Stanford Universitets Institute for Human-Centered Artificial Intelligence har udgivet sin omfattende 2025 AI Index, der giver en datadrevet analyse af det globale AI-landskab inden for forskning, teknisk ydeevne, økonomi og miljøpåvirkning.
Den over 400 sider lange rapport afslører en markant todeling i AI-økonomien. Mens træningen af avancerede AI-modeller er blevet stadig dyrere – med Googles Gemini 1.0 Ultra til en anslået træningspris på 192 millioner dollars – er omkostningerne ved at bruge disse modeller styrtdykket. Prisen for at forespørge en AI-model med GPT-3.5-niveau faldt fra 20 dollars pr. million tokens i november 2022 til blot 0,07 dollars pr. million tokens i oktober 2024, hvilket svarer til et fald på 280 gange på 18 måneder.
Dette dramatiske fald i inferensomkostninger skyldes betydelige forbedringer i hardwareeffektivitet. Rapporten viser, at omkostningerne til AI-hardware i erhvervslivet er faldet med 30% årligt, mens energieffektiviteten er forbedret med 40% hvert år. Disse tendenser sænker hurtigt barriererne for udbredelsen af avanceret AI, og 78% af organisationerne rapporterer nu brug af AI, op fra 55% i 2023.
Dog vokser det miljømæssige fodaftryk fra træning af store AI-modeller i et alarmerende tempo. CO2-udledningen fra træning af avancerede AI-modeller er støt stigende, hvor Metas Llama 3.1 anslås at have genereret 8.930 tons CO2 – svarende til de årlige udledninger fra næsten 500 gennemsnitsamerikanere. Dette forklarer, hvorfor AI-virksomheder i stigende grad søger mod kernekraft som en pålidelig kilde til CO2-fri energi til deres datacentre.
Rapporten fremhæver også ændrede dynamikker i det globale AI-landskab. Mens USA fortsat fører i udviklingen af markante AI-modeller (40 i 2024 sammenlignet med Kinas 15), indhenter kinesiske modeller hurtigt på ydeevne. Forskellen mellem de bedste amerikanske og kinesiske modeller blev reduceret fra 9,26% i januar 2024 til blot 1,70% i februar 2025.
I takt med at AI fortsætter med at transformere industrier, fungerer Stanfords AI Index som en vigtig ressource til at forstå både mulighederne og udfordringerne ved denne hastigt udviklende teknologi. Konklusionerne peger på, at AI bliver mere tilgængelig og billigere at implementere, men branchen må tage hånd om de stigende miljømæssige omkostninger forbundet med udviklingen af stadig mere kraftfulde modeller.