《賽迪譯叢：2024年人工智能指數報告（28頁）.pdf》由會員分享，可在線閱讀，更多相關《賽迪譯叢：2024年人工智能指數報告（28頁）.pdf（28頁珍藏版）》請在三個皮匠報告上搜索。

1、-1-2024 年 9 月 9 日第30期總第 656 期2024年人工智能指數報告年人工智能指數報告【譯者按】2024 年 4 月，斯坦福大學發布 2024 年人工智能指數報告。該報告在全球范圍內具有極高的影響力，是美國、英國和歐盟等經濟體政策制定者的重要參考資料。斯坦福大學已連續 7 年發布人工智能指數報告，今年發布的報告是迄今為止最全面的版本，梳理總結了人工智能的研發、技術性能、負責任的人工智能、經濟、科學與醫學、教育、政策與治理、輿論等方面的進展情況，分析了人工智能技術進步、公眾對人工智能技術的看法以及人工智能發展的地緣政治動態等重要趨勢。賽迪智庫知識產權所和政策法規所對該報告進行了編

2、譯，期望對我國相關決策部門提供參考和借鑒?！娟P鍵詞】人工智能模型專利政策監管人工智能模型專利政策監管-2-一、研究與開發（一）出版物（一）出版物1.從從 2010 年到年到 2022 年，全球人工智能出版物總數年，全球人工智能出版物總數1增加兩倍，機器學習領域出版物自增加兩倍，機器學習領域出版物自 2015 年以來增長近七倍年以來增長近七倍從 2010 年到 2022 年，人工智能出版物總數增加近兩倍，從2010 年約 88000 篇增加到 2022 年 240000 多篇。過去十年，機器學習領域出版物增長最為迅猛（見圖 1），自 2015 年以來增長近七倍。繼機器學習之后，2022 年人工智

3、能領域發表出版物最多的是計算機視覺（21309 篇）、模式識別（19841 篇）和流程管理（12052 篇）。圖1：2010-2022年按研究領域分列的人工智能出版物數量（不含其他人工智能）人工智能出版物數量（單位：千篇）72.23，機器學習21.31，計算機視覺19.84，模式識別12.05，流程管理10.39，計算機網絡9.17，控制理論8.31，算法7.18，語言學6.83，數學優化資料來源：安全與新興技術中心，2023 年|圖表：2024 年人工智能指數報告1今年的出版物數據來自 CSET。自上一次人工智能指數（2023 年）收錄 CSET 的數據以來，CSET 用于人工智能出版物分類

4、的方法和數據來源都發生了變化。因此，今年報告的數字與去年報告的數字略有不同。此外，由于人工智能相關出版數據的更新有很大的滯后性，因此只提供到 2022 年的全部數據。建議讀者謹慎對待出版數據。-3-2.學術界是過去十年間全球所有地區人工智能研究主要來源學術界是過去十年間全球所有地區人工智能研究主要來源2022 年，大部分人工智能出版物（81.1%）出自學術界，而學術界也是過去十年間全球所有地區人工智能研究主要來源（見圖 2）。圖 2：2010-2022 年按部門分列的人工智能出版物（占總數百分比）人工智能出版物（占總數百分比）81.07%，教育7.89%，工業6.97%，政府2.62%，非營利

5、組織1.46%，其他資料來源：安全與新興技術中心，2023 年|圖表：2024 年人工智能指數報告（二）專利（二）專利1.近十年，人工智能專利數量顯著增加，且全球已授權的人工智能專利大部分來自中國和美國近十年，人工智能專利數量顯著增加，且全球已授權的人工智能專利大部分來自中國和美國過去十年，人工智能專利數量顯著增加。如 2010 年至 2014年間，人工智能專利授權總量增長了 56.1%；僅從 2021 年到 2022年，人工智能專利數量就增長了 62.7%。截至 2022 年，全球大部分已授權的人工智能專利（75.2%）來自東亞和太平洋地區（見圖 3），其次是北美洲，占 21.2%。按地理區

6、域劃分，全球已授-4-權的人工智能專利大部分來自中國（61.1%）和美國（20.9%）。圖 3：2010-2022 年按地區分列的人工智能專利授權量（占全球總量百分比）人工智能授權專利數量（占全球總量百分比）75.20%，東亞和太平洋地區21.21%，北美洲2.33%，歐洲和中亞0.68%，世界其他地區0.23%，南亞0.21%，拉丁美洲及加勒比地區0.12%，撒哈拉以南非洲0.03%，中東和北非資料來源：安全與新興技術中心，2023 年|圖表：2024 年人工智能指數報告（三）前沿人工智能研究（三）前沿人工智能研究1.自自 2014 年起，產業界開始引領機器學習模型發展年起，產業界開始引領機

7、器學習模型發展2023 年，產業界推出了 51 個著名機器學習模型，而學術界只有 15 個。值得注意的是，2023 年有 21 個著名模型是由產業界/學術界合作產生的，創下新高。創建尖端的人工智能模型需要大量的數據、計算能力和財政資源，產業界的主導地位日益增強。2.2023 年，著名機器學習模型總數年，著名機器學習模型總數2排名前三的國家分別為美國、中國和法國排名前三的國家分別為美國、中國和法國2如果介紹機器學習模型的論文中至少有一位作者與某個國家的機構有關聯，那么該模型就被認為與該國家有關。如果一個模型的作者來自多個國家，則可能出現重復計算的情況。-5-2023 年，美國以 61 個著名機器

8、學習模型遙遙領先，中國以15 個緊隨其后，法國以 8 個緊隨其后。自 2003 年以來，美國生產的模型數量超過了英國、中國和加拿大等其他主要地區。自2019 年以來，歐盟和英國首次在生產的著名人工智能模型數量上超過中國（見圖 4）。圖 4：2003-2023 年按選定地理區域分列的著名機器學習模型數量著名機器學習模型數量61，美國25，歐盟和英國15，中國來源：Epoch，2023 年|圖表：2024 年人工智能指數報告3.機器學習模型中的參數是在訓練過程中學習到的數值，參數較多的模型通常優于參數較少的模型機器學習模型中的參數是在訓練過程中學習到的數值，參數較多的模型通常優于參數較少的模型自

9、2010 年代初以來，Epoch 數據集中機器學習模型參數總數急劇上升，這反映了人工智能模型設計任務的日益復雜性、數據可用性的提高、硬件的改進以及大型模型經證實的有效性。高參數模型在工業領域尤為突出，這表明 OpenAI、Anthropic 和谷歌-6-等公司有能力承擔海量數據訓練的計算成本。圖 5：2003-2023 年按行業分列的著名機器學習模型參數數量參數數量（對數標度）學術界工業界產學合作研究集體合作政學合作產研集體合作政府出版日期資料來源：Epoch，2023 年|圖表：2024 年人工智能指數報告4.模型的復雜程度和訓練數據集的大小會直接影響所需的計算量。模型越復雜，底層訓練數據越

10、大，訓練所需的計算量就越大。模型的復雜程度和訓練數據集的大小會直接影響所需的計算量。模型越復雜，底層訓練數據越大，訓練所需的計算量就越大。最近，著名人工智能模型的計算用量呈指數級增長，3這一趨勢在過去五年尤為明顯。計算需求的快速增長具有重要影響，如需要更多計算的模型通常會對環境造成更大的影響，而公司通常比學術機構更容易獲得計算資源。圖 6 顯示了自 2012 年以來著名機器學習模型的訓練計算量，如2017年發布的原始Transformer3FLOP 代表“浮點運算”。浮點運算是涉及浮點數的單一算術運算，如加法、減法、乘法或除法。處理器或計算機每秒可執行的 FLOP 數量是其計算能力的指標。FL

11、OP 率越高，計算機的計算能力就越強。一個人工智能模型的 FLOP率越高，說明它在訓練過程中需要更多的計算資源。-7-需要約 7400 每秒千萬億次浮點運算；谷歌的 Gemini Ultra 是目前最先進的基礎模型之一，需要 500 億每秒千萬億次浮點運算。圖 6：2012-2023 年按領域分列的著名機器學習模型的訓練計算量訓練計算量（每秒千兆次浮點運算對數標度）語言視覺多模態出版日期來源：Epoch，2023 年|圖表：2024 年人工智能指數報告二、技術性能（一）時間軸：重要模型發布（一）時間軸：重要模型發布根據人工智能指數指導委員會的選擇，以下是 2023 年發布的一些最重要的模型（見

12、表 1）。表 1：2023 年發布的部分重要模型日期模型類型創作者重要意義圖片2023 年 3月 14 日Claude大型語言模型AnthropicClaude 是 Anthropic（OpenAI 的主要競爭對手之一）首次公開發布的大型語言模型。Claude 的設計宗旨是盡可能實用、誠實和無害。資料來源：Anthropic，2023 年-8-2023 年 3月 14 日GPT-4大型語言模型OpenAIGPT-4 在 GPT-3 的基礎上進行了改進，是迄今為止功能最強大、能力最強的大型語言模型之一，在許多基準測試中的性能都超過了人類。資料來源：Medium，2023 年2023 年 3月 2

13、3 日StableDiffusionv2文本到圖像模型Stability AIStable Diffusion v2 是Stability AI 現有文本到圖像模型的升級版，可生成分辨率更高、質量更優的圖像。資料來源：Stability AI，2023 年2023 年 4月 5 日SegmentAnything圖像分割MetaSegment Anything 是一個人工智能模型，能夠利用零鏡頭泛化技術分離圖像中的物體。資料來源：Meta，2023 年2023 年 7月 18 日Llama 2大型語言模型MetaLlama 2 是 Meta 旗艦產品大型語言模型的升級版本，采用開放源代碼。其較小

14、的變體（7B 和 13B）具有相對較高的性能。資料來源：Meta，2023 年。2023 年 8月 20 日DALL-E3圖像生成OpenAIDALL-E3 是 OpenAI 現有文字視覺模型 DALL-E 的改良版。資料來源：OpenAI，2023 年2023 年 8月 29 日SynthID水印谷歌、DeepMindSynthID 是一款對人工智能生成的音樂和圖像進行水印處理的工具。它的水印即使在圖像更改后仍能被檢測到。資料來源：DeepMind，2023 年2023 年 9月 27 日Mistral7B大型語言模型Mistral AIMistral 7B 是法國人工智能公司 Mistra

15、l 推出的一款緊湊型 70 億參數機型，其性能超過了 Llama 213B，在同類產品中尺寸排名第一。資料來源：Mistral AI，2023 年2023 年10 月 27日Ernie 4.0大型語言模型百度中國跨國科技公司百度推出了文心大模型 4.0，這是迄今為止成績最好的中國大型語言模型。資料來源：美通社，2023 年2023 年11 月 6 日GPT-4Turbo大型語言模型OpenAIGPT-4 Turbo 是一款升級版的大型語言機型，擁有128K 上下文窗口并降低了價格。資料來源：Tech.co，2023 年-9-2023 年11 月 6 日Whisperv3語音到文本OpenAIW

16、hisper v3 是一個開源的語音到文本模型，以其更高的準確性和更廣泛的語言支持而著稱。資料來源：人工智能業務，2023 年2023 年11 月 21日Claude2.1大型語言模型AnthropicAnthropic 的最新大型語言模型 Claude2.1 具有業界領先的 200K 上下文窗口，增強了其處理長篇文學作品等大量內容的能力。資料來源：Medium，2023 年2023 年11 月 22日Inflection-2大型語言模型InflectionInflection-2 是由DeepMind 的 MustafaSuleyman 創辦的新創公司 Inflection 推出的第二個大型

17、語言模型。Inflection-2 的推出凸顯了大型語言模型領域日益激烈的競爭。資料來源：Inflection，2023 年2023 年12 月 6 日Gemini大型語言模型谷歌Gemini是GPT-4的有力競爭者，其變種之一 GeminiUltra 在許多基準測試中都勝過 GPT-4。資料來源：Medium，2023 年2023 年12 月 21日Midjourney v6文本到圖像模型MidjourneyMidjourney 的最新更新通過更直觀的提示和卓越的圖像質量提升了用戶體驗。資料來源：Bootamp，2023 年（二）人工智能性能狀況（二）人工智能性能狀況截至 2023 年，人工

18、智能在一系列任務中已達到超越人類能力的性能水平。圖 7 顯示了人工智能系統在與九項任務（如圖像分類或基礎閱讀理解）相對應的九項人工智能基準方面相對于人類基線所取得的進展。4仍有一些任務類別的人工智能未能超越人類能力，這些是更復雜的認知任務，如視覺常識推理和高級數學問4人工智能基準是一種標準化測試，用于評估人工智能系統在特定任務上的性能和能力。例如，ImageNet 就是一個典型的人工智能基準，它收集了大量帶標簽的圖像，人工智能系統的任務就是對這些圖像進行準確分類。跟蹤基準測試的進展一直是人工智能界監測人工智能系統進步的標準方法。-10-題解決（競賽級數學問題）。圖 75：部分人工智能指數技術性

19、能基準與人類性能對比相對于人類基線的績效（%）人類基線圖像分類（ImageNet 前 5）視覺常識推理（VCR）自然語言推理（aNLI）中級閱讀理解（SQuAD 2.0）多任務語言理解（MMLU）視覺推理（VQA）英語語言理解（SuperGLUE）基礎級閱讀理解（SQuAD 1.1）競賽級數學（MATH）來源：2024 年人工智能指數|圖表：2024 年人工智能指數報告三、負責任的人工智能（一）隱私和數據治理（一）隱私和數據治理就人工智能而言，數據治理對于確保用于訓練和操作人工智能系統的數據準確、公平、負責任使用并征得同意至關重要。對于依賴海量數據的大型語言模型來說，為培訓數據收集獲得真正5在

20、圖 2.1.16 中，對數值進行了縮放，以建立比較不同基準的標準度量?？s放函數經過校準，每年最佳模型的性能以特定任務人類基線的百分比來衡量。例如，105%的值表示模型的性能比人類基線高 5%。-11-的知情同意具有挑戰性。人工智能系統帶來的效用與個人隱私之間可能存在權衡，要在兩者之間取得適當的平衡非常復雜。根據斯坦福大學和埃森哲研究人員合作開展的全球負責任人工智能現狀調查，51%的企業表示，隱私和數據治理相關風險與他們的人工智能應用戰略息息相關。從地域上看，歐洲（56%）和亞洲（55%）的組織對于報告隱私和數據治理風險較為頻繁，而總部位于北美的組織（42%）報告最不頻繁（見圖 8）。調查列出了

21、六種可能采取的數據治理相關措施，總體而言，只有不到0.6%的公司表示已經完全實施了所有六項數據治理緩解措施，90%的公司自稱至少實施了一項措施。圖 8：按地區分列的人工智能相關數據治理措施的采用情況采用措施的地區和平均數量亞洲（2.31）歐洲（2.26）拉丁美洲（2.51）北美（2.16）世界其他地區（1.90）無1-50%51-99%全部受訪者百分比資料來源：2024 年全球負責任人工智能狀況報告|圖表：2024 年人工智能指數報告（二）透明度和可解釋性（二）透明度和可解釋性-12-數據和模型透明度涉及開發選擇的公開共享，包括數據來源和算法決策。操作透明度詳細說明了人工智能系統在實踐中是如何

22、部署、監控和管理的。在本章中，將可解釋性納入透明度的范疇，對其定義為理解和闡明人工智能決策背后原理的能力。調查列出了四種提高透明度和可解釋性措施，圖 9 顯示了這些措施在不同地理區域的采用率。在所有地區和行業中，只有 8%的公司實施了一半以上的措施，12%的公司沒有全面實施任何措施，僅不到 0.7%的公司表示已全面實施所有措施。圖 9：按地區分列的人工智能相關透明度措施的采用情況采用措施的地區和平均數量無1-50%51-99%全部亞洲（1.42）歐洲（1.43）拉丁美洲（1.50）北美（1.38）世界其他地區（1.48）受訪者百分比資料來源：2024 年全球負責任人工智能狀況報告|圖表：202

23、4 年人工智能指數報告（四）（四）安保和安全安保和安全隨著人工智能模型變得越來越普遍和復雜，人們越來越關注識別安全漏洞，包括從提示注入到模型泄漏等一系列攻擊。-13-全球負責任人工智能現狀調查共詢問了 6 項與可靠性風險有關的緩解措施。在對 1000 多家企業的調查中，45%的企業承認可靠性風險與其人工智能應用戰略相關。其中，13%的企業已全面實施了半數以上的調查措施，75%的企業已實施了至少一項措施，但不足半數。此外，12%的受訪者承認沒有全面實施可靠性措施。圖 10：按地區分列的人工智能相關可靠性措施的采用情況采用措施的行業和平均數量亞洲（2.13）歐洲（2.27）拉丁美洲（2.06）北美

24、洲（2.05）世界其他地區（2.23）無1-50%51-99%全部受訪者百分比資料來源：2024 年全球負責任人工智能狀況報告|圖表：2024 年人工智能指數報告（五）公平性（五）公平性人工智能的公平性強調開發公平的系統，避免長期存在對任何個人或群體的偏見或歧視。在全球負責任人工智能現狀調查中，29%的組織認為公平風險與其人工智能采用戰略相關。就地區而言，歐洲組織（34%）報告這種風險最頻繁，而最不經常報告這-14-種風險的是北美組織（20%）。圖 11：按地區分列的人工智能相關公平性措施的采用情況采用措施的行業和平均數量亞洲（1.80）歐洲（1.94）拉丁美洲（1.90）北美洲（1.98）世

25、界其他地區（2.44）無1-50%51-99%全部受訪者百分比資料來源：2024 年全球負責任人工智能狀況報告|圖表：2024 年人工智能指數報告四、經濟（一）投資總體情況1、從投資金額看，近兩年全球人工智能私人投資總額有所下降，但生成式人工智能的投資大幅增長（一）投資總體情況1、從投資金額看，近兩年全球人工智能私人投資總額有所下降，但生成式人工智能的投資大幅增長2013 年至 2021 年，全球人工智能領域的私人投資額逐年增加。從2022年開始連續兩年出現下降，2022年的降幅較?。?7.2%），小于 2021 年至 2022 年的降幅。但要指出的是，雖然去年人工智能私人投資總體有所下降，但

26、對生成式人工智能的資助卻急劇增-15-加。2023 年，該領域吸引了 252 億美元的投資，是 2022 年的近9 倍，2019 年的約 30 倍。此外，2023 年，生成式人工智能占所有人工智能相關私人投資的四分之一以上（圖 12）。圖 12：2019-2023 年生成式人工智能領域的私人投資投資總額（單位：十億美元）2、從投資國別看，美國在全球人工智能私人投資領域位居首位，中國緊隨其后2、從投資國別看，美國在全球人工智能私人投資領域位居首位，中國緊隨其后就人工智能私人投資總額而言，美國領跑全球。2023 年，美國的投資額為 672 億美元，是排名第二的中國（78 億美元）的8.7 倍，是英

27、國（38 億美元）的 17.8 倍。如果將 2013 年以來的私人人工智能投資匯總，各國的排名仍然相同：美國以 3352 億美元的投資額遙遙領先，其次是中國的 1037 億美元和英國的 223億美元（圖 13）。圖 13：2023 年按地理區域分列的人工智能私人投資-16-美國中國英國德國瑞典法國加拿大以色列韓國印度新加坡日本阿拉伯聯合酋長國澳大利亞西班牙投資總額（單位：十億美元）資料來源：Quid，2023 年|圖表：2024 年人工智能指數報告3、從投資重點細分領域看，人工智能基礎設施、研究和治理的表現最為搶眼3、從投資重點細分領域看，人工智能基礎設施、研究和治理的表現最為搶眼2023 年

28、吸引投資最多的重點領域是人工智能基礎設施/研究/治理（183 億美元）、NLP 和客戶支持（81 億美元）以及數據管理和處理（55 億美元）（圖 14）。人工智能基礎設施、研究和治理的突出表現反映了對專門構建人工智能應用的公司的大量投資，如 OpenAI、Anthropic 和 Inflection AI。圖 14：2022 年與 2023 年按重點領域分列的人工智能私人投資-17-人工智能基礎設施/研究/治理自然語言處理、客戶支持數據管理、處理醫療保健音頻視頻金融科技量子計算半導體能源、石油和天然氣創意、音樂、視頻內容教育技術營銷、數字廣告無人機制造網絡安全、數據保護增強現實技術/虛擬技術零

29、售保險科技娛樂風險投資農業科技法律技術面部識別健身和健康地理空間投資總額（單位：十億美元）（二）企業和行業應用情況1、人工智能在企業和行業中加快應用，但不同企業和行業的普及程度顯著差異化從企業應用的人工智能案例看，（二）企業和行業應用情況1、人工智能在企業和行業中加快應用，但不同企業和行業的普及程度顯著差異化從企業應用的人工智能案例看，2023 年，受訪企業最常采用的人工智能功能案例是呼叫中心自動化（26%），其次是個性化（23%）、客戶獲?。?2%）和基于人工智能的產品增強（22%）。從企業業務部門嵌入的人工智能能力類型看從企業業務部門嵌入的人工智能能力類型看，機器人流程自動化在金融服務業中

30、的嵌入率最高（46%）。其次是虛擬代理，也是在金融服務業。在所有行業中，嵌入率最高的人工智能技術是自然語言文本理解（30%）、機器人流程自動化（30%）和虛擬代理（30%）。從行業和人工智能功能分列的人工智能應用情況看從行業和人工智能功能分列的人工智能應用情況看，-18-采用最多的是科技、媒體和電信行業的產品和/或服務開發（44%）；其次是科技、媒體和電信行業的服務運營（36%）以及科技、媒體和電信行業的營銷和銷售（36%）。2、人工智能助力企業降本增效2、人工智能助力企業降本增效采用人工智能后，企業既降低了成本，也增加了收入（圖 15）。受訪者報告最多的成本節約領域是制造（55%）、服務運營

31、（54%）和風險（44%）。在增加收入方面，從人工智能中獲益最多的功能包括制造（66%）、營銷和銷售（65%）以及風險（64%）。圖 4.4.7 顯示，相當多的受訪者表示使用人工智能后成本降低（42%），收入增加（59%），這表明人工智能切實幫助企業提高了底線。對比去年的平均值可以發現，在所有活動中，成本降低的比例上升了 10 個百分點，收入增加的比例下降了 4 個百分點。圖 15：2022 年人工智能應用帶來的成本降低和收入增加情況降低10%降低 10-19%降低20%增加10%增加 6-10%增加5%功能運營服務制造人力資源營銷和銷售風險供應鏈管理研發/產品和/或服務開發戰略和企業金融所有

32、活動平均受訪者百分比-19-3、人工智能對經濟影響的預測3、人工智能對經濟影響的預測2023 年，一些新發表的分析報告將目標指向了預測和更好地理解人工智能未來的經濟影響。麥肯錫最近的一份報告研究了生成型人工智能對各行業收入的影響程度。圖 16 顯示了各行業的預計影響范圍，包括占行業總收入的百分比和美元總額。報告預計，高科技行業的收入將因生成式人工智能而增加 4.8%至 9.3%，相當于增加 2400 億至 4600 億美元。銀行、制藥和醫療產品以及教育等行業估計也會因采用生成式人工智能而增長。圖 16：2023 年生成式人工智能對各行業收入的預期影響高科技銀行藥物和醫療產品教育電信醫療保健保險

33、媒體與娛樂先進制造消費品先進電子與半導體占行業總收入的百分比行業總收入（單位：十億美元）五、醫療和教育（一）人工智能在醫療中的應用日益廣泛（一）人工智能在醫療中的應用日益廣泛人工智能正越來越多地應用于推動醫學進步。在過去幾年中，-20-人工智能系統在 MedQA 基準測試中表現出了顯著的進步，這是評估人工智能臨床知識的關鍵測試。2023 年的佼佼者 GPT-4Medprompt 準確率達到 90.2%，比 2022 年的最高分提高了 22.6個百分點。自 2019 年引入該基準以來，人工智能在 MedQA 上的表現幾乎翻了三倍。2023 年，幾個重要的醫療系統相繼問世，其中包括增強大流行病預測

34、的 EVEscape 和協助人工智能驅動突變分類的 AlphaMissence。實踐中，人工智能正越來越多地用于醫療目的。過去十年，獲得美國食品藥物管理局批準的人工智能醫療設備的數量在2022 年達到了最高峰。2022 年，共有 139 種與人工智能相關的醫療設備獲得了美國美國食品藥物管理局的批準，比 2021 年的批準總數增加了 12.1%。自 2012 年以來，這些設備的數量增加了45 倍以上。66美國食品藥物管理局最后一次更新該清單的時間是 2023 年 10 月，這意味著 2023 年的總數并不完整。因此，人工智能指數限制了其數據展示，僅包括截至 2022 年的信息。-21-圖 17：

35、2012-2022 年美國食品藥物管理局批準的人工智能醫療設備數量人工智能醫療設備數量資料來源：美國食品藥物管理局，2023 年|圖表：2024 年人工智能指數報告（二）教育1、美國和加拿大的計算機科學本科畢業生人數持續上升，選擇接受計算機科學研究生教育的學生人數趨于平緩（二）教育1、美國和加拿大的計算機科學本科畢業生人數持續上升，選擇接受計算機科學研究生教育的學生人數趨于平緩越來越多的美國高中生選修計算機科學課程，但入學問題依然存在。2022 年，共舉辦了 201000 次 AP 計算機科學考試。自2007 年以來，參加這些考試的學生人數增加了 10 倍多。然而，最近的證據表明，規模較大的高

36、中和郊區的高中學生更有可能選修計算機科學課程。美國和加拿大的計算機科學本科畢業生人數持續上升，計算機科學碩士畢業生人數相對持平，博士畢業生人數略有增長。十多年來，美國和加拿大的應屆本科畢業生人數持續上升，但選擇接受計算機科學研究生教育的學生人數卻趨于平緩。自 2018 年以來，計算機科學碩士和博士畢業生人數略有下降。英國和德國在歐洲信息學、計算機科學、計算機工程和信息-22-技術專業畢業生的培養方面處于領先地位。英國和德國是歐洲培養信息學、計算機科學、計算機工程和信息學學士、碩士和博士畢業生人數最多的國家。按人均計算，芬蘭在培養本科和博士畢業生方面遙遙領先，而愛爾蘭則在培養碩士畢業生方面遙遙領

37、先。2、計算機科學教育的國際化程度在下降，但全球人工智能相關學位課程的數量在穩步增長2、計算機科學教育的國際化程度在下降，但全球人工智能相關學位課程的數量在穩步增長雖然美國和加拿大計算機科學教育的國際化程度在降低，但是人工智能相關學位課程數量在國際上呈上升趨勢，全世界的大學都在提供更多的以人工智能為重點的學位課程。與 2021 年相比，2022 年畢業的國際計算機科學本科生、碩士生和博士生的比例有所下降，碩士生中國際學生的減少尤為明顯。自 2017 年以來，與人工智能相關的學位課程數量增加了兩倍，并在過去五年中呈現出每年穩步增長的趨勢。3、人工智能博士繼續加速向產業界遷移，而高層次人工智能人才

38、從產業界向學術界遷移呈下降態勢3、人工智能博士繼續加速向產業界遷移，而高層次人工智能人才從產業界向學術界遷移呈下降態勢2011 年，新晉人工智能博士在產業界（40.9%）和學術界（41.6%）就業的比例大致相當。然而，到 2022 年，與進入學術界的博士（20.0%）相比，畢業后進入產業界的比例（70.7%）要大得多。僅在過去一年，進入產業界的人工智能博士所占比例就上升了 5.3 個百分點，這表明學術界的人才流失正在加劇。與此-23-同時，從產業界向學術界過渡的學術人才較少。2019 年，美國和加拿大 13%的新人工智能教師來自產業界。到 2021 年，這一數字下降到 11%，2022 年進一

39、步下降到 7%。這一趨勢表明，高層次人工智能人才從產業界向學術界的遷移正在逐漸減少。六、政策和監管（一）美歐等全球主要經濟體加快推動人工智能立法（一）美歐等全球主要經濟體加快推動人工智能立法從 2016 年到 2023 年，全球主要經濟體共通過了 148 項與人工智能相關的法案。其中，制定與人工智能相關法案數量最多的國家是美國（23 項），其次是葡萄牙（15 項）和比利時（12 項）。近年來，美國和歐盟制定與人工智能相關的法案數量均增長顯著。僅 2023 年 1 年時間，美國就制定了 25 項與人工智能相關的法案，與人工智能相關的法規總數增長 56.3%。歐盟制定的人工智能相關法案數量從 20

40、22 年的 22 項增至 2023 年的 32 項，并在 2024年通過全球第一個綜合性人工智能法。（二）發展人工智能已成為全球多個國家的國家戰略（二）發展人工智能已成為全球多個國家的國家戰略人工智能戰略，即政府為指導本國人工智能發展和部署而制定的政策計劃。監測這些戰略的趨勢對于評估各國如何優先發展和監管人工智能技術非常重要。迄今為止，已發布的國家人工智能戰略共 75 項。其中，加拿大于 2017 年 3 月啟動了首個國家人-24-工智能戰略；發布戰略數量最多的是 2019 年，該年一共發布了24 項戰略。2023 年新增 8 項戰略，分別來自中東、非洲和加勒比海地區的國家，展示了人工智能決策

41、話語權在全球范圍內的擴展。表 2：各國人工智能國家戰略的年度發布情況年份年份國家國家2017加拿大、中國、芬蘭2018法國、德國、印度、毛里求斯、墨西哥、瑞典2019阿根廷、孟加拉國、智利、哥倫比亞、塞浦路斯、捷克共和國、丹麥、埃及、愛沙尼亞、日本、立陶宛、盧森堡、馬耳他、荷蘭、葡萄牙、卡塔爾、羅馬尼亞、俄羅斯、塞拉利昂、新加坡、斯洛伐克共和國、阿拉伯聯合酋長國、美國、烏拉圭2020阿爾及利亞、保加利亞、克羅地亞、希臘、匈牙利、印度尼西亞、拉脫維亞、韓國、挪威、波蘭、沙特阿拉伯、塞爾維亞、西班牙、瑞士2021澳大利亞、奧地利、巴西、香港、愛爾蘭、馬來西亞、秘魯、菲律賓、斯洛文尼亞、突尼斯、土耳

42、其、烏克蘭、英國、越南2022比利時、加納、伊朗、意大利、約旦、泰國2023阿塞拜疆、巴林、貝寧、多米尼加共和國、埃塞俄比亞、伊拉克、以色列、盧旺達資料來源：2024 年人工智能指數|表：2024 年人工智能指數報告（三）美國對人工智能的公共投資逐年增加（三）美國對人工智能的公共投資逐年增加根據美國政府發布的報告，美國政府機構在 2023 財年共撥款18 億美元用于人工智能研發支出（圖 18）。自 2018 財年以來，美國聯邦政府在人工智能領域的研發經費逐年增加，至今已增長了兩倍多。2024 財年，已申請 19 億美元的預算。圖 18：2018-2024 財年美國聯邦人工智能網絡與信息技術研發

43、計劃預算-25-預算（單位：十億美元）2018 財年（已實施）2019 財年（已實施）2020 財年（已實施）2021 財年（已實施）2022 財年（已實施）2023 財年（已實施）2024 財年（申請）資料來源：美國網絡與信息技術研發計劃，2023 年|圖表：2024 年人工智能指數報告七、輿論民意（一）公眾對人工智能的認知程度大幅提升（一）公眾對人工智能的認知程度大幅提升全球各地越來越多的人開始對人工智能有所了解，并對人工智能的潛在影響有了更深刻的認識。以 ChatGPT 為例，自問世以來，ChatGPT 正在被人們快速認知并廣泛使用。多倫多大學的一項國際調查顯示，63%的受訪者知道 Ch

44、atGPT。在這些知道的人中，約有一半表示每周至少使用一次 ChatGPT。調查還顯示，在過去一年中，認為人工智能將在未來三到五年內對其生活產生巨大影響的人的比例從 60%上升到了 66%。此外，52%的人對人工智能產品和服務表示緊張，比 2022 年上升了 13 個百分點。在美國，52%的美國人表示對人工智能的擔憂多于興奮，而 2022 年這一比例僅為 38%。-26-（二）公眾對人工智能的態度仍然存在較大分歧（二）公眾對人工智能的態度仍然存在較大分歧公眾對人工智能的經濟影響持悲觀態度，不同群體對人工智能的態度存在差異。調查顯示，只有 37%的受訪者認為人工智能將改善他們的工作，34%的受訪

45、者預計人工智能將促進經濟發展，32%的受訪者認為人工智能將改善就業市場。西方國家對人工智能的情緒持續低迷，但正在緩慢改善。2022 年，對人工智能產品和服務持消極態度的國家主要包括德國、荷蘭、澳大利亞、比利時、加拿大和美國等幾個西方發達國家。此后，這些國家中承認人工智能益處的受訪者比例均有所上升，其中荷蘭的轉變最為顯著。在對人工智能改善生活的看法上，年輕一代普遍更為樂觀。此外，收入和教育水平較高的人，更看好人工智能對娛樂、健康和經濟的積極影響。譯 自：AI Index Report 2024,April 2024 by Stanford Institute forHuman-Centered Artificial Intelligence譯文作者：賽迪工業和信息化研究院武晶晶陳又新聯系方式：15600818622電子郵件：-28-編 輯 部：賽迪工業和信息化研究院通訊地址：北京市海淀區紫竹院路 66 號賽迪大廈 15 層國際合作處郵政編碼：100048聯 系 人：袁素雅聯系電話：（010）8855954313263204219傳真：（010）88558833網址：電子郵件：報：部領導送：部機關各司局，各地方工業和信息化主管部門，相關部門及研究單位，相關行業協會報：部領導送：部機關各司局，各地方工業和信息化主管部門，相關部門及研究單位，相關行業協會