人投资板块；2023 年，总投资金额再次下滑约 20% 至 1892 亿美元，其中下滑最严重的是并购板块，同比下降 31.2%。
从区域来看，2013-2023 年，美国在人工智能私人投资方面的金额以 3352.4 亿美元领先世界，是排名第二的中国（1036.5 亿美元）投资额的 3 倍，是英国（222.5 亿美元）投资额的 15 倍。
虽然 AI 私人投资金额在近两年有所下滑，但对 GenAI 的投资金额急剧增加。2023 年，该行业吸引了 252.3 亿美元，几乎是 2022 年投资金额的 9 倍，2019 年的 30 倍。此外，2023 年，GenAI 占所有与人工智能相关的私人投资的 1/4 以上。
(3)新投资 AI 公司数量大涨，美国处于领先地位
2023 年，新获得投资的 AI 公司数量飙升至 1812 家，比上年增长 40.6%。其中，获得投资的 GenAI 公司有 99 家，同比增长 76.8%，比 2019 年增长了 219.4%。
从区域方面来看，获得投资的 AI 公司数量与私人投资金额趋势一致。2013-2023 年间，美国以 5509 家获投公司数量领先于所有地区，是中国获投公司数量的 3.8 倍，英国的 7.6 倍。
（4）超半数组织采用 AI，使用 AI 有助于降本增效
麦肯锡 2023 年的一份报告显示，55% 的企业现在至少在一个业务部门或职能中使用 AI，与 2017 年相比有显著跃升。在接受调查的企业中，2023 年，企业最常用的 AI 应用场景是创建文本文档的初稿（如广告文案、 技术销售内容等），其次是个性化营销、文本文档总结和生成图片或视频等。与此同时，使用 AI 还能帮助企业降本增效。
麦肯锡的一项新调查显示，42% 的受访企业表示使用 AI 降低了成本，与前一年相比，报告成本下降的受访企业增加了 10%；此外，还有 59% 的企业表示收入增加，这表明 AI 正在推动企业效率的显著提高。其中， 成本降低显著的领域有制造（55%）、服务运营（54%) 和风控（44%）；收入增加显著的领域有制造（66%）、 营销和销售（65%）和风控（64%）。
结语
过去一年，全球公众对 AI 潜在影响的认识更加显著深化，同时伴随着对 AI 驱动的产品与服务接纳度的显著提升，AI 大模型及其支撑的产业链也快速实现了知识与技术的积淀与发展。
AI 技术应用的深度和广度正在快速扩展，不仅在企业应用，AI 也正帮助科学研究、生物医疗、公共教育等领域取得重大进展。
未来，随着 AI 技术的不断成熟和成本的逐步降低，大模型将在更多的领域实现商业化落地，推动社会经济的全面智能化升级。
