斯坦福大学以人为本人工智能研究所（HAI）发布了其第七份年度《人工智能指数报告》（AI Index Report）。这份长达数百页的报告全面审视了过去一年全球人工智能的发展状况，通过大量数据揭示了AI领域的关键趋势、挑战和机遇，其中最引人注目的发现是工业界在AI创新中的主导地位日益巩固，以及前沿模型训练成本的惊人增长。
产业界成为AI创新的主要引擎
报告指出，2023年，工业界发布了51个值得关注的机器学习模型，而学术界仅发布了15个。如果将范围扩大到产学合作，这一数字也仅增加到21个。这表明，在开发最先进的AI系统方面，拥有巨大计算资源和海量数据的科技巨头已经远远领先于高校和研究机构。基础模型的创新主导权已明确地从学术界转移到了产业界。
惊人的训练成本
报告详细估算了顶级AI模型的训练成本，其数字令人咋舌。谷歌的Gemini Ultra模型的训练成本估计高达1.91亿美元，而OpenAI的GPT-4的训练成本也估计达到了7800万美元。相比之下，几年前的领先模型训练成本还只是数百万甚至数十万美元。这种指数级的成本增长构成了巨大的进入壁垒，进一步加剧了产业界与学术界之间的资源鸿沟。
报告揭示的其他关键趋势
除了上述两点，报告还涵盖了广泛的议题，并总结了多个重要趋势：
性能基准的饱和: AI系统在多项传统基准测试（如图像分类、文本理解）上已经达到了人类水平，这促使研究人员需要开发更复杂、更全面的新评估方法。
AI投资的整合: 尽管对生成式AI的投资激增，但2023年全球AI领域的总投资额实际上有所下降。资本更多地流向了少数几家大型、成熟的AI公司。
AI的经济影响: 报告研究表明，AI能够提高工作效率和产出质量，但尚未对薪资产生显著的普遍影响。
公众认知的分化: 全球范围内，对AI潜在影响的认知和担忧程度存在显著差异。皮尤研究中心的数据显示，52%的美国人对AI表示担忧多于兴奋。
斯坦福的这份年度报告已成为衡量全球AI发展脉搏的重要参考。今年的报告清晰地描绘了一个由少数资本雄厚的公司主导、创新成本急剧攀升的行业格局。这引发了关于AI技术民主化、资源可及性以及未来创新可持续性的深刻问题，值得政策制定者、研究人员和公众的共同关注。
