圖：重要AI模型數(shù)量
而中國在論文數(shù)量（全球占比23.2%）和專利授權量（全球69.7%）上領跑，但高影響力研究仍由美國主導（Top100高被引論文中，美國貢獻50篇，中國34篇）。
圖：論文發(fā)表數(shù)量
2
技術突破
DeepSeek率先打響成本革命
通過混合專家架構（MoE）與動態(tài)路由優(yōu)化，將170億激活參數(shù)動態(tài)分配給128個專家模塊，僅需激活必要模塊即可完成任務，避免“全參數(shù)啟動”的資源浪費。DeepSeek-V3的推理成本降至$0.07/百萬token，僅為GPT-4的1/10。其訓練能耗較Llama 3下降62%，單卡H100即可運行，徹底打破“算力即霸權”的行業(yè)鐵律。
小模型迎來性能突破
2022年時，能在MMLU多任務語言理解基準測試中達到60%準確率的最小模型是擁有5400億參數(shù)的PaLM。
而到2024年，微軟僅38億參數(shù)的Phi-3-mini模型就實現(xiàn)了同等表現(xiàn)，兩年間模型體積縮小了142倍。
AI使用成本呈下降趨勢：
圖注：從2022年到2024年，GPT-3.5和GPT-4在基準測試中的推理價格呈下降趨勢
以GPT模型為例，對于MMLU測試中達到GPT-3.5水平（64.8%準確率）的模型，單次百萬token查詢成本從2022年11月的20美元，暴跌至2024年10月的0.07美元（Gemini-1.5-Flash-8B模型），18個月內降幅超280倍。不同任務的LLM推理價格年降幅達9-900倍不等。
經濟影響：
企業(yè)降本增效加速，生成式AI成資本寵兒
AI對生產力的改造已進入規(guī)?；A段：
企業(yè)應用爆發(fā)：78%的組織在2024年采用AI技術，較前一年增長55%。中國大陸企業(yè)AI采用率達75%，與北美差距縮小至7%。
投資熱潮：2024年全球AI投資達2523億美元，其中美國以1091億美元領跑（中國為93億美元），生成式AI獨占339億美元，年增長18.7%。
值得注意的是，盡管投資回報尚未全面顯現(xiàn)（多數(shù)企業(yè)成本降幅低于10%），但生成式AI在醫(yī)療、金融等領域的商業(yè)化潛力已初露鋒芒。例如，F(xiàn)DA批準的AI醫(yī)療設備數(shù)量從2015年的6款飆升至2024年的950款，AI在蛋白質折疊預測等科學任務中甚至助力研究斬獲諾貝爾獎。
AI競賽的“中國式突圍”能否持續(xù)？：
中國政府在AI領域給予了大力支持，成立了國家數(shù)據局推動數(shù)據要素市場化，全面落地“東數(shù)西算”工程降低算力成本。這些政策紅利為中國AI企業(yè)的快速發(fā)展提供了有力保障。此外中國AI企業(yè)積極構建開放生態(tài)，推動產業(yè)鏈上下游協(xié)同發(fā)展。華為“鯤鵬+昇騰”算力底座、百度“文心一言”開放平臺、騰訊“混元”大模型產業(yè)聯(lián)盟等，為AI技術的研發(fā)和應用提供了有力支撐。但是中國AI的發(fā)展還面臨著基礎研究斷層的問題：若無法在算法、芯片等底層領域突破，中國可能陷入“應用強、生態(tài)弱”的被動局面。而且要面對開源與商業(yè)的平衡：過度依賴開源可能導致核心技術創(chuàng)新動力不足，從而難免走“下坡路”，“中國式突圍”能否持續(xù)？讓我們拭目以待吧！
結語
斯坦福報告描繪了一幅復雜圖景：技術差距的縮小并未消弭生態(tài)系統(tǒng)的差異，效率革命催生了普惠紅利，對中國而言，如何在基礎研究、算力自主與商業(yè)化落地之間找到平衡，或將決定其能否在下一輪康波周期中實現(xiàn)從“追趕”到“引領”的跨越。而對于全球，構建負責任的技術生態(tài)，或許比單純追求性能突破更為緊迫。
