分析人士预测，未来十年内，人形机器人将在我们的日常生活中变得无处不在。预计到2040年，全球将有数十亿人形机器人投入使用，其工作范围将远远超出当今工厂机器人的范畴，涉及医疗保健、公共空间维护、零售服务和个人助理等诸多领域。 

人形机器人的多功能性取决于复杂的多行业供应链，涵盖半导体、人工智能系统、执行器（将能量转化为运动或力）和传感器。这些机器人需要大量高性能芯片来实现运动控制、感知和决策，这意味着随着人形机器人市场的扩张，半导体行业将迎来前所未有的增长。

人工智能技术的进步，有望大幅推动人形机器人从实验室走向市场，引发了科技界的广泛关注。

在斯坦福人工智能研究所 (Stanford HAI)，相信人工智能将成为21世纪最具变革性的技术。但除非人类精心引导其发展，否则其益处将难以均衡分配。人工智能指数 (AI Index) 提供了最全面、数据驱动的人工智能视角之一。该指数被全球媒体、政府和领先企业视为值得信赖的资源，为政策制定者、商界领袖和公众提供有关人工智能技术进步、经济影响和社会影响的严谨客观的洞察。

根据最新斯坦福人工智能指数报告，大多数（83%）人工智能知识产权和90%的著名基础模型来自中国和美国，其次是法国，占5%。这些技术包括大型语言模型、强化学习、神经网络以及数千种类型的传感器，这意味着此类机器人几乎全部来自中国或美国。

未来，人工智能有望大幅推动人形机器人产业发展。

以下是报告要点

1.人工智能在高要求基准测试中的表现持续提升

2023年，研究人员推出了新的基准测试——MMMU、GPQA和SWE-bench——来测试高级AI系统的极限。仅仅一年后，性能就大幅提升：MMMU、GPQA和SWE-bench的得分分别提升了18.8个百分点、48.9个百分点和67.3个百分点。除了基准测试之外，AI系统在生成高质量视频方面也取得了长足的进步，在某些情况下，语言模型代理甚至在时间有限的编程任务中超越了人类。

2.人工智能日益融入日常生活

从医疗保健到交通运输，人工智能正迅速从实验室走向日常生活。2023年，美国食品药品监督管理局（FDA）批准了223种支持人工智能的医疗设备，而2015年仅有6种。在道路上，自动驾驶汽车已不再是实验品：美国最大的运营商之一Waymo每周提供超过15万次自动驾驶汽车服务，而百度价格实惠的Apollo Go自动驾驶出租车车队目前服务于中国众多城市。

3.企业全面投入人工智能，推动创纪录的投资和使用，因为研究继续表明人工智能对生产力有强大的影响

2024年，美国私人人工智能投资增长至1091亿美元，几乎是中国（93亿美元）的12倍，英国（45亿美元）的24倍。生成式人工智能发展势头尤为强劲，吸引了339亿美元的全球私人投资，较2023年增长18.7%。人工智能的商业应用也在加速增长：78%的组织报告称，2024年他们将使用人工智能，高于前一年的55%。与此同时，越来越多的研究证实，人工智能能够提高生产力，并且在大多数情况下，有助于缩小劳动力的技能差距。

4.美国在生产顶级人工智能模型方面仍然处于领先地位，但中国正在缩小性能差距

2024年，美国机构研发出了40个值得关注的人工智能模型，远超中国的15个和欧洲的3个。尽管美国在数量上保持领先，但中国模型的质量差距已迅速缩小：在MMLU和HumanEval等主要基准测试中，中国和美国的性能差距已从2023年的两位数缩小到2024年的接近持平。与此同时，中国在人工智能出版物和专利数量方面继续保持领先地位。与此同时，模型开发日益全球化，中东、拉丁美洲和东南亚等地区涌现出许多引人注目的模型。

5.负责任的人工智能生态系统发展不平衡

与人工智能相关的事件急剧增加，然而，在主要的工业模型开发者中，标准化的 RAI 评估仍然很少见。然而，像 HELM Safety、AIR-Bench 和 FACTS 这样的新基准测试为评估事实性和安全性提供了有前景的工具。在企业中，识别 RAI 风险与采取有效行动之间仍然存在差距。相比之下，各国政府正表现出越来越强烈的紧迫感：2024 年，全球人工智能治理合作加强，包括经合组织、欧盟、联合国和非洲联盟在内的组织发布了以透明度、可信度和其他负责任人工智能核心原则为重点的框架。

6.全球对人工智能的乐观情绪正在上升，但地区间分歧依然严重

在中国（83%）、印度尼西亚（80%）和泰国（77%）等国家，绝大多数人认为人工智能产品和服务利大于弊。相比之下，加拿大（40%）、美国（39%）和荷兰（36%）等地的乐观程度仍然低得多。不过，情绪正在转变：自2022年以来，一些此前持怀疑态度的国家的乐观程度显著增强，包括德国（+10%）、法国（+10%）、加拿大（+8%）、英国（+8%）和美国（+4%）。

7.人工智能变得更加高效、经济实惠且易于获取

在小型模型能力不断增强的推动下，GPT-3.5 级别系统的推理成本在 2022 年 11 月至 2024 年 10 月期间下降了 280 多倍。在硬件层面，成本每年下降 30%，而能效每年提升 40%。开放权重模型与封闭模型的差距也在缩小，在某些基准测试中，一年内性能差距从 8% 缩小到 1.7%。这些趋势正在迅速降低高级人工智能的门槛。

8.各国政府正在加大对人工智能的监管和投资力度

2024年，美国联邦机构出台了59项与人工智能相关的法规，数量是2023年的两倍多，发布的机构数量也是2023年的两倍。在全球范围内，自2023年以来，75个国家的立法中对人工智能的提及增长了21.3%，是2016年的九倍。除了日益增长的关注度外，各国政府也在大规模投资：加拿大承诺投资24亿美元，中国启动了475亿美元的半导体基金，法国承诺投资1090亿欧元，印度承诺投资12.5亿美元，沙特阿拉伯的“超越计划”（Project Transcendence）是一项1000亿美元的计划。

9.人工智能和计算机科学教育正在扩大，但在获取和准备方面的差距仍然存在

目前，三分之二的国家提供或计划提供K-12计算机科学教育，数量是2019年的两倍，其中非洲和拉丁美洲的进步最为显著。在美国，过去10年中，拥有计算机学士学位的毕业生数量增长了22%。然而，由于电力等基础设施的缺口，许多非洲国家仍然难以获得此类教育。在美国，81%的K-12计算机科学教师认为人工智能应该成为基础计算机科学教育的一部分，但只有不到一半的教师认为自己有能力教授人工智能。

10.工业界在人工智能领域正在快速发展，但前沿领域正在缩小

2024年，近90%的知名AI模型来自工业界，高于2023年的60%，而学术界仍然是高引用率研究的主要来源。模型规模持续快速增长——训练计算量每五个月翻一番，数据集每八个月翻一番，功耗每年增长。然而，性能差距正在缩小：排名前十的模型之间的得分差距在一年内从11.9%缩小到5.4%，前两名之间的差距现在仅为0.7%。这个前沿领域的竞争日益激烈，竞争也日益激烈。

11.人工智能因其对科学的影响而获得最高荣誉

人工智能日益增长的重要性体现在重大科学奖项中：两项诺贝尔奖分别表彰了深度学习（物理学）及其在蛋白质折叠中的应用（化学）的工作，而图灵奖则表彰了强化学习的突破性贡献。

12.复杂推理仍然是一个挑战

人工智能模型在国际数学奥林匹克等任务上表现出色，但在像 PlanBench 这样的复杂推理基准测试中却举步维艰。即使存在可证明的正确解决方案，它们也常常无法可靠地解决逻辑任务，这限制了它们在精度至关重要的高风险环境中的有效性。