1 · AI 在部分任務上勝過人類，但不是全部
AI 已在影像分類、視覺推理與英文理解上超越人類基線 — 但在競賽級數學、視覺常識推理與規劃上仍然落後。
2023 年：錢退場了，生成式 AI 還是把場子接了下來
2024 年 AI 指數涵蓋 2023 年，分為九大章節：研發、技術表現、負責任 AI、經濟、科學與醫療、教育、政策、多元性與民意。整體 AI 私人投資連續第二年下滑，但生成式 AI 募資近乎成長八倍；模型訓練成本大幅飆升，而大眾的不安也明顯上升。先看幾個定錨的數字：
1492023 年發布的基礎模型數，是 2022 年的兩倍有餘
25.2生成式 AI 私人投資(十億美元)，約為 2022 年的 8 倍
61來自美國機構的重要 AI 模型數(歐盟 21、中國 15)
191百萬美元 — 訓練 Gemini Ultra 的算力成本
1232023 年 AI 事故通報件數，成長 32.3%
252023 年美國 AI 相關法規數(2016 年僅 1 條)
10 條重點摘要
報告自身對這一年的總結，依其原本順序排列。點任一張卡片可看完整內容。
2 · 產業界持續主導前沿 AI 研究
2023 年產業界產出 51 個重要機器學習模型，學術界僅 15 個；另有 21 個來自產學合作，創下新高。
3 · 前沿模型的訓練成本大幅飆升
依 AI 指數估算，OpenAI 的 GPT-4 訓練用掉約 7,800 萬美元的算力，Google 的 Gemini Ultra 則約 1 億 9,100 萬美元。
4 · 美國在頂尖模型上領先中國、歐盟與英國
2023 年有 61 個重要 AI 模型來自美國機構，遠超歐盟的 21 個與中國的 15 個。
5 · 大型語言模型的責任評估嚴重缺乏標準
OpenAI、Google 與 Anthropic 各自使用大不相同的負責任 AI 基準來測試模型，使得它們的風險無法被系統性比較。
6 · 生成式 AI 投資暴衝
儘管整體 AI 私人投資下滑，生成式 AI 募資仍較 2022 年成長近八倍，達到 252 億美元。
7 · 資料出爐：AI 讓工作者更有生產力
2023 年的多項研究發現，AI 讓工作者更快完成任務、產出品質更好，並能縮小低技能與高技能工作者之間的落差。
8 · AI 讓科學進展再度加速
2023 年出現了讓排序演算法更有效率的 AlphaDev，以及加速材料發現的 GNoME — 比 2022 年的初步應用更進一步。
9 · 美國的 AI 法規數量急遽增加
2023 年美國有 25 條 AI 相關法規，2016 年只有 1 條 — 單一年度就成長 56.3%。
10 · 人們更意識到 AI 的影響 — 也更緊張
Ipsos 調查顯示，預期 AI 會在三到五年內大幅影響自身生活的比例由 60% 升至 66%；同時 52% 表示感到緊張，較 2022 年上升 13 個百分點。
九大章節速覽
各章的重點摘要。展開可看關鍵數字。
1 · 研發
產業界產出 51 個重要模型，學術界 15 個，產學合作 21 個創下新高。共發布 149 個基礎模型，其中 65.7% 為開源，2022 年僅 44.4%。訓練成本方面，GPT-4 估計 7,800 萬美元、Gemini Ultra 1 億 9,100 萬美元。美國以 61 個重要模型領先歐盟 21 個與中國 15 個，而中國在 AI 專利來源占 61.1%。GitHub 上的 AI 專案約達 180 萬個。完整詳解：研發 →
2 · 技術表現
AI 在影像分類、視覺推理與英文理解上超越人類基線，但在競賽級數學、視覺常識推理與規劃上尚未達標。ImageNet、SQuAD 與 SuperGLUE 分數飽和，促成更難的基準誕生 — SWE-bench、HEIM、MMMU、MoCa、AgentBench 與 HaluEval 都在 2023 年推出。在十項基準上，閉源模型的中位數表現領先開源模型 24.2%。完整詳解：技術表現 →
3 · 負責任 AI
最主要的發現是一個量測落差：主要開發者各自使用不同的負責任 AI 基準，導致風險無法互相比較。2023 年 AI 事故上升至 123 件，增加 32.3 個百分點，較 2013 年成長逾二十倍。政治深偽被證實容易製作、難以偵測；大型語言模型會輸出受著作權保護的內容；新推出的基礎模型透明度指數則發現訓練資料的揭露尤其稀薄。完整詳解：負責任 AI →
4 · 經濟
全球企業 AI 投資 — 含併購在內的最廣義口徑 — 下滑約 20% 至 1,892 億美元，私人投資則連續第二年下滑至 960 億美元。但生成式 AI 募資近乎成長八倍至 252 億美元。美國投資達 672 億美元，約為中國的 8.7 倍。美國 AI 職缺占比由 2.0% 降至 1.6%。55% 的組織已使用 AI，前一年為 50%。中國安裝了全球 52.4% 的工業機器人。財星 500 大企業中有 394 場法說會提及 AI。完整詳解：經濟 →
5 · 科學與醫療
AlphaDev 改進了排序演算法，GNoME 加速材料發現；EVEscape 改善大流行預測，AlphaMissense 協助突變分類。GPT-4 Medprompt 在 MedQA 上取得 90.2%，較 2022 年最佳成績高 22.6 個百分點，自 2019 年基準推出以來表現約成長三倍。FDA 在 2022 年核准 139 項 AI 相關醫材，年增 12.1%，較 2012 年成長逾 45 倍。完整詳解：科學與醫療 →
6 · 教育
美加的資訊科學學士畢業人數持續上升，碩博士則趨於平緩。新科 AI 博士流入產業界的速度加快：2022 年有 70.7% 進入產業界、20.0% 進入學術界，而 2011 年兩者幾乎各半。反向流動則變薄 — 來自產業界的新任 AI 教職由 2019 年的 13% 降至 2022 年的 7%。2022 年有 20 萬 1,000 人次應考 AP 資訊科學，是 2007 年的十倍以上。完整詳解：教育 →
7 · 政策與治理
美國 AI 相關法規在 2023 年達 25 條，2016 年僅 1 條，單年成長 56.3%，發布機關由 17 個增至 21 個。聯邦層級提出的 AI 法案由 88 件倍增至 181 件。全球立法程序中提及 AI 的次數由 1,247 次近乎倍增至 2,175 次，涵蓋 49 個國家、橫跨各大洲。歐盟就 AI 法案條文達成協議，拜登總統簽署 AI 行政命令。完整詳解：政策與治理 →
8 · 多元性
美加的資訊科學學生在三個學位層級都更加族裔多元 — 亞裔在資訊科學學士畢業生中的占比自 2011 年上升 19.8 個百分點，西語裔上升 5.2 個百分點。受調查的歐洲國家在各學位層級仍是男性畢業生多於女性，差距縮小的速度緩慢。在美國 K–12，女性應考 AP 資訊科學的占比由 2007 年的 16.8% 升至 2022 年的 30.5%。完整詳解：多元性 →
9 · 民意
Ipsos 發現，預期 AI 會在三到五年內大幅影響生活的比例由 60% 升至 66%，52% 感到緊張，上升 13 個百分點。在美國，Pew 發現 52% 的人擔憂多於興奮，前次為 38%。大眾對經濟面偏悲觀：只有 37% 認為 AI 會改善自己的工作、34% 認為會提振經濟、32% 認為會改善就業市場。63% 的人知道 ChatGPT，其中約半數每週使用。完整詳解：民意 →
報告自己的說法
取自 10 條重點與各章摘要，足以定義這一年的句子。
AI 已在數項基準上超越人類表現，包括部分影像分類、視覺推理與英文理解；但在更複雜的任務上仍然落後。
儘管去年整體 AI 私人投資下滑，生成式 AI 的募資仍逆勢暴增，較 2022 年成長近八倍至 252 億美元。
主要開發者多半使用各自不同的負責任 AI 基準來測試模型，這使得系統性比較頂尖模型的風險與限制變得困難。
2011 年，新科 AI 博士進入產業界與學術界的比例大致相當。到 2022 年，70.7% 進入產業界，僅 20.0% 進入學術界。
52% 的受訪者對 AI 產品與服務感到緊張，較 2022 年上升 13 個百分點。