斯坦福报告：专家看好 AI，美国民众却越用越慌
背景：AI进入“部署时代”，中美技术差距逐步缩小
近年来，人工智能正从实验室走向实际应用。斯坦福大学2023年《AI Index报告》指出，AI已进入“部署时代”，各大机构持续推出大规模AI模型，如ChatGPT、Stable Diffusion、Whisper等。2024年《2025年人工智能指数报告》进一步指出，美国虽在模型发布数量上仍领先，但中国在质量上已快速追赶，中美模型在MMLU、HumanEval等基准测试中的性能差距已缩小至个位数。
与此同时，全球AI技术的使用也在加速。2024年，78%的公司表示已在至少一个业务环节中使用AI，而生成式AI的采用比例从33%跃升至71%。AI的部署范围涵盖从医疗设备（如FDA批准的223个AI医疗设备）到自动驾驶（如Waymo每周提供超过15万次无人驾驶服务）等多个领域。
详情：中美AI发展呈现结构性差异，中国在论文、专利与开源生态方面占据优势
在基础研究方面，中国持续领先。2023年，中国在AI论文发表数量上居全球首位，占全球总量的23.2%；在论文引用量方面也以22.6%的占比领先。此外，从2010年到2023年，中国AI专利数量从3833项增长至122511项，年增长率达到29.6%。截至2023年，中国在AI专利总数上占全球授权专利的69.7%，尤其在生成式AI领域表现突出。
开源生态方面，中国企业如阿里、DeepSeek等积极开源，通义千问系列衍生模型已突破10万个，超过Llama系列，成为全球最大的AI开源模型生态之一。这种“量质并进”的发展路径，不仅降低了AI的使用门槛，也促进了全球AI的普及与创新。
然而，美国在复杂推理和数学任务上仍保持技术优势。例如，OpenAI的O1模型在理科任务中的得分高达87.3分，而中国模型平均为72分。这一差距反映出中美在AI核心技术上的不同发展方向。
美国民众对AI的态度：使用率上升，但信任感下降
尽管AI应用日益广泛，美国民众对其的态度却呈现矛盾现象。根据益普索（Ipsos）的调查，2022年仅有39%的美国民众认为AI利大于弊，远低于中国（83%）和印度（71%）。而到了2024年，虽然全球多数国家对AI的接受度上升，美国公众的乐观情绪仍处于较低水平，仅略高于2021年水平。
一个显著的例子是自动驾驶技术。尽管Waymo等公司已在多个城市提供无人驾驶服务，但美国汽车协会的调查显示，仍有61%的受访者对自动驾驶汽车感到担忧，仅有13%表示信任。尽管这一恐惧比例较2023年的68%有所下降，但仍远高于2021年的54%。
AI PPT生成工具的市场表现也揭示了这一趋势。尽管AI生成工具不断涌现，如Tome等产品因体验不佳逐渐被市场淘汰，而Gamma则凭借更优的用户交互设计和场景适配能力持续增长。这说明，用户对AI产品的接受度不仅取决于技术能力，更与使用体验密切相关。
全球AI监管趋势加快，安全与伦理成为焦点
随着AI的广泛应用，监管和安全问题也愈发突出。2024年，美国联邦机构发布了59项AI相关监管措施，是2023年的两倍多。全球范围内，有75个国家的立法中提及AI的频率比2023年增长了21.3%，较2016年增长9倍。AI安全事故的数量也在上升，2024年共报告233起AI相关事故，较2023年增长56.4%。
在评估方面，传统的AI模型基准如MMLU、HumanEval等已逐渐饱和，促使新基准如BIG-bench、HELM等的出现，以更全面地评估模型在安全性、透明性和事实性方面的能力。尽管2024年模型透明度平均得分从37%提升至58%，但仍有较大提升空间。
各国政府也纷纷加大AI投资。中国启动了475亿美元的芯片基金，法国承诺1090亿欧元，沙特的“超越计划”则高达1000亿美元。这些举措反映出全球AI治理与产业发展的战略竞争日益激烈。
未来趋势：AI将更注重实用性和垂直场景，小模型与低成本成为关键
报告指出，AI创业的“非共识红利”正在消失，过去依赖闭源模型、高昂算力、非公开数据的“卡位”策略已不再适用。如今，模型性能差距迅速缩小，训练成本下降，推理效率提升，为更多中小企业和开发者进入AI领域提供了机会。
小模型的崛起尤为值得关注。Phi-3-mini等小型模型仅用38亿参数就达到GPT-3.5级别的表现，训练和推理成本大幅降低。此外，GPT-3.5级别的推理成本在18个月内下降了280倍，硬件成本每年下降30%，能源效率则提高40%。这些变化意味着AI的使用门槛正快速下降，推动AI在更多垂直领域和高频场景中的应用。
同时，报告也指出，AI智能体在短任务中表现优异，但在长流程任务中远不如人类。创业者应聚焦于任务边界清晰、结构化程度高的场景，而非追求“万能AI助理”的幻想。
结语：AI发展进入新阶段，技术与社会的互动成为关键
人工智能正从技术突破转向社会适应。中美在AI领域的竞争已从“数量领先”进入“质量较量”阶段，而开源模型、小模型、低能耗等趋势正在重塑AI的创新生态。与此同时，民众对AI的接受度、信任感与安全问题成为制约其发展的社会因素。
未来，AI的发展不仅取决于技术本身，更取决于其如何在教育、伦理、监管、隐私等方面与社会形成良性互动。只有在这些维度上同步推进，AI才能真正成为推动社会进步的力量，而非加剧不平等与风险的工具。