《赛迪译丛：2024年人工智能指数报告（28页）.pdf》由会员分享，可在线阅读，更多相关《赛迪译丛：2024年人工智能指数报告（28页）.pdf（28页珍藏版）》请在薪酬报告网上搜索。

1、-1-2024 年 9 月 9 日第30期总第 656 期2024年人工智能指数报告年人工智能指数报告【译者按】2024 年 4 月，斯坦福大学发布 2024 年人工智能指数报告。该报告在全球范围内具有极高的影响力，是美国、英国和欧盟等经济体政策制定者的重要参考资料。斯坦福大学已连续 7 年发布人工智能指数报告，今年发布的报告是迄今为止最全面的版本，梳理总结了人工智能的研发、技术性能、负责任的人工智能、经济、科学与医学、教育、政策与治理、舆论等方面的进展情况，分析了人工智能技术进步、公众对人工智能技术的看法以及人工智能发展的地缘政治动态等重要趋势。赛迪智库知识产权所和政策法规所对该报告进行了编

2、译，期望对我国相关决策部门提供参考和借鉴。【关键词】人工智能模型专利政策监管人工智能模型专利政策监管-2-一、研究与开发（一）出版物（一）出版物1.从从 2010 年到年到 2022 年，全球人工智能出版物总数年，全球人工智能出版物总数1增加两倍，机器学习领域出版物自增加两倍，机器学习领域出版物自 2015 年以来增长近七倍年以来增长近七倍从 2010 年到 2022 年，人工智能出版物总数增加近两倍，从2010 年约 88000 篇增加到 2022 年 240000 多篇。过去十年，机器学习领域出版物增长最为迅猛（见图 1），自 2015 年以来增长近七倍。继机器学习之后，2022 年人工智

3、能领域发表出版物最多的是计算机视觉（21309 篇）、模式识别（19841 篇）和流程管理（12052 篇）。图1：2010-2022年按研究领域分列的人工智能出版物数量（不含其他人工智能）人工智能出版物数量（单位：千篇）72.23，机器学习21.31，计算机视觉19.84，模式识别12.05，流程管理10.39，计算机网络9.17，控制理论8.31，算法7.18，语言学6.83，数学优化资料来源：安全与新兴技术中心，2023 年|图表：2024 年人工智能指数报告1今年的出版物数据来自 CSET。自上一次人工智能指数（2023 年）收录 CSET 的数据以来，CSET 用于人工智能出版物分类

4、的方法和数据来源都发生了变化。因此，今年报告的数字与去年报告的数字略有不同。此外，由于人工智能相关出版数据的更新有很大的滞后性，因此只提供到 2022 年的全部数据。建议读者谨慎对待出版数据。-3-2.学术界是过去十年间全球所有地区人工智能研究主要来源学术界是过去十年间全球所有地区人工智能研究主要来源2022 年，大部分人工智能出版物（81.1%）出自学术界，而学术界也是过去十年间全球所有地区人工智能研究主要来源（见图 2）。图 2：2010-2022 年按部门分列的人工智能出版物（占总数百分比）人工智能出版物（占总数百分比）81.07%，教育7.89%，工业6.97%，政府2.62%，非营利

5、组织1.46%，其他资料来源：安全与新兴技术中心，2023 年|图表：2024 年人工智能指数报告（二）专利（二）专利1.近十年，人工智能专利数量显著增加，且全球已授权的人工智能专利大部分来自中国和美国近十年，人工智能专利数量显著增加，且全球已授权的人工智能专利大部分来自中国和美国过去十年，人工智能专利数量显著增加。如 2010 年至 2014年间，人工智能专利授权总量增长了 56.1%；仅从 2021 年到 2022年，人工智能专利数量就增长了 62.7%。截至 2022 年，全球大部分已授权的人工智能专利（75.2%）来自东亚和太平洋地区（见图 3），其次是北美洲，占 21.2%。按地理区

6、域划分，全球已授-4-权的人工智能专利大部分来自中国（61.1%）和美国（20.9%）。图 3：2010-2022 年按地区分列的人工智能专利授权量（占全球总量百分比）人工智能授权专利数量（占全球总量百分比）75.20%，东亚和太平洋地区21.21%，北美洲2.33%，欧洲和中亚0.68%，世界其他地区0.23%，南亚0.21%，拉丁美洲及加勒比地区0.12%，撒哈拉以南非洲0.03%，中东和北非资料来源：安全与新兴技术中心，2023 年|图表：2024 年人工智能指数报告（三）前沿人工智能研究（三）前沿人工智能研究1.自自 2014 年起，产业界开始引领机器学习模型发展年起，产业界开始引领机

7、器学习模型发展2023 年，产业界推出了 51 个著名机器学习模型，而学术界只有 15 个。值得注意的是，2023 年有 21 个著名模型是由产业界/学术界合作产生的，创下新高。创建尖端的人工智能模型需要大量的数据、计算能力和财政资源，产业界的主导地位日益增强。2.2023 年，著名机器学习模型总数年，著名机器学习模型总数2排名前三的国家分别为美国、中国和法国排名前三的国家分别为美国、中国和法国2如果介绍机器学习模型的论文中至少有一位作者与某个国家的机构有关联，那么该模型就被认为与该国家有关。如果一个模型的作者来自多个国家，则可能出现重复计算的情况。-5-2023 年，美国以 61 个著名机器

8、学习模型遥遥领先，中国以15 个紧随其后，法国以 8 个紧随其后。自 2003 年以来，美国生产的模型数量超过了英国、中国和加拿大等其他主要地区。自2019 年以来，欧盟和英国首次在生产的著名人工智能模型数量上超过中国（见图 4）。图 4：2003-2023 年按选定地理区域分列的著名机器学习模型数量著名机器学习模型数量61，美国25，欧盟和英国15，中国来源：Epoch，2023 年|图表：2024 年人工智能指数报告3.机器学习模型中的参数是在训练过程中学习到的数值，参数较多的模型通常优于参数较少的模型机器学习模型中的参数是在训练过程中学习到的数值，参数较多的模型通常优于参数较少的模型自

9、2010 年代初以来，Epoch 数据集中机器学习模型参数总数急剧上升，这反映了人工智能模型设计任务的日益复杂性、数据可用性的提高、硬件的改进以及大型模型经证实的有效性。高参数模型在工业领域尤为突出，这表明 OpenAI、Anthropic 和谷歌-6-等公司有能力承担海量数据训练的计算成本。图 5：2003-2023 年按行业分列的著名机器学习模型参数数量参数数量（对数标度）学术界工业界产学合作研究集体合作政学合作产研集体合作政府出版日期资料来源：Epoch，2023 年|图表：2024 年人工智能指数报告4.模型的复杂程度和训练数据集的大小会直接影响所需的计算量。模型越复杂，底层训练数据越

10、大，训练所需的计算量就越大。模型的复杂程度和训练数据集的大小会直接影响所需的计算量。模型越复杂，底层训练数据越大，训练所需的计算量就越大。最近，著名人工智能模型的计算用量呈指数级增长，3这一趋势在过去五年尤为明显。计算需求的快速增长具有重要影响，如需要更多计算的模型通常会对环境造成更大的影响，而公司通常比学术机构更容易获得计算资源。图 6 显示了自 2012 年以来著名机器学习模型的训练计算量，如2017年发布的原始Transformer3FLOP 代表“浮点运算”。浮点运算是涉及浮点数的单一算术运算，如加法、减法、乘法或除法。处理器或计算机每秒可执行的 FLOP 数量是其计算能力的指标。FL

11、OP 率越高，计算机的计算能力就越强。一个人工智能模型的 FLOP率越高，说明它在训练过程中需要更多的计算资源。-7-需要约 7400 每秒千万亿次浮点运算；谷歌的 Gemini Ultra 是目前最先进的基础模型之一，需要 500 亿每秒千万亿次浮点运算。图 6：2012-2023 年按领域分列的著名机器学习模型的训练计算量训练计算量（每秒千兆次浮点运算对数标度）语言视觉多模态出版日期来源：Epoch，2023 年|图表：2024 年人工智能指数报告二、技术性能（一）时间轴：重要模型发布（一）时间轴：重要模型发布根据人工智能指数指导委员会的选择，以下是 2023 年发布的一些最重要的模型（见

12、表 1）。表 1：2023 年发布的部分重要模型日期模型类型创作者重要意义图片2023 年 3月 14 日Claude大型语言模型AnthropicClaude 是 Anthropic（OpenAI 的主要竞争对手之一）首次公开发布的大型语言模型。Claude 的设计宗旨是尽可能实用、诚实和无害。资料来源：Anthropic，2023 年-8-2023 年 3月 14 日GPT-4大型语言模型OpenAIGPT-4 在 GPT-3 的基础上进行了改进，是迄今为止功能最强大、能力最强的大型语言模型之一，在许多基准测试中的性能都超过了人类。资料来源：Medium，2023 年2023 年 3月 2

13、3 日StableDiffusionv2文本到图像模型Stability AIStable Diffusion v2 是Stability AI 现有文本到图像模型的升级版，可生成分辨率更高、质量更优的图像。资料来源：Stability AI，2023 年2023 年 4月 5 日SegmentAnything图像分割MetaSegment Anything 是一个人工智能模型，能够利用零镜头泛化技术分离图像中的物体。资料来源：Meta，2023 年2023 年 7月 18 日Llama 2大型语言模型MetaLlama 2 是 Meta 旗舰产品大型语言模型的升级版本，采用开放源代码。其较小

14、的变体（7B 和 13B）具有相对较高的性能。资料来源：Meta，2023 年。2023 年 8月 20 日DALL-E3图像生成OpenAIDALL-E3 是 OpenAI 现有文字视觉模型 DALL-E 的改良版。资料来源：OpenAI，2023 年2023 年 8月 29 日SynthID水印谷歌、DeepMindSynthID 是一款对人工智能生成的音乐和图像进行水印处理的工具。它的水印即使在图像更改后仍能被检测到。资料来源：DeepMind，2023 年2023 年 9月 27 日Mistral7B大型语言模型Mistral AIMistral 7B 是法国人工智能公司 Mistra

15、l 推出的一款紧凑型 70 亿参数机型，其性能超过了 Llama 213B，在同类产品中尺寸排名第一。资料来源：Mistral AI，2023 年2023 年10 月 27日Ernie 4.0大型语言模型百度中国跨国科技公司百度推出了文心大模型 4.0，这是迄今为止成绩最好的中国大型语言模型。资料来源：美通社，2023 年2023 年11 月 6 日GPT-4Turbo大型语言模型OpenAIGPT-4 Turbo 是一款升级版的大型语言机型，拥有128K 上下文窗口并降低了价格。资料来源：Tech.co，2023 年-9-2023 年11 月 6 日Whisperv3语音到文本OpenAIW

16、hisper v3 是一个开源的语音到文本模型，以其更高的准确性和更广泛的语言支持而著称。资料来源：人工智能业务，2023 年2023 年11 月 21日Claude2.1大型语言模型AnthropicAnthropic 的最新大型语言模型 Claude2.1 具有业界领先的 200K 上下文窗口，增强了其处理长篇文学作品等大量内容的能力。资料来源：Medium，2023 年2023 年11 月 22日Inflection-2大型语言模型InflectionInflection-2 是由DeepMind 的 MustafaSuleyman 创办的新创公司 Inflection 推出的第二个大型

17、语言模型。Inflection-2 的推出凸显了大型语言模型领域日益激烈的竞争。资料来源：Inflection，2023 年2023 年12 月 6 日Gemini大型语言模型谷歌Gemini是GPT-4的有力竞争者，其变种之一 GeminiUltra 在许多基准测试中都胜过 GPT-4。资料来源：Medium，2023 年2023 年12 月 21日Midjourney v6文本到图像模型MidjourneyMidjourney 的最新更新通过更直观的提示和卓越的图像质量提升了用户体验。资料来源：Bootamp，2023 年（二）人工智能性能状况（二）人工智能性能状况截至 2023 年，人工

18、智能在一系列任务中已达到超越人类能力的性能水平。图 7 显示了人工智能系统在与九项任务（如图像分类或基础阅读理解）相对应的九项人工智能基准方面相对于人类基线所取得的进展。4仍有一些任务类别的人工智能未能超越人类能力，这些是更复杂的认知任务，如视觉常识推理和高级数学问4人工智能基准是一种标准化测试，用于评估人工智能系统在特定任务上的性能和能力。例如，ImageNet 就是一个典型的人工智能基准，它收集了大量带标签的图像，人工智能系统的任务就是对这些图像进行准确分类。跟踪基准测试的进展一直是人工智能界监测人工智能系统进步的标准方法。-10-题解决（竞赛级数学问题）。图 75：部分人工智能指数技术性

19、能基准与人类性能对比相对于人类基线的绩效（%）人类基线图像分类（ImageNet 前 5）视觉常识推理（VCR）自然语言推理（aNLI）中级阅读理解（SQuAD 2.0）多任务语言理解（MMLU）视觉推理（VQA）英语语言理解（SuperGLUE）基础级阅读理解（SQuAD 1.1）竞赛级数学（MATH）来源：2024 年人工智能指数|图表：2024 年人工智能指数报告三、负责任的人工智能（一）隐私和数据治理（一）隐私和数据治理就人工智能而言，数据治理对于确保用于训练和操作人工智能系统的数据准确、公平、负责任使用并征得同意至关重要。对于依赖海量数据的大型语言模型来说，为培训数据收集获得真正5在

20、图 2.1.16 中，对数值进行了缩放，以建立比较不同基准的标准度量。缩放函数经过校准，每年最佳模型的性能以特定任务人类基线的百分比来衡量。例如，105%的值表示模型的性能比人类基线高 5%。-11-的知情同意具有挑战性。人工智能系统带来的效用与个人隐私之间可能存在权衡，要在两者之间取得适当的平衡非常复杂。根据斯坦福大学和埃森哲研究人员合作开展的全球负责任人工智能现状调查，51%的企业表示，隐私和数据治理相关风险与他们的人工智能应用战略息息相关。从地域上看，欧洲（56%）和亚洲（55%）的组织对于报告隐私和数据治理风险较为频繁，而总部位于北美的组织（42%）报告最不频繁（见图 8）。调查列出了

21、六种可能采取的数据治理相关措施，总体而言，只有不到0.6%的公司表示已经完全实施了所有六项数据治理缓解措施，90%的公司自称至少实施了一项措施。图 8：按地区分列的人工智能相关数据治理措施的采用情况采用措施的地区和平均数量亚洲（2.31）欧洲（2.26）拉丁美洲（2.51）北美（2.16）世界其他地区（1.90）无1-50%51-99%全部受访者百分比资料来源：2024 年全球负责任人工智能状况报告|图表：2024 年人工智能指数报告（二）透明度和可解释性（二）透明度和可解释性-12-数据和模型透明度涉及开发选择的公开共享，包括数据来源和算法决策。操作透明度详细说明了人工智能系统在实践中是如何

22、部署、监控和管理的。在本章中，将可解释性纳入透明度的范畴，对其定义为理解和阐明人工智能决策背后原理的能力。调查列出了四种提高透明度和可解释性措施，图 9 显示了这些措施在不同地理区域的采用率。在所有地区和行业中，只有 8%的公司实施了一半以上的措施，12%的公司没有全面实施任何措施，仅不到 0.7%的公司表示已全面实施所有措施。图 9：按地区分列的人工智能相关透明度措施的采用情况采用措施的地区和平均数量无1-50%51-99%全部亚洲（1.42）欧洲（1.43）拉丁美洲（1.50）北美（1.38）世界其他地区（1.48）受访者百分比资料来源：2024 年全球负责任人工智能状况报告|图表：202

23、4 年人工智能指数报告（四）（四）安保和安全安保和安全随着人工智能模型变得越来越普遍和复杂，人们越来越关注识别安全漏洞，包括从提示注入到模型泄漏等一系列攻击。-13-全球负责任人工智能现状调查共询问了 6 项与可靠性风险有关的缓解措施。在对 1000 多家企业的调查中，45%的企业承认可靠性风险与其人工智能应用战略相关。其中，13%的企业已全面实施了半数以上的调查措施，75%的企业已实施了至少一项措施，但不足半数。此外，12%的受访者承认没有全面实施可靠性措施。图 10：按地区分列的人工智能相关可靠性措施的采用情况采用措施的行业和平均数量亚洲（2.13）欧洲（2.27）拉丁美洲（2.06）北美

24、洲（2.05）世界其他地区（2.23）无1-50%51-99%全部受访者百分比资料来源：2024 年全球负责任人工智能状况报告|图表：2024 年人工智能指数报告（五）公平性（五）公平性人工智能的公平性强调开发公平的系统，避免长期存在对任何个人或群体的偏见或歧视。在全球负责任人工智能现状调查中，29%的组织认为公平风险与其人工智能采用战略相关。就地区而言，欧洲组织（34%）报告这种风险最频繁，而最不经常报告这-14-种风险的是北美组织（20%）。图 11：按地区分列的人工智能相关公平性措施的采用情况采用措施的行业和平均数量亚洲（1.80）欧洲（1.94）拉丁美洲（1.90）北美洲（1.98）世

25、界其他地区（2.44）无1-50%51-99%全部受访者百分比资料来源：2024 年全球负责任人工智能状况报告|图表：2024 年人工智能指数报告四、经济（一）投资总体情况1、从投资金额看，近两年全球人工智能私人投资总额有所下降，但生成式人工智能的投资大幅增长（一）投资总体情况1、从投资金额看，近两年全球人工智能私人投资总额有所下降，但生成式人工智能的投资大幅增长2013 年至 2021 年，全球人工智能领域的私人投资额逐年增加。从2022年开始连续两年出现下降，2022年的降幅较小（-7.2%），小于 2021 年至 2022 年的降幅。但要指出的是，虽然去年人工智能私人投资总体有所下降，但

26、对生成式人工智能的资助却急剧增-15-加。2023 年，该领域吸引了 252 亿美元的投资，是 2022 年的近9 倍，2019 年的约 30 倍。此外，2023 年，生成式人工智能占所有人工智能相关私人投资的四分之一以上（图 12）。图 12：2019-2023 年生成式人工智能领域的私人投资投资总额（单位：十亿美元）2、从投资国别看，美国在全球人工智能私人投资领域位居首位，中国紧随其后2、从投资国别看，美国在全球人工智能私人投资领域位居首位，中国紧随其后就人工智能私人投资总额而言，美国领跑全球。2023 年，美国的投资额为 672 亿美元，是排名第二的中国（78 亿美元）的8.7 倍，是英

27、国（38 亿美元）的 17.8 倍。如果将 2013 年以来的私人人工智能投资汇总，各国的排名仍然相同：美国以 3352 亿美元的投资额遥遥领先，其次是中国的 1037 亿美元和英国的 223亿美元（图 13）。图 13：2023 年按地理区域分列的人工智能私人投资-16-美国中国英国德国瑞典法国加拿大以色列韩国印度新加坡日本阿拉伯联合酋长国澳大利亚西班牙投资总额（单位：十亿美元）资料来源：Quid，2023 年|图表：2024 年人工智能指数报告3、从投资重点细分领域看，人工智能基础设施、研究和治理的表现最为抢眼3、从投资重点细分领域看，人工智能基础设施、研究和治理的表现最为抢眼2023 年

28、吸引投资最多的重点领域是人工智能基础设施/研究/治理（183 亿美元）、NLP 和客户支持（81 亿美元）以及数据管理和处理（55 亿美元）（图 14）。人工智能基础设施、研究和治理的突出表现反映了对专门构建人工智能应用的公司的大量投资，如 OpenAI、Anthropic 和 Inflection AI。图 14：2022 年与 2023 年按重点领域分列的人工智能私人投资-17-人工智能基础设施/研究/治理自然语言处理、客户支持数据管理、处理医疗保健音频视频金融科技量子计算半导体能源、石油和天然气创意、音乐、视频内容教育技术营销、数字广告无人机制造网络安全、数据保护增强现实技术/虚拟技术零

29、售保险科技娱乐风险投资农业科技法律技术面部识别健身和健康地理空间投资总额（单位：十亿美元）（二）企业和行业应用情况1、人工智能在企业和行业中加快应用，但不同企业和行业的普及程度显著差异化从企业应用的人工智能案例看，（二）企业和行业应用情况1、人工智能在企业和行业中加快应用，但不同企业和行业的普及程度显著差异化从企业应用的人工智能案例看，2023 年，受访企业最常采用的人工智能功能案例是呼叫中心自动化（26%），其次是个性化（23%）、客户获取（22%）和基于人工智能的产品增强（22%）。从企业业务部门嵌入的人工智能能力类型看从企业业务部门嵌入的人工智能能力类型看，机器人流程自动化在金融服务业中

30、的嵌入率最高（46%）。其次是虚拟代理，也是在金融服务业。在所有行业中，嵌入率最高的人工智能技术是自然语言文本理解（30%）、机器人流程自动化（30%）和虚拟代理（30%）。从行业和人工智能功能分列的人工智能应用情况看从行业和人工智能功能分列的人工智能应用情况看，-18-采用最多的是科技、媒体和电信行业的产品和/或服务开发（44%）；其次是科技、媒体和电信行业的服务运营（36%）以及科技、媒体和电信行业的营销和销售（36%）。2、人工智能助力企业降本增效2、人工智能助力企业降本增效采用人工智能后，企业既降低了成本，也增加了收入（图 15）。受访者报告最多的成本节约领域是制造（55%）、服务运营

31、（54%）和风险（44%）。在增加收入方面，从人工智能中获益最多的功能包括制造（66%）、营销和销售（65%）以及风险（64%）。图 4.4.7 显示，相当多的受访者表示使用人工智能后成本降低（42%），收入增加（59%），这表明人工智能切实帮助企业提高了底线。对比去年的平均值可以发现，在所有活动中，成本降低的比例上升了 10 个百分点，收入增加的比例下降了 4 个百分点。图 15：2022 年人工智能应用带来的成本降低和收入增加情况降低10%降低 10-19%降低20%增加10%增加 6-10%增加5%功能运营服务制造人力资源营销和销售风险供应链管理研发/产品和/或服务开发战略和企业金融所有

32、活动平均受访者百分比-19-3、人工智能对经济影响的预测3、人工智能对经济影响的预测2023 年，一些新发表的分析报告将目标指向了预测和更好地理解人工智能未来的经济影响。麦肯锡最近的一份报告研究了生成型人工智能对各行业收入的影响程度。图 16 显示了各行业的预计影响范围，包括占行业总收入的百分比和美元总额。报告预计，高科技行业的收入将因生成式人工智能而增加 4.8%至 9.3%，相当于增加 2400 亿至 4600 亿美元。银行、制药和医疗产品以及教育等行业估计也会因采用生成式人工智能而增长。图 16：2023 年生成式人工智能对各行业收入的预期影响高科技银行药物和医疗产品教育电信医疗保健保险

33、媒体与娱乐先进制造消费品先进电子与半导体占行业总收入的百分比行业总收入（单位：十亿美元）五、医疗和教育（一）人工智能在医疗中的应用日益广泛（一）人工智能在医疗中的应用日益广泛人工智能正越来越多地应用于推动医学进步。在过去几年中，-20-人工智能系统在 MedQA 基准测试中表现出了显著的进步，这是评估人工智能临床知识的关键测试。2023 年的佼佼者 GPT-4Medprompt 准确率达到 90.2%，比 2022 年的最高分提高了 22.6个百分点。自 2019 年引入该基准以来，人工智能在 MedQA 上的表现几乎翻了三倍。2023 年，几个重要的医疗系统相继问世，其中包括增强大流行病预测

34、的 EVEscape 和协助人工智能驱动突变分类的 AlphaMissence。实践中，人工智能正越来越多地用于医疗目的。过去十年，获得美国食品药物管理局批准的人工智能医疗设备的数量在2022 年达到了最高峰。2022 年，共有 139 种与人工智能相关的医疗设备获得了美国美国食品药物管理局的批准，比 2021 年的批准总数增加了 12.1%。自 2012 年以来，这些设备的数量增加了45 倍以上。66美国食品药物管理局最后一次更新该清单的时间是 2023 年 10 月，这意味着 2023 年的总数并不完整。因此，人工智能指数限制了其数据展示，仅包括截至 2022 年的信息。-21-图 17：

35、2012-2022 年美国食品药物管理局批准的人工智能医疗设备数量人工智能医疗设备数量资料来源：美国食品药物管理局，2023 年|图表：2024 年人工智能指数报告（二）教育1、美国和加拿大的计算机科学本科毕业生人数持续上升，选择接受计算机科学研究生教育的学生人数趋于平缓（二）教育1、美国和加拿大的计算机科学本科毕业生人数持续上升，选择接受计算机科学研究生教育的学生人数趋于平缓越来越多的美国高中生选修计算机科学课程，但入学问题依然存在。2022 年，共举办了 201000 次 AP 计算机科学考试。自2007 年以来，参加这些考试的学生人数增加了 10 倍多。然而，最近的证据表明，规模较大的高

36、中和郊区的高中学生更有可能选修计算机科学课程。美国和加拿大的计算机科学本科毕业生人数持续上升，计算机科学硕士毕业生人数相对持平，博士毕业生人数略有增长。十多年来，美国和加拿大的应届本科毕业生人数持续上升，但选择接受计算机科学研究生教育的学生人数却趋于平缓。自 2018 年以来，计算机科学硕士和博士毕业生人数略有下降。英国和德国在欧洲信息学、计算机科学、计算机工程和信息-22-技术专业毕业生的培养方面处于领先地位。英国和德国是欧洲培养信息学、计算机科学、计算机工程和信息学学士、硕士和博士毕业生人数最多的国家。按人均计算，芬兰在培养本科和博士毕业生方面遥遥领先，而爱尔兰则在培养硕士毕业生方面遥遥领

37、先。2、计算机科学教育的国际化程度在下降，但全球人工智能相关学位课程的数量在稳步增长2、计算机科学教育的国际化程度在下降，但全球人工智能相关学位课程的数量在稳步增长虽然美国和加拿大计算机科学教育的国际化程度在降低，但是人工智能相关学位课程数量在国际上呈上升趋势，全世界的大学都在提供更多的以人工智能为重点的学位课程。与 2021 年相比，2022 年毕业的国际计算机科学本科生、硕士生和博士生的比例有所下降，硕士生中国际学生的减少尤为明显。自 2017 年以来，与人工智能相关的学位课程数量增加了两倍，并在过去五年中呈现出每年稳步增长的趋势。3、人工智能博士继续加速向产业界迁移，而高层次人工智能人才

38、从产业界向学术界迁移呈下降态势3、人工智能博士继续加速向产业界迁移，而高层次人工智能人才从产业界向学术界迁移呈下降态势2011 年，新晋人工智能博士在产业界（40.9%）和学术界（41.6%）就业的比例大致相当。然而，到 2022 年，与进入学术界的博士（20.0%）相比，毕业后进入产业界的比例（70.7%）要大得多。仅在过去一年，进入产业界的人工智能博士所占比例就上升了 5.3 个百分点，这表明学术界的人才流失正在加剧。与此-23-同时，从产业界向学术界过渡的学术人才较少。2019 年，美国和加拿大 13%的新人工智能教师来自产业界。到 2021 年，这一数字下降到 11%，2022 年进一

39、步下降到 7%。这一趋势表明，高层次人工智能人才从产业界向学术界的迁移正在逐渐减少。六、政策和监管（一）美欧等全球主要经济体加快推动人工智能立法（一）美欧等全球主要经济体加快推动人工智能立法从 2016 年到 2023 年，全球主要经济体共通过了 148 项与人工智能相关的法案。其中，制定与人工智能相关法案数量最多的国家是美国（23 项），其次是葡萄牙（15 项）和比利时（12 项）。近年来，美国和欧盟制定与人工智能相关的法案数量均增长显著。仅 2023 年 1 年时间，美国就制定了 25 项与人工智能相关的法案，与人工智能相关的法规总数增长 56.3%。欧盟制定的人工智能相关法案数量从 20

40、22 年的 22 项增至 2023 年的 32 项，并在 2024年通过全球第一个综合性人工智能法。（二）发展人工智能已成为全球多个国家的国家战略（二）发展人工智能已成为全球多个国家的国家战略人工智能战略，即政府为指导本国人工智能发展和部署而制定的政策计划。监测这些战略的趋势对于评估各国如何优先发展和监管人工智能技术非常重要。迄今为止，已发布的国家人工智能战略共 75 项。其中，加拿大于 2017 年 3 月启动了首个国家人-24-工智能战略；发布战略数量最多的是 2019 年，该年一共发布了24 项战略。2023 年新增 8 项战略，分别来自中东、非洲和加勒比海地区的国家，展示了人工智能决策

41、话语权在全球范围内的扩展。表 2：各国人工智能国家战略的年度发布情况年份年份国家国家2017加拿大、中国、芬兰2018法国、德国、印度、毛里求斯、墨西哥、瑞典2019阿根廷、孟加拉国、智利、哥伦比亚、塞浦路斯、捷克共和国、丹麦、埃及、爱沙尼亚、日本、立陶宛、卢森堡、马耳他、荷兰、葡萄牙、卡塔尔、罗马尼亚、俄罗斯、塞拉利昂、新加坡、斯洛伐克共和国、阿拉伯联合酋长国、美国、乌拉圭2020阿尔及利亚、保加利亚、克罗地亚、希腊、匈牙利、印度尼西亚、拉脱维亚、韩国、挪威、波兰、沙特阿拉伯、塞尔维亚、西班牙、瑞士2021澳大利亚、奥地利、巴西、香港、爱尔兰、马来西亚、秘鲁、菲律宾、斯洛文尼亚、突尼斯、土耳

42、其、乌克兰、英国、越南2022比利时、加纳、伊朗、意大利、约旦、泰国2023阿塞拜疆、巴林、贝宁、多米尼加共和国、埃塞俄比亚、伊拉克、以色列、卢旺达资料来源：2024 年人工智能指数|表：2024 年人工智能指数报告（三）美国对人工智能的公共投资逐年增加（三）美国对人工智能的公共投资逐年增加根据美国政府发布的报告，美国政府机构在 2023 财年共拨款18 亿美元用于人工智能研发支出（图 18）。自 2018 财年以来，美国联邦政府在人工智能领域的研发经费逐年增加，至今已增长了两倍多。2024 财年，已申请 19 亿美元的预算。图 18：2018-2024 财年美国联邦人工智能网络与信息技术研发

43、计划预算-25-预算（单位：十亿美元）2018 财年（已实施）2019 财年（已实施）2020 财年（已实施）2021 财年（已实施）2022 财年（已实施）2023 财年（已实施）2024 财年（申请）资料来源：美国网络与信息技术研发计划，2023 年|图表：2024 年人工智能指数报告七、舆论民意（一）公众对人工智能的认知程度大幅提升（一）公众对人工智能的认知程度大幅提升全球各地越来越多的人开始对人工智能有所了解，并对人工智能的潜在影响有了更深刻的认识。以 ChatGPT 为例，自问世以来，ChatGPT 正在被人们快速认知并广泛使用。多伦多大学的一项国际调查显示，63%的受访者知道 Ch

44、atGPT。在这些知道的人中，约有一半表示每周至少使用一次 ChatGPT。调查还显示，在过去一年中，认为人工智能将在未来三到五年内对其生活产生巨大影响的人的比例从 60%上升到了 66%。此外，52%的人对人工智能产品和服务表示紧张，比 2022 年上升了 13 个百分点。在美国，52%的美国人表示对人工智能的担忧多于兴奋，而 2022 年这一比例仅为 38%。-26-（二）公众对人工智能的态度仍然存在较大分歧（二）公众对人工智能的态度仍然存在较大分歧公众对人工智能的经济影响持悲观态度，不同群体对人工智能的态度存在差异。调查显示，只有 37%的受访者认为人工智能将改善他们的工作，34%的受访

45、者预计人工智能将促进经济发展，32%的受访者认为人工智能将改善就业市场。西方国家对人工智能的情绪持续低迷，但正在缓慢改善。2022 年，对人工智能产品和服务持消极态度的国家主要包括德国、荷兰、澳大利亚、比利时、加拿大和美国等几个西方发达国家。此后，这些国家中承认人工智能益处的受访者比例均有所上升，其中荷兰的转变最为显著。在对人工智能改善生活的看法上，年轻一代普遍更为乐观。此外，收入和教育水平较高的人，更看好人工智能对娱乐、健康和经济的积极影响。译 自：AI Index Report 2024,April 2024 by Stanford Institute forHuman-Centered Artificial Intelligence译文作者：赛迪工业和信息化研究院武晶晶陈又新联系方式：15600818622电子邮件：-28-编 辑 部：赛迪工业和信息化研究院通讯地址：北京市海淀区紫竹院路 66 号赛迪大厦 15 层国际合作处邮政编码：100048联 系 人：袁素雅联系电话：（010）8855954313263204219传真：（010）88558833网址：电子邮件：报：部领导送：部机关各司局，各地方工业和信息化主管部门，相关部门及研究单位，相关行业协会报：部领导送：部机关各司局，各地方工业和信息化主管部门，相关部门及研究单位，相关行业协会