Institut za umjetnu inteligenciju usmjerenu na čovjeka Sveučilišta Stanford objavio je svoj opsežni AI Index za 2025. godinu, pružajući analizu temeljenu na podacima o globalnom AI krajoliku kroz prizmu istraživanja, tehničkih performansi, ekonomije i utjecaja na okoliš.
Izvještaj na više od 400 stranica otkriva upečatljivu dihotomiju u ekonomiji umjetne inteligencije. Dok je treniranje naprednih AI modela postalo sve skuplje — treniranje Googleovog Gemini 1.0 Ultra modela procjenjuje se na 192 milijuna dolara — korištenje tih modela postalo je znatno jeftinije. Trošak upita AI modela na razini GPT-3.5 pao je s 20 dolara po milijun tokena u studenom 2022. na samo 0,07 dolara po milijun tokena u listopadu 2024., što predstavlja smanjenje od 280 puta u 18 mjeseci.
Ovaj dramatičan pad troškova inferencije može se pripisati značajnim poboljšanjima u učinkovitosti hardvera. Izvještaj navodi da su troškovi enterprise AI hardvera pali za 30% godišnje, dok se energetska učinkovitost poboljšala za 40% svake godine. Ovi trendovi brzo smanjuju prepreke za usvajanje napredne umjetne inteligencije, pa tako 78% organizacija sada prijavljuje korištenje AI-a, u odnosu na 55% u 2023. godini.
Međutim, ekološki otisak treniranja velikih AI modela nastavlja rasti zabrinjavajućom brzinom. Emisije ugljika od treniranja naprednih AI modela stalno rastu, a Meta Llama 3.1 generirala je procijenjenih 8.930 tona CO2 — što odgovara godišnjim emisijama gotovo 500 prosječnih Amerikanaca. To objašnjava zašto AI kompanije sve više traže nuklearnu energiju kao pouzdan izvor energije bez ugljika za svoje podatkovne centre.
Izvještaj također ističe promjene u globalnoj AI dinamici. Dok Sjedinjene Američke Države i dalje prednjače u proizvodnji značajnih AI modela (40 u 2024. naspram 15 u Kini), kineski modeli brzo smanjuju jaz u performansama. Razlika između najboljih američkih i kineskih modela smanjila se s 9,26% u siječnju 2024. na samo 1,70% u veljači 2025.
Kako umjetna inteligencija nastavlja transformirati industrije, Stanfordov AI Index služi kao ključan izvor za razumijevanje i prilika i izazova koje donosi ova brzo razvijajuća tehnologija. Nalazi sugeriraju da, iako AI postaje sve dostupniji i pristupačniji za implementaciju, industrija mora odgovoriti na rastuće ekološke troškove povezane s razvojem sve moćnijih modela.