十年前，全世界最好的人工智能系统都无法以人类水平对图像中的物体进行分类。人工智能在语言理解方面困难重重，更无法破解数学领域。如今，人工智能系统在标准基准上的表现已广泛超过人类。”
今年，斯坦福 HAI 研究所的人工智能指数报告如期而至。据 AI Index 联合总监 Ray Perrault 介绍，2023 年人工智能领域进展迅猛，科技公司正在竞相构建相关产品，GPT-4、Gemini 和 Claude 3 等先进工具带来令人印象深刻的多模态功能，正越来越多地被公众使用；但当前的人工智能技术仍存在重大问题，如无法可靠处理事实、进行复杂推理以及结论解释。
在长达 393 页的《2024 人工智能指数报告》中，斯坦福 HAI 研究所不仅更广泛地涵盖基本趋势，如人工智能的技术进步、公众对技术的看法以及围绕其发展的地缘政治动态，还详细分析了比以往更多的原始数据。
其中，下面 15 张图表反映了整个 AI 领域 2023 年的状况和 2024 年的态势。
1. 生成式 AI 投资激增
虽然去年人工智能的私人投资下降、全球对人工智能的总体投资连续第二年下降，但生成式 AI 领域的私人投资激增，比 2022 年增长了近八倍，达到 252 亿美元。并且，大部分对生成式 AI 的私人投资都发生在美国。
报告的主编 Nestor Maslej 表示，“去年的资本形势代表了人们对生成式 AI 的反应，无论是在政策和公众舆论上，还是行业投资中。”
2. 谷歌在基础模型竞赛中占据主导地位
2023 年，工业界产生了 51 个著名的机器学习模型，而学术界仅贡献了 15 个。其中，谷歌在 发布的基础模型数量最多。
科技公司发布基础模型既是为了推动先进技术向前发展，也是为了给开发人员提供构建产品和服务的基础。自 2019 年以来，谷歌一直在发布基础模型方面处于领先地位，OpenAI 次之。
3. 封闭模型优于开源模型
目前，人工智能领域的热门争论之一是基础模型应该是开源的还是封闭的，一些人认为开源模型是危险的，而另一些人表示是开源模型推动了创新。该报告并没有对其进行权衡，而是着眼于各自的发布趋势和基准表现。
2023 年全球发布的新大型语言模型数量比上一年翻了一番，在发布的 149 个基础模型中，98 个是开源的，23 个通过 API 提供部分访问，28 个是封闭的。虽然三分之二是开源的，但性能最高的模型来自拥有封闭系统的行业参与者。在许多常用的基准测试中，封闭模型的表现优于开源模型。
4. 基础模型变得超级昂贵
培训一个大模型需要多深的财力？据报告显示，AI 模型训练成本随着时间的推移急剧增加，如今先进 AI 模型的训练成本已达到了前所未有的水平。其中，OpenAI 的 GPT-4 和谷歌的 Gemini Ultra 分别需要 7800 万美元和 1.91 亿美元的训练成本。
有趣的是，谷歌 2017 年发布的 Transformer 模型引入了支撑当今几乎所有大型语言模型的架构，其训练成本仅为 930 美元。
5. 大量释放碳足迹
训练 AI 模型对环境的影响不可忽视，虽然推理的每次查询排放可能相对较低，但当模型每天被查询数千次甚至数百万次时，总影响足以超过训练。
并且，由于模型规模、数据中心能源效率和能源电网的碳强度等因素，不同模型的碳排放数据差异很大。例如，Meta 的 Llama 2 70B 模型释放了约 291.2 吨碳，这几乎是一名旅客从纽约到旧金山往返航班上碳排放量的 291 倍，是普通美国人一年总碳排放量的 16 倍。然而，Llama 2 的碳排放量仍低于 OpenAI 的 GPT-3 训练期间释放的 502 吨。
6. 美国在基础模型方面处于领先地位
2023 年，全球大多数基础模型来自美国（109 个），其次是中国（20 个）和英国。自 2019 年以来，美国在发布的基础模型数量和被认为是重大技术进步的人工智能系统数量都处于领先地位。此外，报告指出，中国在授予的人工智能专利和工业机器人的安装中处于领先地位。
