斯坦福大学以人为本人工智能研究院发布了详尽的2025年AI指数报告，从研究、技术性能、经济和环境影响等多个维度，对全球AI格局进行了数据驱动的分析。
这份长达400多页的报告揭示了AI经济学中的鲜明对比。一方面，训练前沿AI模型的成本持续攀升——谷歌Gemini 1.0 Ultra的训练费用估算高达1.92亿美元；另一方面，使用这些模型的成本却大幅下降。具备GPT-3.5级别性能的AI模型推理费用，从2022年11月的每百万tokens 20美元，降至2024年10月的0.07美元，18个月内降幅高达280倍。
推理成本的剧烈下降，主要得益于硬件效率的大幅提升。报告显示，企业级AI硬件成本年均下降30%，能效每年提升40%。这些趋势正迅速降低先进AI的应用门槛，目前已有78%的组织报告称正在使用AI，而2023年这一比例仅为55%。
然而，大型AI模型训练带来的环境足迹仍在以惊人速度扩大。前沿AI模型训练产生的碳排放持续增长，Meta的Llama 3.1训练期间估算产生了8,930吨二氧化碳，相当于近500名美国普通居民一年的排放量。这也解释了为何AI公司日益寻求核能，作为数据中心可靠的零碳能源来源。
报告还强调了全球AI格局的动态变化。尽管美国在推出知名AI模型方面仍保持领先（2024年为40款，中国为15款），但中国模型正在迅速缩小性能差距。2024年1月美中顶级模型的性能差距为9.26%，到2025年2月已缩小至1.70%。
随着AI持续变革各行各业，斯坦福AI指数成为理解这一快速演进技术机遇与挑战的重要资源。报告指出，尽管AI部署正变得更加普及和低成本，行业仍需正视开发更强大模型所带来的环境代价。