1.AI 在某些领域的任务中已经取得了比人类更好的成绩，但并所有领域。
AI 已经在包括图像分类、视觉推理和英文理解等多项基准测试中胜过人类。尽管如此，AI 在一些更为复杂的任务上仍有所不足，例如在高难度的数学竞赛、基于视觉的常识判断以及策略规划等方面。

2.产业界仍然是人工智能前沿研究的主力军。
在2023年，企业开发了51个具有重大影响力的机器学习模型，而高校和研究机构贡献的模型仅有15个。同年，由企业和学术机构联合开发的重要模型达到21个，创下了新高。

3.前沿大模型模型的开发成本飙升。
据 AI Index 估算，顶级 AI 模型的训练成本达到了空前的高度。例如，OpenAI 的 GPT-4 在训练过程中估计耗费了7800万美元的计算资源。而 Google 的 Gemini Ultra 的计算资源成本更是高达1.91亿美元。

4.美国在顶尖 AI 模型的研发方面领先于中国、欧盟和英国。
在2023年，美国的公司和研究机构共研发了61个有着重大影响的 AI 模型，数量大幅领先于欧洲联盟的21个和中国的15个。

5.大语言模型（LLM）责任性的健全和标准化评价严重不足。
AI Index 的最新研究显示，进行负责任 AI 研究的标准化程度极其缺失。OpenAI、Google 和 Anthropic 等领先的开发者们，主要是使用不同的负责任 AI 测试标准来对他们的模型进行测试。这种做法增加了对顶尖 AI 模型的风险和限制进行系统性比较的难度。

6.生成式 AI (Generative AI) 投资额飞速上升。
即便整体 AI 领域的私人投资在去年呈现下滑趋势，生成式 AI 的投资额却大幅上涨，从 2022 年起增长了近八倍，达到 252 亿美元。在生成式 AI 领域处于领先地位的企业，如 OpenAI、Anthropic、Hugging Face 以及 Inflection，都宣布了数轮重要的筹资。

7.AI 提升了职工的生产效率，并提高了工作质量。
2023年的一些研究评估了 AI 对劳动市场的影响，发现 AI 不仅使得员工能够更迅速地完成任务，还能够提升工作成果的质量。这些研究同时指出，AI 有潜力缩小低技能和高技能工人之间的技能差异。然而，还有研究提醒，不恰当的 AI 使用可能会降低工作性能。

8.得益于 AI，科学进步的步伐进一步提速。
在 2022 年，AI 开始为科学发现开辟新的道路。然而，进入 2023 年，这种趋势愈演愈烈，诞生了更多重大的科学相关的 AI 应用。例如 AlphaDev，它优化了算法的排序效率，再比如 GNoME，它推动了材料挖掘领域的发展。

9.美国 AI 相关规章的数量显着增加。
在过去的一年和五年时间里，美国针对 AI 的规章制度数量大幅增长。到了 2023 年，出台了 25 项与 AI 相关的规定，相比之下，2016 年时仅有一项。单是去年，AI 规章的总数便增加了 56.3%。

10.全球人民对 AI 的潜在影响意识越来越清晰，同时也感到更加不安。
Ipsos 的一项调查显示，在过去一年里，认为 AI 将在未来三至五年对他们的生活产生重大影响的人群比例从 60% 上升到了 66%。还有 52% 的人表示对 AI 产品与服务感到担忧，这一数字相较于 2022 年增加了 13 个百分点。在美国，据 Pew 的数据显示，52% 的美国人对 AI 表示的更多的是忧虑而不是兴奋，从 2022 年的 38% 增长。

参考链接：AI Index Report 2024 – Artificial Intelligence Index (stanford.edu)

推荐研报：AI赋能创新 趋势, 方案与案例｜让生成式AI为企业创新注入无限可能 – Runwise.co