斯坦福AI指数报告：中美大模型差距极速缩小，国产大模型入围MixEval前十

在中美关税大战愈演愈烈之际，一份AI领域的重磅报告——《2025年人工智能指数报告》（HAI报告）出炉。该报告由斯坦福大学李飞飞团队以人为本人工智能研究院发布，已经连续发布8年，在全球AI领域具有很强的影响力。

相比一些商业机构发布的AI报告，HAI报告的编写团队主要由来自斯坦福大学、摩根大通等学术界和产业界的跨学科专家组成，报告内容和数据更客观公正，更有研究价值。因此，HAI报告的研究结论和测试结果，其含金量远高于其他商业报告。

2025年的HAI报告透露出多项AI领域最进展，最值得关注的是，中美顶级模型性能差距缩至0.3%；推理成本暴降，小模型性能飙升，AI正变得更高效、更普惠，这也意味着美国对算力封锁的效果正在打折。

本次HAI报告引入了一项全新评测标准MixEval，是专为评估大语言模型在复杂真实语言任务中表现的测试集，尤其聚焦于“分布式用户查询”和“复杂问题处理能力”，在更具挑战性的MixEval-Hard基准测试中，中美大模型均有上榜，前三名分别是Open AI o1、Claude 3.5和LLaMA 3.5，都来自美国。

中国有三款大模型入围，分别是讯飞星火（SPARK4.0）位居第十名，零一万物位居第十一名，阿里巴巴Qwen-Max位居第十三名。

这份测试结果表明，以讯飞星火4.0为代表的国产大模型，在2024年通过不断的迭代和性能突破，已经在国际主流的大模型测试结果中展现出不俗的能力，正在快速追赶中美AI的发展差距。

除了这份大模型性能测试排名外，报告还透露出三点新动向：

首先，中国在AI大模型上是当之无愧的第二名，与美国的差距只有0.3%。这份报告特别对中美大模型进行对比，成为吸睛的部分。从数量上看，2024年美国发布了40个“前沿模型”，而中国为15个，欧洲仅3个。

从论文方面看，2023年，中国贡献了全球23.2%的AI论文和69.7%的AI专利，远远超过美国；而美国在论文总量上仅排全球第三，约为中国的一半。

从几项关键指标来看，中国大模型对美国的追赶也可以用“极速”来形容。在MMLU这项多任务语言理解测试中，中美模型在2023年相差17.5个百分点，而到2024年只差0.3%；HumanEval（代码生成任务）也从31.6%的差距收缩到3.7%。

其次，推理成本暴降，“小模型”性能飙升，AI开始普惠。春节后，DeepSeek号称是只用600万美元做出来的，这给OpenAI等依靠堆算力取胜的大模型带来巨大压力，甚至导致美国算力相关股票暴跌。

算力成本下降是不争的事实。报告显示，随着小模型性能提升，达到GPT-3.5水平的推理成本在两年间下降280倍，硬件成本以每年30%的速度递减，能效年提升率达40%。

对于被卡脖子的中国大模型来说，是重大利好。

比如，在MixEval-Hard测试中进入前十的讯飞星火4.0就是在纯国产算力基座上训练出来的大模型，而且2025年3月3日，科大讯飞发布的深度推理模型X1在数学能力上大幅跃升，以70B参数规模便追平了OpenAI o1和DeepSeek R1。

第三，AI医疗已经从梦想走进现实。HAI报告指出：2023年，美国FDA共批准了223款AI医疗设备，而2015年时这一数字还只有6件。报告还表示，OpenAI的GPT-4在复杂医学问诊的测试中，表现甚至优于医生与AI协作小组。

其实，在中国“AI+医疗”也在大规模落地，并诞生了首个上市公司——讯飞医疗。基于星火深度推理大模型X1首发的星火医疗大模型X1已经应用到智医助理、讯飞晓医APP中，实现AI辅助诊断和用户健康咨询。

3月26日，讯飞医疗发布上市后的首个年报，成绩亮眼，全年实现营业收入7.34亿元，同比增长32.0%；实现毛利4.04亿元，同比增长28.4%。

从斯坦福这份报告可以看出，当前，美国仍然是AI大模型领域的第一名，但是中国企业的追赶速度正在加快，与美国之间的差距极速缩小。同时，推理成本大幅减少，让美国对中国算力的封锁效果变差，国产算力的价值逐渐提高。

在中美各种较量之中，AI技术的较量关乎未来，国产大模型的发展令人振奋。