对 2025 年人工智能的进展、应用和社会影响的全面年度调查，涵盖研发、技术性能、负责任的 AI、经济、科学、医学、教育、政策和治理以及全球公众舆论。
快速导航
标签
分享幻灯片
对 2025 年人工智能的进展、应用和社会影响的全面年度调查，涵盖研发、技术性能、负责任的 AI、经济、科学、医学、教育、政策和治理以及全球公众舆论。
每张幻灯片页面的详细视图，包括布局、关键内容和视觉元素。
《2026年人工智能指数报告》第9版完整封面，以斯坦福HAI品牌为特色，采用红色/珊瑚色调和抽象几何图案。
全出血封面，标题居中，底部为版本号和斯坦福HAI标志
正式扉页，列出斯坦福以人为本的AI（HAI）作为出版商、编辑团队鸣谢、版权声明以及第9版年度报告的出版详情。
简洁的白色页面，文本层级居中，顶部为HAI标志，底部为出版元数据
目录的第一页，列出第1章到第5章的页码、章节标题以及每个章节范围的简短一行描述。
两栏布局，左侧为章节编号，右侧为标题和页码参考；彩色编码的章节标签
目录的第二页，涵盖第6章到第9章以及附录，包含页码和章节的单行描述。
延续第3页风格的两栏目录布局
来自HAI主任（包括李飞飞）的开篇前言，介绍了第9版年度AI Index的意义，并将2025年AI的快速发展置于背景之中。
单栏文本，右上角插图为主任照片，HAI页眉横幅
前言的延续，讨论了AI对社会变革的影响、数据驱动的AI政策的重要性以及HAI指导以人为本的AI发展的使命。
带有小节副标题的单栏文本布局
前言的第三页，介绍了HAI在多个维度上跟踪AI进展的方法，并感谢2026年报告的全球贡献者团队。
带有致谢段落和贡献者名单的单栏文本
前言的最后一页，HAI领导层对2025-2026年AI发展的风险以及对政策制定者和研究人员的行动号召的总结。
以主任签名块结尾的单栏文本
执行摘要的开篇，介绍了2025年AI的总体叙述：能力快速提升、投资加速、政策活动增加以及社会辩论。
全宽介绍段落，后跟10个关键要点的编号列表预览
关键要点1到3：（1）AI能力随着基准饱和而激增；（2）美国私人AI投资达到2859亿美元；（3）自2019年以来，AI事件和危害跟踪显示增加了1000％。
三面板布局，每个面板都有要点编号、粗体标题、支持数据点和小图标
关键要点4到6：（4）AI代理现在解决了50％以上的实际GitHub问题；（5）FDA在2025年批准了258种支持AI的医疗设备；（6）46个国家/地区已采用国家AI战略。
与第10页风格匹配的三面板布局
关键要点7到9：（7）80％的学生使用生成式AI进行课程作业；（8）欧盟《AI法案》禁止的做法于2025年2月生效；（9）全球59％的受访者对AI持乐观态度。
与第10-11页匹配的三面板布局
最终执行摘要要点 (10)：AI 诺贝尔奖的认可标志着科学史上的里程碑，以及一个亮点图表，一目了然地展示了所有九个章节的关键指标。
上半部分为单一要点面板；下半部分为摘要指标仪表板
可视化摘要图表，显示主要报告维度（投资、出版物、模型发布、政策行动和采用率）的同比增长指标。
全宽分组条形图，具有颜色编码的类别和 x 轴上的年份标签
世界地图可视化，显示各国在研究产出、私人投资、政策采纳和人才集中度等维度上的 AI 活动水平。
全宽世界地图，具有颜色渐变强度等级和顶部国家/地区的国家标注
简要解释 AI Index 的数据收集方法，定义报告范围内的 AI 构成，并列出各章节使用的主要数据来源。
两栏文本，侧边栏中包含来源列表，并插入方法图
读者导航指南，解释章节结构、如何查找特定主题、在线交互式数据访问以及 AI Index 2026 的引用指南。
单栏文本，带有在线资源和章节导航技巧的标注框
全出血章节开篇页，深海军蓝/板岩灰色背景，大型白色第 1 章数字，标题为“研究与开发”，并附有一段简短的章节概述。
全出血深色背景，超大章节编号左对齐，标题和描述右对齐
第 1 章的介绍性文本，总结了关键的 R&D 发现：2025 年发布了大约 200 个值得注意的 AI 模型，基准饱和加速，开源模型正在缩小与专有系统的差距。
单栏介绍，突出显示了关键统计数据的引述
条形图显示了 2019 年至 2025 年每年发布的值得注意的 AI 模型数量，说明了显着的加速，仅在 2025 年就发布了大约 200 个值得注意的模型。
全宽条形图，x 轴上带有年份标签，y 轴上带有计数，条形图以章节海军蓝/板岩主题着色
堆叠条形图按组织类型（行业、学术界、政府和民间社会）细分了 2025 年的 AI 模型发布，显示了行业的主导份额。
带有组织类型类别和图例的堆叠水平条形图
2025 年 AI 模型来源的地理细分，显示了美国、中国、英国、欧洲和其他地区，其中美国产生了最大份额的值得注意的前沿模型。
世界地图，气泡大小表示每个国家/地区的模型发布量，以及随附的条形图
2025 年基础模型概述部分，定义了该术语，列出了关键的前沿模型（GPT-4o、Gemini 2.0、Claude 3.5、Llama 3、DeepSeek），并解释了它们的架构意义。
文本繁重的章节介绍，带有模型名称标注框和比较表
水平时间线可视化，显示了 2025 年主要基础模型的发布日期，按组织和模型系列组织。
水平时间线，模型标签位于线上方/下方，组织颜色编码
折线图比较了 2020-2025 年开源与专有 AI 模型在标准化基准测试上的性能轨迹，显示到 2025 年底差距正在缩小。
双线图，开源（虚线）和专有（实线），y 轴为基准分数，x 轴为年份
对 2025 年开源 AI 生态系统增长的分析，包括 GitHub star 数量、顶级模型的下载量，以及 Hugging Face 等平台在普及 AI 访问方面的作用。
混合布局，左侧为文本分析，右侧为显示下载/star 指标的条形图
折线图显示了 2010-2025 年按地区划分的 AI 相关学术出版物总数，表明中国在数量上领先，而美国在高度引用的论文中继续保持领先地位。
多线图，带有区域颜色编码，对数刻度 y 轴选项，x 轴为年份
按国家/地区划分的 AI 出版物数量与引用影响力的散点图，说明了美中出版物数量-质量动态以及欧盟的引用表现。
散点图，国家/地区气泡大小由出版物总数决定，x 轴为数量，y 轴为每篇论文的引用次数
堆积面积图显示了 2015-2025 年按研究子领域（NLP、计算机视觉、机器人技术、ML 理论等）划分的 AI 出版物增长情况，其中 NLP 和生成式 AI 呈现爆炸式增长。
堆积面积图，带有子域颜色层，年份 x 轴，出版物数量 y 轴
条形图比较了 AI 研究出版场所——顶级会议（NeurIPS、ICML、CVPR、ICLR、ACL）与期刊——以及它们在 2025 年高影响力 AI 研究中的相对份额。
并排条形图比较，y 轴为场所名称，x 轴为论文数量
AI 中基准饱和度的介绍性分析，解释了到 2025 年，许多先前具有挑战性的基准测试已基本解决，因此需要更困难的评估任务。
文本部分，带有基准饱和度图，显示任务从“未解决”区域移动到“饱和”区域
散点图显示了 50 多个基准测试中 AI 性能与人类性能的对比，颜色编码指示 AI 性能超过人类水平的基准测试。
大型散点图，带有人类同等水平对角线、基准名称注释、高于/低于人类水平的颜色编码
对数刻度折线图跟踪了 2012-2025 年前沿 AI 模型使用的训练计算量（以 FLOPs 为单位），显示了大约 6 个月的翻倍时间和数量级的增长。
对数刻度折线图，带有模型名称注释，x 轴为时间，y 轴为对数 FLOPs
AI 训练成本趋势分析，显示虽然每个模型的计算量增加，但每单位计算的成本已大幅下降，双轴图说明了这两种趋势。
双轴图，左轴为每 FLOP 的计算成本，右轴为每个模型的训练成本
图表显示了 2020-2025 年 AI 推理效率的提高：每秒 tokens 数、每百万 tokens 的成本以及实现同等性能所需的模型大小都在大幅提高。
三个面板的小倍数图，每个图显示一个随时间变化的效率指标
2025 年 AI 硬件发展的概述：GPU/TPU 的进步、主要科技公司的新型定制 AI 加速器以及推理优化芯片的出现。
文本概述，带有比较硬件规格表和市场份额饼图
条形图和文本分析显示了前沿模型所用训练数据集规模的增长，从数十亿到数万亿个token，以及向合成数据生成的转变。
条形图显示了按模型划分的数据集大小，并附有文本评论列
2025年多模态AI能力分析——整合文本、图像、音频和视频的模型——能力矩阵显示了哪些模型支持哪些模态。
能力矩阵表，模型名称作为行，模态作为列，单元格中包含复选标记/分数
关于2025年涌现的以推理为中心的模型（例如，OpenAI o-series, DeepSeek-R1）的章节，解释了推理时的chain-of-thought，以及在困难推理任务上的基准改进。
文本部分，包含显示推理模型与标准模型性能对比的图表
2025年发布的AI Agent系统介绍，涵盖了支持多步骤自主任务完成、工具使用和Agent工作流程的架构。
Agent架构的概念图（感知→推理→行动循环），附带文本解释
按国家/地区对AI研发领导力进行比较分析，包括出版量、引用影响力、专利申请、模型发布和私人投资等维度。
每个顶级国家/地区的雷达/蜘蛛图（美国、中国、英国、欧盟、加拿大、印度），具有五个维度轴
条形图显示了2015-2025年按国家/地区划分的AI专利申请，其中中国的原始专利数量超过了美国，而美国在高度引用的专利方面保持领先地位。
按国家/地区分组的条形图，按年份分组，y轴为专利计数
关于2025年新成立的AI公司的数据，显示了AI原生初创公司的激增以及美国、欧盟和亚洲新AI企业的地理分布。
用于初创公司形成的世界地图气泡图，加上顶级初创公司中心的条形图
对前沿AI模型开发中的市场集中度进行分析，表明少数组织（OpenAI, Google, Anthropic, Meta, Mistral, DeepSeek）占据了大多数前沿版本。
饼图显示了按组织划分的前沿模型发布份额，以及文本分析
AI研究人才流动分析：研究生项目入学趋势、AI研究人员的地理迁移，以及顶级AI人才在少数机构和公司的集中。
桑基图显示了国家/地区之间的人才流动，以及顶级机构的条形图
按2025年的出版物产出和引用影响力对顶级AI研究机构进行排名列表和条形图，包括大学和行业实验室。
水平排名条形图，y轴上显示机构名称，x轴上显示双重指标
2025年最重要的AI研究和开发里程碑的时间表，从模型发布到科学突破和政策事件。
垂直时间表，带有里程碑条目，左侧为日期，右侧为描述，类别颜色编码
2025年机器人技术和具身AI的AI进展概述：用于操作的基础模型、运动改进以及通用机器人策略的出现。
带有机器人能力基准图表和说明性照片的文本概述
对2025年图像和视频合成的生成式 AI 进展分析，包括扩散模型、视频生成质量改进和实时生成能力。
文本分析，包含质量指标进展图表和示例能力描述
2025年音频和语音合成领域生成式 AI 进展概述：语音克隆、音乐生成、实时翻译和环境语音识别改进。
文本概述，包含语音识别错误率和语音质量评分的性能指标图表
关于2025年 AI 代码生成进展的章节，涵盖 HumanEval 和 SWE-bench 上的模型能力，以及 AI 编码助手在开发者工作流程中的集成。
性能基准进展图表，以及包含开发者采用统计数据的文本分析
对2025年获得关注的新兴 AI 研究主题的分析：机制可解释性、AI 对齐、持续学习、测试时计算扩展和神经形态方法。
主题聚类可视化，包含每个主题的出版物增长图表
通过跨国合作的共同作者身份来衡量国际 AI 研究合作的数据，展示合作模式以及中美研究日益脱钩。
国际共同作者关系流动的弦图，包含文本评论
2025年 AI 研究资金来源的细分：政府拨款、行业资助、慈善投资以及行业资助的学术研究份额不断增长。
显示资金来源份额随时间变化的堆叠条形图，包含文本分析
对大型科技公司、学术机构和低收入国家的研究人员之间在 AI 计算资源获取方面存在的差距进行分析，突出计算鸿沟。
比较条形图，显示计算资源分配情况，并包含关于获取不平等的文本分析
关于2025年 AI 能源消耗增长的数据：前沿模型训练的估计能源使用量、大规模推理以及归因于 AI 工作负载的数据中心电力需求增长。
AI 相关的能源需求折线图，包含碳当量注释和文本评论
截至2025年，对 AI 领域主要开放性研究问题的讨论：长程推理、可靠的规划、对分布偏移的鲁棒性、可解释性和组合泛化。
结构化文本，包含问题陈述框和每个研究挑战的引用次数
第一章的摘要统计页面，以仪表板格式呈现最重要的定量发现：模型发布、计算增长、出版物数量和开源指标。
大型数字统计信息的仪表板网格，包含支持性的迷你图和简短的文本标签
第一章的参考注释，引用主要数据来源、出版物和专利数据的方法论注释，以及研发章节中使用的关键术语的定义。
双栏脚注/尾注格式，包含来源引用和编号的参考文献
第一章中引用的延伸阅读资源和关键论文的精选列表，按章节主题组织，包含简短的注释。
结构化的阅读列表，包含章节标题和带注释的条目
全幅出血的章节开篇，深海军蓝/蓝色背景，大型白色第二章数字，标题“技术性能”，以及对2025年衡量的 AI 性能进展的简要概述。
全幅出血的深海军蓝背景，超大章节编号，白色标题和描述
技术性能章节的介绍，解释了基准测试框架、关于基准饱和的注意事项以及跨任务类别组织性能数据。
单列介绍文本，带有章节部分概述图
2025年 MMLU、MMLU-Pro、BIG-Bench Hard 和 HellaSwag 的语言理解基准性能概述，显示 AI 模型在大多数任务上达到或超过人类性能。
多条形比较图，y 轴为基准名称，x 轴为顶级模型的性能得分
折线图跟踪 2020-2025 年 MMLU 和 MMLU-Pro 基准上的顶级模型性能，展示了从 60% 到接近人类和超人类水平的快速进展。
具有 MMLU 和 MMLU-Pro 趋势的双线图，模型里程碑注释，人类性能参考
条形图显示了 2025 年竞赛数学基准（AIME、AMC、MATH）上的 AI 性能，领先的推理模型获得了顶级的人类竞争分数。
按基准分组的条形图，带有模型比较条，人类专家基线参考
折线图跟踪 2020-2025 年 MATH 数据集上的 AI 性能，显示了 2024-2025 年的拐点，当时推理模型显着提高了数学问题解决能力。
折线图，带有关键模型注释，突出显示拐点，人类分数参考线
2025 年 HumanEval、HumanEval+ 和 MBPP 基准上的 AI 编码性能比较，显示原始 HumanEval 上的接近饱和以及在更难变体上的强大性能。
条形图比较了三个基准上具有人类开发者基线的顶级编码模型
折线图和条形图显示了 2023-2025 年 SWE-bench（实际 GitHub 问题解决）上的 AI 代理性能，领先的代理现在解决了超过 50% 的问题。
左：随时间推移的最佳性能折线图。右：具有解决率的顶级代理的条形图
对需要多文件编辑、测试编写、跨大型代码库调试和工具使用的 agentic 编码任务的 AI 性能分析——超越了单功能 HumanEval 风格的任务。
基准比较表，带有任务类别行和模型性能列
条形图显示了 GPQA（研究生级别 Google-Proof 问答）在物理、化学和生物学子域上的顶级模型性能，前沿模型超过了博士级别的人类性能。
按科学领域分组的条形图，带有模型比较和博士级别的人类基线
跨科学推理任务（GPQA、SciQ、ARC-Challenge、OlympiadBench）的多基准比较，显示了相对于专家人类基线的 AI 模型性能。
每个顶级模型的雷达图，显示多基准性能概况
2025 年对形式逻辑、定理证明和结构化推理任务的 AI 性能分析，包括 LeanDojo、FrontierMath 和逻辑演绎基准的性能。
按推理任务类别划分的性能条形图，带有文本分析
AI模型在长文本任务上的性能分析，这些任务需要理解多达100万个token的文档，结果显示性能有显著提升，但在非常长的文本上下文中仍然存在挑战。
性能与上下文长度的折线图，包含模型对比线
对2023-2025年AI模型事实准确性和幻觉率的分析，显示在有根据的生成方面有所改进，但在开放域设置中仍然存在持续的幻觉挑战。
比较各模型幻觉率的条形图，包含改进趋势线
2025年AI模型在指令遵循基准测试（IFEval, MT-Bench）上的性能数据，显示在遵循复杂、多约束指令方面取得了显著进展。
条形图，x轴为指令复杂程度等级，y轴为顶部模型的合规率
2025年视觉-语言模型在视觉问答、图像描述和图表理解等任务上的基准测试结果，显示AI正在接近或超过人类的表现。
顶部视觉-语言模型的多基准比较条形图
2025年AI视频理解模型在时间推理、动作识别和视频问答基准测试上的性能分析。
比较多个基准测试中顶级视频模型的条形图，包含人类性能基线
2015-2025年AI语音识别系统的词错误率趋势，涵盖多种语言和口音群体，显示在高资源语言中接近人类水平。
按语言组划分的WER随时间变化的多线图
2021-2025年AI图像生成质量的人工评估分数，显示在照片真实感、连贯性和提示遵循方面取得了显著改进。
质量分数随时间变化的折线图，包含带注释的模型发布和示例输出描述
条形图显示2025年AI Agent在标准化Agent基准测试（WebArena, OSWorld, AgentBench）上的任务完成率，突出显示了在通用自主任务执行方面的进展。
按基准测试分组的条形图，包含Agent系统比较条和基线参考
AI Agent在网页浏览、计算机使用和GUI交互任务上的性能分析，显示了领先Agent系统的成功率和失败模式分析。
按任务类型划分的成功率条形图，包含失败模式分解图
AI Agent在需要10个以上连续步骤的长程规划任务上的性能数据，显示了当前的局限性以及短任务和长任务性能之间的差距。
多个Agent系统的性能下降与任务步骤增加的折线图
使用BLEU和人工评估分数对200多种语言对的AI翻译质量进行分析，显示高资源语言对接近专业质量，而低资源语言对存在显著差距。
翻译质量的世界语言热图，加上表现最佳/最差语言对的条形图
2025年AI文本摘要和长文本生成质量的基准测试，包括人工评估一致性分数和事实准确性指标。
比较各模型摘要质量的条形图，包含人工评估结果
分析AI模型对分布偏移、对抗性输入和分布外测试用例的稳健性，表明尽管总体能力有所提高，但仍然存在脆弱性。
分组条形图，比较不同模型类型在分布内与分布外（OOD）的性能差距
综合比较图表，展示AI与人类在30多个不同任务中的性能对比，并用视觉标记突出显示AI现在超越人类性能的任务。
水平点图，y轴为任务名称，AI和人类的分数作为配对点，“AI超越”阴影
关于新引入的难题基准测试的性能数据，这些基准测试旨在抵抗2025年的饱和：FrontierMath、MMMU-Pro 和 Humanity's Last Exam，展示了当前前沿模型的能力。
顶部模型在三个难题基准测试上的得分的条形图，并包含人类专家基线
2025年测试时计算缩放范式的分析：通过思维链、搜索和自我验证等方式增加推理计算如何提高难题任务的性能。
折线图，显示推理模型的性能与推理计算预算的关系
AI模型校准分析——模型置信度分数与实际准确率的匹配程度——显示顶级模型的校准有所改进，但仍然存在挑战。
多个模型的校准曲线图，带有理想的校准对角线参考
热图显示AI模型在100多种语言的标准NLP基准测试中的性能，突出了高资源语言组和低资源语言组之间的显著性能差距。
语言-基准热图，带有性能颜色梯度和区域分组
专业领域的基准性能总结：法律（律师资格考试）、医学（USMLE）、金融（CFA）和会计，展示了达到或超过专业及格分数的前沿AI模型。
四个领域的专业考试及格分数与AI模型分数的条形图
2025年战略游戏和模拟中AI性能概述，包括国际象棋、围棋、扑克和实时战略游戏，显示大多数游戏类别中的超人性能。
AI与顶级人类玩家在游戏类型中的评分比较图
具身AI系统在操作、导航和灵巧控制任务中的基准性能数据，显示了显著的进步，但与人类性能仍有差距。
顶级机器人AI系统按任务类别划分的成功率条形图
2025年每美元推理成本的AI性能分析，显示成本效率的显著提高，从而普及了对高性能AI的访问。
顶部模型的性能与每次查询成本的散点图，带有基于时间的趋势箭头
2025年排名前10位的前沿模型在15个基准类别中的直接能力比较，提供了当前AI能力格局的结构化概述。
大型比较表，模型名称作为行，基准类别作为列，颜色编码的性能层级
总结折线图，显示2018-2025年五个主要任务类别（语言、数学、代码、科学、多模态）的性能趋势，说明了AI进步的加速。
五个面板的小倍数折线图，每个图显示一个类别随时间的趋势
关于AI基准设计局限性的方法论讨论，包括数据污染问题、基准过拟合以及衡量通用智能的挑战。
文本分析，带有说明性污染图和基准质量标准清单
关于AI模型在安全和对齐相关基准上的性能数据：TruthfulQA、BBQ偏差评估和越狱抵抗测试，展示了进展和剩余的挑战。
条形图，比较顶级模型在安全基准上的得分，并附有文本评论
第2章的参考注释，包含数据来源引用、基准方法论参考以及本章中使用的性能指标的定义。
双栏尾注格式，带有编号的引用和来源参考
第2章的精选拓展阅读列表，按基准类别组织，包含关键论文和排行榜资源，以便继续探索AI技术性能。
结构化阅读列表，带有类别标题和注释条目
对思维链提示对推理性能的影响进行深入分析，表明显式的逐步推理可以提高数学、逻辑和科学基准的性能。
条形图，比较有/无CoT的性能，加上对机制的文本分析
对2025年检索增强生成（RAG）系统性能的分析，表明将LLM与外部知识检索相结合如何显著提高事实准确性。
条形图，显示跨知识领域有无RAG的事实准确性
AI模型在结构化数据任务上的基准性能：SQL生成、表格QA和财务数据解释，显示出强大但并不完美的性能。
结构化数据任务性能的条形图，带有任务类型细分
对AI性能基准测试中可重复性挑战的分析，包括对提示措辞、温度设置和评估协议变化的敏感性。
方差分析图，显示性能对提示变化的敏感性，并附有文本评论
对2025年观察到的涌现AI能力的讨论——随着模型规模的增加而不连续地出现的能力——以及关于涌现是真实的还是评估的人为产物的例子和辩论。
文本分析，带有涌现示例表和规模与能力散点图
2025年AI基准测试生态系统概述：关键排行榜、评估组织（HELM、BIG-bench）以及随着模型改进而保持有意义评估的挑战。
生态系统图，显示主要基准、组织及其关系
需要整合文本和视觉信息的多模态推理任务的性能数据，包括科学图表和带有数字的数学。
顶级多模态模型在推理任务类型上的基准比较条形图
对基准性能与现实世界部署性能之间差距的分析，包括对分布偏移、边缘情况以及基准-部署性能相关性的讨论。
散点图，比较实验室基准得分与应用程序的现实世界性能估计
第二章总结仪表板，展示了主要的性能发现：AI在X项任务上达到人类水平，在Y项任务上超过人类专家，以及关键的突出挑战。
包含大量统计数字、任务类别细分和关键发现标注框的总结仪表板
2025年AI在竞争性编程基准（CodeForces、IOI问题）上的表现，展示了前沿模型达到高Codeforces评分水平。
AI系统级别映射到人类百分位数等效值的评分比较图
2025年AI在国际数学奥林匹克竞赛（IMO）风格问题上的详细分析，前沿模型在选定的问题集中实现了相当于金牌的表现。
模型比较和IMO奖牌阈值注释的问题难度与解决方案比率图
AI系统在科学文献综述任务中的表现：准确总结论文，识别方法论错误，以及综合多篇论文的发现。
文献综述子任务的准确性比较条形图，带有模型比较
详细的多语言基准性能（XTREME、XGLUE、mMMLU），显示了英语和非英语任务之间的性能差距，并分析了低资源语言的挑战。
按语言和基准的性能热图，带有语系分组
2025年关于AI说服能力的研究发现：研究表明，在A/B测试中，AI生成的说服性文本优于人类撰写的文本，引发了对操纵的担忧。
说服研究结果的条形图，带有对影响和风险讨论的文本分析
2025年AI模型记忆能力的分析：上下文记忆限制、外部记忆增强以及支持更长时程任务的状态代理系统。
具有依赖于记忆的任务的性能数据的记忆架构比较图
2025年AI模型使用外部工具（API、计算器、搜索引擎、代码解释器）的性能数据，显示了可靠工具使用的显著改进。
按工具类型和模型的工具使用任务的成功率条形图
针对科学任务的特定领域AI模型概述：蛋白质结构、材料科学、气候、基因组学，以及它们相对于通用模型的性能。
性能比较表：跨科学领域的专家模型与通用模型
AI文档理解任务的基准性能：PDF解析、表单提取、合同分析以及2025年的复杂文档QA。
具有任务类型细分和模型比较的文档任务性能条形图
2025年AI模型对抗对抗性攻击的鲁棒性分析，包括图像扰动攻击、LLM的提示注入以及防御机制的有效性。
具有防御方法比较和文本分析的攻击成功率条形图
第二章关键主题的总结分析：AI能力提升的加速，保持基准有意义的挑战，以及AI在不断扩展的任务集中超越人类表现的影响。
文本结论，带有按人类水平状态显示基准类别的总结图表
全出血章节开篇，深青色背景，大型白色第 3 章数字，标题“负责任的 AI”，以及对本章重点关注 AI 安全、偏见、危害和治理的简要概述。
全出血深青色背景，超大章节编号，白色标题和描述
负责任的 AI 章节介绍，解释了衡量 AI 危害、安全研究、偏见评估和 2025 年实践中治理的框架。
单列介绍，包含章节概述图和关键定义框
折线图显示了 AIAAIC 数据库跟踪的 2012-2025 年与 AI 相关的事件数量，表明在此期间增长超过 1000%，并且从 2022 年开始急剧加速。
全宽折线图，带有年份 x 轴，事件计数 y 轴，关键事件峰值已标注
堆叠条形图按危害类别细分了 2025 年的 AI 事件：虚假信息/深度伪造、侵犯隐私、歧视、自主系统故障和网络安全漏洞。
堆叠水平条形图，带有危害类别颜色编码和百分比标签
世界地图和条形图显示了 2025 年报告的 AI 事件的地理分布，其中美国、欧盟和中国占跟踪事件的大部分。
世界地图，带有事件密度气泡，以及按事件计数排名的前 15 个国家/地区的条形图
2025 年 AI 生成的虚假信息事件分析：针对选举的深度伪造视频、合成音频欺诈以及大规模传播的 AI 生成的新闻文章。
2025 年主要深度伪造事件的时间表，带有文本分析和检测能力图表
比较 2025 年深度伪造检测技术性能与深度伪造生成质量，显示了持续的军备竞赛，检测始终落后于生成。
生成质量与检测准确率随时间变化的双线图，带有军备竞赛差距标注
2025 年 AI 系统中偏见测量和缓解研究的概述，涵盖招聘算法、信用评分、医疗分诊以及跨人口群体的面部识别。
偏见类型和缓解方法框架图，带有文本概述
2025 年 AI 招聘工具的偏见审计实验结果，显示自动化简历筛选系统中种族、性别和年龄的差异筛选率。
按人口群体划分的筛选率条形图，带有差异比率标注
2025 年医疗保健 AI 算法中的偏见分析，重点关注跨种族和社会经济群体的诊断 AI 的差异准确性以及性能差距的原因。
跨多个 AI 工具的按人口群体划分的诊断准确率条形图
关于信贷评分和金融服务中 AI 偏见的数据，显示了在 AI 辅助贷款中跨人口群体的差异贷款批准率和风险评分分布。
按人口统计划分的批准率和评分分布条形图，带有文本分析
2025 年跨人口群体的面部识别系统的基准结果，显示尽管取得了进展，但准确率差异仍然存在，并分析了监管响应。
按人口群体划分的错误率比较图表，带有监管响应标注
折线图，追踪2015-2025年AI公平性和偏差缓解研究出版物的数量，显示该领域随着企业公平承诺的增加而快速增长。
出版物数量的折线图加上按年份划分的企业公平倡议公告的条形图
折线图，显示2016-2025年AI安全研究出版物和专门的安全研究组织的增长，表明该领域的快速制度化。
安全出版物和安全组织数量随时间变化的双线图
2025年活跃的主要AI安全研究组织概览：Anthropic、DeepMind Safety、ARC Evals、Redwood Research、METR、Apollo Research等。
网格中的组织简介卡片，包含每个组织的成立日期、重点领域和关键产出
2025年主要AI实验室中AI红队测试采用情况的分析，表明红队测试已成为标准实践，NIST和政府框架正在制定新兴标准。
采用时间轴图加上红队测试方法和发现的文本分析
2025年主要AI实验室披露的红队测试发现总结：常见漏洞类别、越狱技术普及率以及不同防御方法的有效性。
漏洞类别条形图，附带防御有效性比较表
2025年AI生成内容水印和检测技术概览：C2PA溯源标准、AI文本检测器以及主要平台对图像水印的采用。
技术格局图，包含采用指标和有效性的文本分析
2025年AI隐私风险和保护措施分析：训练数据记忆、模型反演攻击、差分隐私采用以及监管合规挑战。
风险分类图，附带隐私保护技术采用率图表
2025年AI在网络安全中的双重角色分析：AI驱动的威胁检测和防御与AI支持的攻击自动化，以及两者的事件发生率数据。
AI防御应用和AI攻击应用的并排条形图，附带文本分析
2025年前沿AI实验室使用的能力评估框架概览，用于在模型部署之前评估危险能力，包括CBRN提升测试。
评估框架图，包含能力类别定义和实验室采用表
2025年主要AI风险分类和框架的比较：NIST AI RMF、欧盟AI法案风险等级、OECD AI风险框架以及行业开发的风险分类。
四个框架的并排比较表，其中风险类别在框架之间映射
2025年美国联邦机构和私营部门组织中NIST AI RMF采用率的数据，显示出增长但参差不齐的采用情况。
按部门和组织规模划分的采用率条形图，附带文本分析
2025年模型卡片和AI透明度文档采用情况的分析，显示主要实验室的披露有所增加，但整个行业的标准和深度不一致。
采用指标条形图加上质量记分卡，比较主要实验室的模型卡片深度
2025年军事和国防领域中AI应用概述：自主武器开发、目标锁定AI、AI支持的监视以及国际法挑战。
文本分析，附带全球部署地图和风险因素标注框
2025年刑事司法环境中AI使用的数据：预测性警务、量刑算法、保释决策工具，以及记录在案的偏见问题和法律挑战。
美国各州采用地图，附带偏见审计结果图表和法律挑战时间表
2025年AI驱动的监控技术全球部署分析：公共场所的面部识别、行为监控以及国家层面的采用和限制。
监控技术采用的世界地图，附带监管限制叠加层
2025年日益增长的AI环境影响问题分析，重点关注数据中心用水量、AI工作负载的碳排放以及主要AI公司的可持续发展倡议。
每家公司的环境指标条形图，附带可持续发展承诺对比表
2025年与AI相关的劳工问题概述：数据标记员的工作条件、内容审核员的心理健康以及AI驱动的失业讨论。
文本分析，附带标记员工作条件调查数据和失业预测图表
2025年AI在主要平台内容审核中的作用分析，包括有害内容类别的检测准确性以及边缘化群体误报的挑战。
按内容类型划分的准确性指标条形图，附带按社区划分的误报率细分
2025年主要AI公司的企业AI负责任使用政策概述，包括使用政策、禁止的使用案例和执行机制。
主要AI公司之间的政策对比表，附带用例禁止清单
行业内AI治理实践的调查数据：拥有AI伦理委员会、负责任的AI团队、影响评估和治理审查流程的公司百分比。
按公司规模和行业划分的治理实践采用率条形图
2025年国际AI安全协调工作概述：巴黎AI安全峰会、布莱切利园后续行动、首尔AI宣言以及多边安全研究倡议。
国际安全峰会和协议的时间表，附带承诺的文本分析
2025年重大AI事件的三个详细案例研究：一次重大的deepfake选举虚假信息活动、一个医疗保健AI诊断错误集群以及一系列自动驾驶汽车事故。
三面板案例研究布局，每个案例包含事件描述、响应和经验教训
2025年AI模型在危险能力评估基准上的性能数据，包括CBRN提升评估和部署前测试中使用的生物安全风险评估。
能力评估结果的条形图，附带风险等级阈值和实验室比较
2025年AI对齐研究方法概述：RLHF/RLAIF、宪法AI、辩论和放大、机械可解释性以及可扩展的监督技术。
研究方法分类图，附带每种方法的出版量图表
对2025年AI可解释性和可说明性研究增长的分析，涵盖机械可解释性技术、显著性图，以及它们在受监管行业中的实际部署。
出版物增长折线图以及受监管行业中的采用率条形图
关于2025年AI心理健康应用和相关风险的数据：基于聊天机器人的心理健康支持部署、有效性数据，以及涉及有害AI心理健康互动的事件。
具有有效性图表和事件类别细分的部署指标
2025年与AI系统相关的儿童安全问题概述：CSAM检测、适合儿童年龄的AI体验、儿童在教育中对AI的使用以及监管保护。
带有监管环境图和安全措施采用图表的文本分析
关于2025年领先的偏差缓解技术有效性的实验数据，比较了跨偏差指标的预处理、处理中和后处理方法。
按技术划分的偏差指标减少的比较条形图，以及准确性成本分析
关于2025年负责任的AI职位角色的数据：AI伦理学家、AI安全工程师、负责任的AI项目经理职位发布、薪资以及该领域的供需缺口。
职位发布趋势图和薪资比较，以及供需缺口标注
2025年新兴的AI审计生态系统概述：第三方审计师、算法审计标准、各个司法管辖区的强制性审计要求以及行业自我评估工具。
AI审计组织的生态系统图，以及监管要求比较表
对2025年特定于开源模型发布的负责任的AI问题的分析，包括双重用途风险、发布后安全和社区安全实践。
开源AI的风险分类，以及缓解方法比较和文本分析
巴黎AI安全峰会（2025年2月）的成果摘要以及随后的国际安全承诺，包括GPAI行为准则的里程碑。
每个峰会的成果摘要卡片，以及承诺跟踪状态指标
第三章的摘要仪表板，展示了关键的负责任的AI指标：AI事件增长、偏差审计结果、安全研究增长和治理采用率。
带有大数字统计信息、趋势迷你图和关键发现标注框的仪表板网格
对2025年AI系统生成有毒、有害或不适当输出的倾向的分析，包括毒性基准测试结果和安全微调的有效性。
带有模型改进趋势和文本分析的毒性率比较条
2025年AI版权和知识产权挑战概述：训练数据权利、AI生成内容的IP状态、主要法律案件以及新兴的监管框架。
带有政策框架比较和文本分析的法律案件时间表
对2025年针对选举的有记录的AI支持的虚假信息活动的分析，包括规模估计、平台响应和检测挑战。
带有规模估计和平台响应比较表的活动时间表
对 2025 年 AI 部署链中责任缺口的分析：开发者、部署者和用户之间的责任分散，以及分配责任的努力。
责任缺口图，包含跨司法管辖区的责任框架比较
2025 年 AI 系统对人权的影响概述，从监视和自由表达，到获得公正和自动化决策中获得解释的权利。
权利影响矩阵表，AI 应用为行，人权为列，带有影响评级单元格
第 3 章中引用的技术安全评估方法预览，包括红队协议、能力评估程序和偏差测量标准。
方法概述图，带有参考列表和文本说明
2025 年负责任的 AI 监管和治理活动的世界地图可视化，显示了按国家/地区的监管密度，以及欧盟、美国和亚洲方法之间的对比。
世界分级统计地图，带有监管强度颜色编码和区域标注框
对 2025 年政府、公司和国际组织采用的 AI 伦理原则的比较分析，绘制重叠和差异。
跨 20 多个主要框架的伦理原则主题的 Venn/重叠图
第 3 章的参考注释，包括事件数据、偏差研究、安全研究和治理框架引用的主要数据来源。
两列编号尾注格式
第 3 章的精选延伸阅读，按章节组织：安全研究、偏差和公平性、治理和事件分析，带有简要注释。
结构化阅读列表，带有章节标题和条目
全出血章节开篇，深海军蓝色背景，大型白色第 4 章数字，标题“经济”，以及涵盖 AI 投资、劳动力和采用趋势的简短章节描述。
全出血深海军蓝色背景，超大章节编号，白色标题和描述
经济章节的介绍，概述了 2025 年 AI 在私人投资、劳动力市场、公司采用和生产力影响方面的经济足迹。
单列介绍，带有章节重点标注框和章节概述
折线图显示了 2013-2025 年的全球私人 AI 投资，2025 年全球达到超过 4700 亿美元，其中美国占 2859 亿美元，是 2022 年水平的三倍。
折线图，带有全球和美国特定的投资线，年份 x 轴，金额 y 轴，关键里程碑注释
条形图按 2025 年的私人 AI 投资对国家/地区进行排名，美国遥遥领先，其次是中国、英国、印度和加拿大。
水平排名条形图，y 轴上显示国家/地区名称，x 轴上显示投资金额
2025 年按行业划分的 AI 私人投资细分：企业软件、医疗保健、自动驾驶汽车、金融服务、网络安全、教育和零售。
饼图和随附的条形图，显示行业投资份额和金额
对 2025 年生成式 AI 投资激增的分析，柱状图显示生成式 AI 在 AI 总投资中的份额从 2023 年的 15% 增长到 2025 年的 45% 以上。
按年份划分的生成式 AI 投资份额柱状图，叠加总投资线
关于 2025 年 AI 公司融资超级轮（1 亿美元以上）和全球 AI 独角兽数量的数据，显示 AI 原生公司十亿美元估值的加速。
按公司划分的超级轮交易气泡图，以及前 20 名 AI 独角兽表格
对 2025 年 AI 相关并购活动的分析，显示并购交易量创历史新高，以及大型科技公司对 AI 人才和技术的战略整合。
按年份划分的并购交易量柱状图，包含交易类型细分和关键交易标注
世界地图和基尼系数分析显示 AI 私人投资的地域集中度，美国、中国和英国占全球 AI 投资的 80% 以上。
投资集中度世界等值线图，加上集中度指标面板
对 2025 年财富 500 强公司 AI 采用情况的分析：超过 90% 的公司在财报电话会议中提及 AI，麦肯锡调查数据显示 70% 的公司在至少一项业务职能中使用 AI。
采用趋势线图，加上行业细分柱状图，以及提及到采用的漏斗图
比较不同公司规模（大型、中型、小型、微型）的 AI 采用率的柱状图，显示了显著的采用差距以及小型公司在获取 AI 工具方面面临的挑战。
按公司规模分组的柱状图，包含采用指标细分和文本分析
2025 年 AI 采用的行业细分：金融服务和技术领先采用，其次是医疗保健、零售和制造业，教育和政府部门落后。
按 AI 采用率对行业进行排名的水平柱状图，包含技术、用例和投资数据
总结了 2025 年衡量各行业 AI 生产力效应的实证研究，显示了编码生产力、知识工作产出和客户服务效率的记录增长。
研究结果摘要表，包含生产力增长估计和方法论的文本分析
对知识工作任务（写作、编码、研究、分析和客户服务）中 AI 生产力提升的分析，现场研究估计效率提升范围为 20-80%。
按任务类型划分的生产力增长柱状图，包含研究来源引用和误差条
折线图显示了 2019-2025 年 AI 相关职位发布的增长情况，2025 年同比增长约 30%，并且 AI 技能在越来越多的非 AI 专家职位发布中出现。
AI 专家职位发布和需要 AI 技能的职位发布的双折线图
柱状图显示了 2025 年 AI 技能工人的工资溢价，在软件工程、数据科学和研究等领域，AI 角色的工资比同等的非 AI 角色高出 30-40%。
按角色类型划分的工资溢价柱状图，与非 AI 等效职位进行比较
对 2025 年职业群体暴露于 AI 自动化和增强的分析，显示高工资认知工作高度暴露于增强，而日常任务工人面临被取代的风险。
职业工资与 AI 暴露程度的散点图，包含职业集群标签
对AI领先经济体中宏观层面就业数据的分析表明，尽管存在自动化方面的担忧，但在AI密集型行业中就业情况良好，并呈现出细致的行业模式。
按行业划分的就业趋势图，叠加AI强度和文本分析
对AI对工资分配效应的分析：有证据表明，工资增长集中在高学历、高技能工人中，而低技能工人的工资增长有限。
按教育程度划分的工资增长比较图，带有分布曲线插图
关于2025年与AI相关的工作岗位流失的当前经验证据总结，区分已记录的案例与预测的流失情景，并提供行业层面的流失数据。
流失证据表，包含行业行、已记录与预测列以及文本评论
对2025年AI技能差距的分析：几乎所有行业都缺乏具备AI技能的工人，AI工作岗位需求与合格供应之间的差距，以及再培训挑战。
按角色和地区划分的供需差距图，以及对差距原因的文本分析
讨论AI在加剧高AI能力国家与低收入国家之间，以及各经济体内高技能和低技能工人之间的经济不平等方面的潜在作用。
文本分析，包含不平等预测图和区域能力差距可视化
关于2025年AI基础设施投资的数据：数据中心建设、GPU/芯片采购、电网投资以及由AI需求驱动的超大规模企业资本支出。
按类别划分的基础设施投资柱状图，带有同比增长注释
对2025年AI对金融市场影响的分析：AI公司股票表现、AI驱动的交易算法问题以及AI行业股票的投资者情绪数据。
AI行业股票指数表现图，带有市值标注和文本分析
关于2025年AI在客户服务中部署的数据：聊天机器人采用率、解决率提高、成本降低指标以及消费者对AI客户服务的满意度。
采用率指标图，包含满意度比较和成本降低分析
对2025年AI在营销和广告中采用情况的分析：用于内容生成的生成式AI、AI驱动的广告优化、大规模个性化以及投资回报率（ROI）证据。
采用率图，包含投资回报率（ROI）证据表和内容创作成本降低数据
2025年AI在法律服务中采用情况概述：合同审查自动化、法律研究AI、电子取证工具以及对法律工作时间和计费费率的影响。
按法律任务类型划分的节省时间柱状图，包含采用率和文本分析
关于2025年AI在制造和供应链中的应用数据：预测性维护、质量控制视觉系统、物流优化和生产力提升。
按应用类型划分的投资回报率（ROI）和效率提升图，包含采用率细分
对2025年AI在金融服务中部署情况的分析：欺诈检测、信用承销、算法交易、合规性以及金融AI的监管环境。
用例采用率图，包含欺诈减少指标和监管标注框
2025年关于中小型企业采用AI的调查数据，显示了AI工具在营销、客户服务和运营中日益普及，以及面临的准入障碍。
采用率趋势与障碍分析图表以及中小企业部门细分
2025年AI初创企业生态系统数据：新公司成立率、行业重点领域、融资轮次以及AI原生与AI赋能型初创企业的成功指标。
初创企业生态系统图，包含融资阶段漏斗和行业重点领域饼图
2025年各国国家AI经济发展战略比较：美国AI投资、欧盟AI产业政策、中国AI经济计划、印度AI使命等。
比较战略表，包含每个国家的投资金额和优先领域
2025年AI在国际贸易中的作用分析：海关和物流中的AI、AI出口管制、芯片贸易限制以及AI对比较优势的影响。
出口管制时间表，包含贸易流影响图和文本分析
麦肯锡、高盛和国际货币基金组织对2030年AI经济影响的主要经济预测摘要，显示了对显著但不确定的GDP影响的共识。
预测比较图表，包含情景范围和方法说明
2025年AI赋能的新业务模式分析：AI即服务、垂直AI解决方案、自主代理服务以及建立在基础模型API之上的平台业务。
业务模式分类图，包含示例公司和收入模式描述
2025年AI在能源行业的应用数据：电网优化、可再生能源管理、需求预测以及石油和天然气勘探AI应用。
应用条形图，包含效率提升指标和行业部署图
2025年农业中AI应用概览：精准农业、作物病害检测、产量预测以及农业机器人部署和生产力数据。
采用趋势图，包含生产力提升数据和地理分布图
2025年房地产中AI应用分析：房产估值算法、市场预测工具、建筑AI和智能建筑管理系统。
应用采用图，包含估值准确性指标和文本分析
2025年AI计算市场经济学分析：GPU租金价格、云AI服务定价趋势、超大规模企业AI收入以及训练与推理的经济学。
计算价格趋势图，包含市场规模估算和超大规模企业AI收入比较
2025年AI角色的薪资和报酬数据，包括机器学习工程师、AI研究员、数据科学家以及不同公司类型和地区的AI产品经理。
按角色和地区划分的薪资比较图，包含总报酬细分
2025年AI知识产权经济分析：AI生成的知识产权估值、训练数据许可市场、AI技术专利许可费以及法律不确定性对投资的影响。
知识产权市场规模估算图，包含法律不确定性时间表和文本分析
区域 AI 经济聚焦，涵盖美国 AI 走廊城市、欧盟 AI 中心、中国 AI 技术园区、印度 AI 生态系统以及东南亚新兴 AI 经济体。
包含城市/中心标注卡片和每个区域的关键指标的区域地图
第四章总结仪表板，包含主要经济数据：2859 亿美元的美国 AI 投资，90%+ 的《财富》500 强企业提及 AI 的比率，30-40% 的 AI 工资溢价以及已记录的生产力提升。
包含大量统计数据和章节颜色主题图形的总结仪表板
第四章的参考注释，包含投资数据来源、劳动力市场研究引用以及生产力研究方法注释。
两列编号尾注格式
第四章的精选延伸阅读，涵盖 AI 投资、劳动经济学、生产力研究和经济影响预测，并附有简要注释。
带有章节标题的结构化阅读清单
全出血章节开篇，采用深青色/森林背景，大型白色第五章数字，标题“科学与 AI”，以及 2025 年 AI 在科学研究中的变革性作用的简要概述。
全出血深青色/森林背景，超大章节编号，白色标题和描述
第五章导言，将 AI 定位为 2025 年科学发现的新工具，其中包含有关 AI 辅助研究增长和 AI 诺贝尔奖里程碑的概述统计数据。
单列导言，带有关键统计数据标注框和章节概述
折线图显示了 2015-2025 年主要学科中 AI 辅助科学出版物的增长情况，其中 AI 辅助生物学和生命科学研究的增长率为 71%。
按科学领域划分的多线图，x 轴为年份，y 轴为出版物数量
对 2025 年 AlphaFold 3 及后续蛋白质结构预测进展的分析，包括基准准确性数据和 AI 辅助蛋白质研究的增长。
带有结构预测示例表和文本分析的准确性基准图
2025 年 AI 预测蛋白质以外的复杂生物分子结构的概述：蛋白质-DNA、蛋白质-配体、RNA 结构以及使用基础模型的抗体设计。
带有文本分析和关键突破标注框的功能比较图
对 2025 年 AI 发现的候选药物的分析：进入临床试验的数量、目标疾病领域、成本降低估算（节省 30-50%）以及主要的 AI 药物发现公司。
带有疾病领域细分和成本降低条形图的药物管线漏斗图
关于 2025 年目前正在进行临床试验的 AI 发现药物的数据，包括 I/II/III 期状态、治疗领域以及首批接近监管批准的 AI 发现药物。
带有管线图和里程碑时间表的临床试验状态表
2025 年 AI 在材料科学中的应用概述：AI 设计的电池材料、半导体、催化剂和结构材料，以及进入生产的示例。
带有发现时间表和文本分析的材料应用条形图
2025年基因组学中AI应用分析：变异效应预测、基因调控建模、单细胞分析和AI引导的CRISPR靶向。
具有基因组学AI时间表和文本分析的应用能力矩阵
2025年气候和地球科学中AI应用概述：AI气候模型显示10,000倍加速、全球模型降尺度、极端事件预测和碳循环监测。
具有应用领域细分和文本分析的加速对比图
2025年AI天气预报模型（GraphCast、Pangu-Weather、FourCastNet）与传统NWP模型性能比较，显示AI在大多数指标上超过传统模型。
多个预测指标的性能比较条形图，具有传统模型基线
2025年AI地震预测改进分析：早期预警时间延长、震级估计准确性和使用地震数据进行深度学习的余震预测。
具有地理部署图和文本分析的性能改进图
2025年物理学研究中AI应用概述：CERN的粒子物理数据分析、量子系统模拟、用于聚变的等离子体物理以及AI引导的实验设计。
具有关键发现标注和文本分析的应用领域时间表
2025年天文学中AI应用分析：大规模星系分类、引力波信号检测、来自望远镜数据的系外行星发现和宇宙学模拟加速。
具有应用领域细分和文本分析的发现计数图
2025年化学研究中AI概述：反应预测、合成规划、催化剂设计和AI辅助的化学安全筛选，以及出版物增长数据。
具有应用细分和关键工具标注的出版物增长图
讨论2024年历史性的诺贝尔奖对AI在科学领域贡献的认可（Geoffrey Hinton — 物理学；Demis Hassabis和John Jumper — 化学），标志着AI的官方科学机构认可。
具有获奖者简介和意义分析的诺贝尔奖公告时间表
2025年AI工具处理科学文献的数据：对数百万篇论文的语义搜索、自动假设生成、声明提取和引文图分析。
具有采用率图和文本分析的工具能力比较表
2025年进行自主科学实验的AI系统概述：AI引导的机器人实验室系统、自主假设生成、实验设计和结果解释。
具有能力里程碑时间表和文本分析的自主科学流程图
2025年神经科学中AI应用分析：大规模脑图绘制、神经信号解码、脑机接口改进和神经计算的AI模型。
具有脑图绘制规模数据和文本分析的应用能力图
2025年AI在生物医学成像研究（区别于临床使用）中的性能数据：单细胞成像分析、冷冻电镜处理和超分辨率显微镜AI。
按成像方式划分的性能基准图，带有文本分析
2025 年 AI 在社会科学研究中的应用概述：大规模调查分析、历史文本的自然语言处理以及 AI 辅助的行为实验。
应用类型概述，附出版物增长图表和文本分析
2025 年支持科学 AI 的 AI 研究基础设施分析：国家 AI 研究云、用于科学的开放获取计算资源，以及 NSF、DOE 和国际同等机构的作用。
基础设施地图，附资源比较表和资金分析
2025 年用于数学研究的 AI 工具分析：自动定理证明、AI 辅助的证明验证、猜想生成以及 AI 辅助的数学出版物的增长。
能力进展图表，附定理证明基准数据和文本分析
2025 年用于提高科学可重复性的 AI 工具讨论：自动协议文档、代码和数据共享工具以及 AI 辅助的结果验证。
可重复性改进图，附采用指标图表和文本分析
2025 年科学同行评审中的 AI 工具分析：自动评审辅助、论文筛选、违反伦理行为检测以及关于 AI 评审员可靠性的辩论。
采用率图表，附可靠性数据和伦理辩论标注框
2025 年 AI 赋能科学的地缘政治维度分析：研究合作模式、各国之间 AI 科学能力差距以及开放获取的 AI 科学工具。
合作网络图，附能力差距地图和文本分析
2025 年特定于科学的基础模型概述：生物学 (ESM3, Geneformer)、化学 (ChemBERTa)、材料 (MatBERT)、地球科学 (ClimaX) 和跨领域科学 LLM。
模型分类表，附能力比较和领域覆盖图
2025 年 AI 对临床试验设计和执行的影响数据：患者招募优化、协议设计辅助、不良事件检测和试验时间线缩短。
时间线缩短图表，附应用细分和文本分析
2025 年 AI 在流行病学和公共卫生研究中的应用概述：疾病监测、疫情预测、基因组流行病学和 AI 辅助的疫苗接种策略建模。
应用能力图表，附监测部署地图和文本分析
2025 年 AI 对能源科学研究的贡献分析：AI 控制的聚变等离子体、电池发现、碳捕获材料设计和太阳能电池优化。
应用时间线，附性能改进数据和文本分析
AI 科学工具的跨学科影响分析，展示了 AI 如何在生物学、化学、物理学和工程学之间的界面上实现突破。
跨学科影响图，显示了科学领域之间 AI 工具的流动
AI 赋能科学中的风险和挑战讨论：科学背景下的 AI 幻觉、过度依赖 AI 模型、黑盒科学推理以及研究人员技能下降。
风险分类，附案例研究示例和缓解讨论
第五章总结仪表板：关于AI辅助科学出版物增长、突破性里程碑以及AI在哪些领域具有最大科学影响的关键统计数据。
包含大量统计数据和章节主题青色图形的总结仪表板
第五章的参考注释，包含科学出版物数据、AlphaFold引用和特定领域研究参考的主要数据来源。
两列编号尾注格式
第五章的精选拓展阅读，按科学领域组织，包括关于生物学、化学、地球科学和跨领域AI科学代理中的AI的关键论文和评论文章。
结构化阅读列表，包含领域章节标题和注释条目
全出血章节开篇，深蓝色背景，大型白色第六章数字，标题“医学与AI”，以及关于AI在临床护理和生物医学研究中日益增长的作用的简要描述。
全出血深蓝色背景，超大章节编号，白色标题和描述
第六章的介绍，将医学中的AI呈现为2025年的一种变革力量，其中包含关键统计数据：258个FDA批准的AI设备，MAI-DxO的诊断准确率为85.5％，超过30万名临床医生使用AI助手。
单列介绍，带有标题统计数据标注框和章节概述
2025年AI诊断系统与放射学、病理学、皮肤病学和眼科的专科医生之间的基准比较，显示AI达到或超过了专科医生的准确性。
多领域准确性比较条形图，带有专科医生基线和AI性能条
MAI-DxO在标准化临床病例中达到85.5％诊断准确率的详细分析，超过了平均专科医生的表现，并验证了AI诊断的潜力。
准确性比较图表，包含病例类型细分和统计显着性分析
条形图显示了2016-2025年FDA批准的AI赋能医疗设备，2025年达到258项批准，累计批准超过950项。
条形图，x轴为年份，y轴为年度批准计数，累积线叠加
2025年按专业划分的FDA批准的AI医疗设备细分：放射学占主导地位，约占75％，其次是心脏病学、病理学和其他专业。
按医疗专业划分的设备分布饼图和条形图
2025年放射学中AI的详细分析：CT分析、胸部X光片解读、乳房X光检查和MRI分析，以及临床部署数据和诊断准确性基准。
按成像方式划分的性能基准图表，包含部署统计数据和文本分析
2025年AI计算病理学概述：数字病理切片分析、癌症分级辅助、生物标志物检测以及AI病理工具日益增长的临床部署。
功能比较图表，包含部署数据和文本分析
2025年眼科中AI应用的分析：糖尿病视网膜病变筛查、青光眼检测、与年龄相关的黄斑变性诊断和视网膜图像分析。
按疾病划分的诊断准确性条形图，包含地理部署图和文本分析
对 2025 年环境 AI 临床文档记录员的分析，超过 30 万名临床医生使用，以减少文档负担，并提供有关节省时间和减少倦怠的数据。
采用趋势线，包含节省时间指标和减少倦怠调查数据
2025 年 AI 文档记录员部署的临床结果数据：医生节省时间（每班 1-2 小时）、患者互动时间增加以及文档准确性提高。
时间分配和文档准确性的前后对比图，包含文本分析
2025 年 AI 药物发现进展概述，包括 AI 发现的候选药物数量、领先公司（Insilico Medicine、Recursion、Exscientia）和成本降低数据。
公司格局图，包含管线数量和成本比较图表
2025 年虚拟细胞建模概述：模拟单个细胞对药物和干预措施反应的 AI 模型，从而实现个性化医疗研究并减少动物试验需求。
虚拟细胞模型能力图，包含应用领域和文本分析
2025 年 AI 在精神健康领域应用的数据：聊天机器人治疗工具部署、临床研究的疗效数据、危机检测能力和伦理问题。
疗效研究比较图表，包含部署统计数据和伦理问题标注框
2025 年 AI 在精准基因组医学中应用的分析：多基因风险评分预测、药物基因组学、基因组数据中的罕见疾病诊断以及 AI 指导的基因治疗设计。
能力比较表，包含临床应用示例和文本分析
2025 年 AI 临床决策支持系统 (CDSS) 部署概述：脓毒症预测、病情恶化警报、药物相互作用检查及其对临床结果的影响。
按 CDSS 类型划分的结果改进条形图，包含部署数据和文本分析
2025 年 AI 辅助手术的数据：机器人手术 AI 指导、实时技能评估、术中图像分析以及 AI 辅助手术的结果数据。
AI 辅助手术与传统手术的结果比较图表，包含文本分析
2025 年 AI 在急诊医学中的应用分析：分诊辅助、胸痛风险分层、CT 上的卒中检测以及急诊科患者流量优化。
按应用类型划分的性能指标图表，包含部署数据和文本分析
2025 年 AI 对健康公平的影响分析：有可能扩大服务不足地区的诊断范围，但也存在因在有偏见的数据上进行训练而导致永久存在或扩大现有差距的风险。
公平影响双栏分析，包含地理范围扩展图和偏差风险图
2025 年 AI 在全球健康和低资源环境中的应用概述：低收入和中等收入国家/地区的移动 AI 诊断、AI 用于被忽视的热带病以及远程医疗 AI 部署。
地理部署图，包含应用类型细分和成本效益数据
2025 年主要司法管辖区 AI 医疗器械监管分析：FDA 的预定变更控制途径、欧盟 MDR 对 AI 的监管、中国 NMPA AI 器械批准以及国际协调工作。
监管框架比较表，包含批准时间表和文本分析
对2025年AI与EHR系统集成的分析：嵌入在EHR中的预测分析、用于非结构化笔记的NLP、AI驱动的护理差距识别以及互操作性挑战。
EHR AI集成能力图表，包含采用率和文本分析
关于2025年AI驱动的可穿戴健康设备的数据：持续血糖监测、心脏节律检测、呼吸监测以及人群层面的健康监测项目。
设备能力对比图表，包含临床验证数据和部署统计信息
2025年AI患者沟通工具概述：用于患者教育的AI聊天机器人、药物依从性支持、预约安排以及出院后随访。
工具类型对比图表，包含功效数据和患者满意度调查结果
关于2025年临床医生对AI态度的调查数据：按专业划分的信任度、对责任的担忧、采用新AI工具的时间，以及对AI取代与增强临床角色的看法。
按专业和关注类别划分的调查结果条形图，包含文本分析
2025年AI在医学教育中的概述：AI临床案例模拟器、AI辅助的委员会考试准备、虚拟患者互动以及AI指导的手术技能培训。
采用率图表，包含学习成果数据和工具类型细分
关于2025年AI在医院运营中的应用数据：患者流程优化、床位管理、人员配置预测、供应链管理和收入周期AI。
按运营领域划分的效率提升条形图，包含部署统计信息
2025年AI在预防医学中的概述：人群健康风险分层、癌症筛查优化、生活方式干预个性化和公共卫生AI工具。
风险分层性能图表，包含筛查优化数据和文本分析
分析2025年AI如何改变临床试验：合成对照组、患者匹配、终点预测和真实世界证据生成，以及成本和时间线影响数据。
成本和时间线缩短图表，包含试验设计方法图和文本分析
关于2025年AI对罕见疾病诊断的影响数据：诊断时间缩短、全基因组测序分析AI、表型到基因型匹配以及诊断过程缩短。
诊断时间对比图表，包含案例研究示例和文本分析
2025年AI在药房和药物管理中的概述：自动化配药AI、药物相互作用检查、个性化剂量优化和药物依从性工具。
应用能力图表，包含结果数据和文本分析
分析2025年AI对医疗保健成本的影响：放射学、文档编制和运营中记录的成本降低，以及实施和集成成本。
成本影响分析图表，包含按应用类型划分的投资回报率估算
2025年AI皮肤科系统的性能数据：黑色素瘤检测准确性与皮肤科医生对比、痤疮和皮肤状况分类以及AI辅助的远程皮肤科部署。
按状况类型划分的准确性对比图表，包含部署统计信息和文本分析
2025年心脏病学中AI应用分析：心电图（ECG）AI判读、超声心动图分析、心脏核磁共振（MRI）分割以及AI指导的心力衰竭管理。
按心脏病学任务划分的性能基准图表，包含临床部署数据
2025年肿瘤学中AI应用的全面概述：肿瘤检测、治疗反应预测、放射治疗计划优化、基因组生物标志物识别以及精准癌症医学。
多应用能力矩阵，包含临床证据摘要和文本分析
2025年传染病中AI应用的数据：病原体基因组监测、疫情爆发检测算法、抗菌素耐药性（AMR）预测以及大流行病准备AI工具。
监测能力图表，包含部署地图和文本分析
2025年支持AI的医疗数据基础设施分析：联邦学习部署、用于训练的合成数据、数据共享框架以及国家健康数据计划的作用。
基础设施概览图，包含联邦学习部署地图和文本分析
2025年AI医疗中关键伦理挑战的讨论：诊断中的算法责任、AI工具的患者知情同意、AI出错时的责任以及透明度要求。
伦理挑战分类，包含监管响应比较和文本分析
第6章总结仪表板，包含关键统计数据：258项FDA批准、超过30万名临床医生使用AI助手、85.5%的MAI-DxO准确率、处于II/III期试验的AI候选药物。
总结仪表板，包含大量统计数据和章节蓝色主题图形
第6章的参考注释和延伸阅读，包含FDA数据来源、临床研究引用以及按医疗专业和AI应用组织的精选阅读清单。
双栏尾注格式，后跟结构化阅读清单
全出血章节开篇，采用森林绿背景，大型白色第7章数字，标题“教育”，以及AI对学习、教学和学术机构日益增长的影响的简要概述。
全出血森林绿背景，超大章节编号，白色标题和描述
第7章导论，将AI在教育领域的应用视为2025年的关键问题，主要发现包括：80%的学生使用生成式AI，计算机科学（CS）入学率下降11%，AI硕士项目增长82%。
单栏导论，包含主要统计数据标注框和章节概述
折线图显示2015-2025年美国顶尖大学的计算机科学（CS）入学趋势，包括2024-2025年下降11%，这被解释为传统计算机科学学位市场饱和的信号。
多机构入学折线图，x轴为年份，y轴为入学人数，11%下降注释
条形图显示2018-2025年AI/ML专项研究生项目的增长情况，AI硕士项目增长82%，主要大学新增AI本科专业。
按年份统计的项目数量条形图，包含机构类型细分和地理分布
调查数据显示，2025年有80%的大学生报告使用生成式AI进行课程作业，按使用类型细分：写作辅助、研究、编码、学习和问题解决。
使用类型条形图，包含频率分布和人口统计细分
2025 年与学生 AI 使用相关的学术诚信问题数据：检测到的 AI 生成提交内容、机构政策演变以及学生对 AI 使用伦理的看法。
包含诚信事件数据和学生意见调查的政策采纳图表
2025 年教师对 AI 态度的调查数据：60% 的教师允许有条件地使用 AI，不同学科的政策各不相同，以及教师对评估有效性的担忧。
按学科划分的教师调查条形图，包含政策类别细分和文本分析
2025 年 AI 辅导系统功效的实验证据：Khan Academy Khanmigo、Duolingo Max 以及类似的 AI 辅导工具在对照研究中显示出有据可查的学习收益。
按工具划分的学习收益比较图表，包含研究方法说明和文本分析
2025 年 AI 辅导工具部署数据：使用 AI 辅导平台的学生人数、地域覆盖范围、学科领域覆盖范围以及使用频率模式。
包含地理地图和学科领域细分的采用图表
2025 年全球 K-12 AI 课程采用情况分析，30 多个国家/地区实施了国家 AI/CS 课程标准，以及教师 AI 培训可用性数据。
K-12 AI 课程采用的世界地图，包含国家/地区数量条形图和文本分析
2025 年 K-12 AI 课程标准的内容分析：教授哪些 AI 主题（机器学习概念、伦理、数据素养、提示工程）以及在哪些年级。
按年级划分的课程主题矩阵，包含国家/地区比较和文本分析
2025 年在线 AI 学习平台增长数据：Coursera 和 edX AI 课程增长 50% 以上，主要科技公司推出新的 AI 认证计划，以及完成率分析。
包含平台比较和认证类型细分的增长趋势图
分析顶尖大学如何在 2025 年将 AI 研究成果整合到教学中，包括新的 AI 伦理课程、跨学科 AI 计划以及 AI 研究中心的增长。
大学 AI 计划比较图表，包含研究-教学整合模型图
2025 年 AI 素养教育计划概述：公众 AI 素养计划、政府资助的 AI 技能提升、工作场所 AI 培训以及不断增长的 AI 素养认证市场。
包含覆盖范围指标和文本分析的计划类型概述
2025 年 AI 在高等教育管理中的应用数据：AI 在学生招生、入学管理、经济资助优化和学生成功预测系统中的应用。
包含偏差审计结果和文本分析的应用程序采用图表
2025 年 AI 写作辅助在学术环境中的使用分析，包括对写作质量、写作技能学习成果以及不断发展的学术规范的影响。
包含写作质量评估和文本分析的研究结果比较图表
2025 年教育领域中使残疾学生受益的 AI 辅助工具概述：实时字幕、AI 阅读辅助、个性化学习调整和语音转文本工具。
包含采用数据和学生成果证据的辅助工具能力图表
2025 年教师和教育工作者 AI 培训项目的数据：专业发展参与率、培训内容质量以及教育工作者对使用 AI 工具的信心。
包含信心调查和内容覆盖范围比较的培训采纳图表
对 2025 年 AI 对教育公平的潜在影响的分析：个性化学习缩小了成绩差距，但设备和连接访问差距造成了新的鸿沟。
包含访问差距地图和学习成果数据的公平影响双重分析
关于 2025 年专门支持 STEM 教育的 AI 工具的数据：AI 数学辅导、编码教育平台、科学模拟工具和实验室安全 AI 应用程序。
包含学习成果证据和采纳数据的工具类型比较图表
对 2025 年 AI 驱动的语言学习应用的分析：Duolingo、Rosetta Stone AI 功能以及其他显示学习加速数据和参与度指标的平台。
包含参与度指标和文本分析的学习速率比较图表
2025 年各国 AI 教育政策概述：联合国教科文组织 (UNESCO) 的 AI 教育指导、欧盟 AI 教育战略、美国 AI 素养行政命令和 OECD AI 教育框架。
包含地理采纳地图和文本分析的政策框架比较表
对 2025 年 AI 对研究型大学优先事项的影响的分析：AI 研究中心资金、行业-学术界 AI 合作伙伴关系、大学的 AI 专利活动以及与 AI 相关的研究收入。
包含合作伙伴关系数据和文本分析的研究资金比较图表
第 7 章摘要仪表板，展示了主要的教育统计数据：学生 AI 使用率、入学趋势、AI 辅导效果和 K-12 课程采用率。
包含大量统计数据和章节森林绿色主题图形的摘要仪表板
第 7 章的参考注释和延伸阅读，包括入学数据来源、AI 辅导研究引文以及按教育部门组织的精选阅读清单。
双栏尾注格式，后跟结构化阅读清单
全出血章节开篇，带有深紫色/靛蓝色背景、大型白色第 8 章数字、“政策与治理”标题以及 2025 年 AI 监管和政策发展的简要概述。
全出血深紫色/靛蓝色背景、超大章节编号、白色标题和描述
第 8 章导言，将 2025 年定义为全球 AI 政策的分水岭之年，主要统计数据：204 亿美元的美国联邦 AI 投资、签署了 25 项 AI 法案、46 个国家/地区制定了国家 AI 战略。
单列导言，带有主要统计数据标注框和章节概述
从 2016 年至 2025 年的主要 AI 政策里程碑的综合时间线可视化，从奥巴马 AI 报告 (2016 年) 到欧盟 AI 法案实施 (2025 年)，按地理位置组织。
带有国家/地区通道、里程碑标记和简要注释的水平多轨时间线
世界地图，显示了到 2025 年已采用正式国家 AI 战略的 46 个国家/地区，具有采用日期阴影和 AI 治理活动的区域集群。
世界等值线图，具有采用日期阴影和主要战略的国家/地区名称标注
对美国联邦 AI 投资在 2025 年达到 204 亿美元的分析，按机构（DOD、DARPA、NSF、NIH、DOE、NIST）和优先研究领域进行细分。
机构细分条形图，包含优先领域分析和同比增长注释
对 2025 年美国 AI 相关立法的分析：25 项 AI 法案在联邦层面签署成为法律，主题细分（安全、采购、劳动力、deepfakes、国家安全）以及州级 AI 法案。
立法主题条形图，包含已签署法案的时间表和州级活动地图
2025 年美国行政部门主要 AI 行动的总结：NIST AI 安全研究所的活动、白宫 AI 政策指令以及联邦机构 AI 实施授权。
政策行动时间表，包含关键行政命令和机构响应的文本分析
对 2025 年美国特定行业 AI 法规的分析：FDA AI 医疗设备指南、FTC AI 广告规则、CFPB AI 信用评分指南以及 EEOC AI 招聘指南。
按行业和机构划分的监管矩阵，包含文本分析
2025 年欧盟 AI 法案实施里程碑概述，包括 2025 年 2 月生效的违禁行为禁令，以及风险等级分类图。
风险等级金字塔图，包含实施时间表和违禁行为列表
欧盟 AI 法案风险类别的详细细分：不可接受的风险（禁止）、高风险、有限风险和最低风险，以及每个类别中 AI 应用程序的示例。
四类别图，包含每个风险级别的示例和监管义务摘要
对 2025 年欧盟 AI 法案下高风险 AI 系统的合规性要求分析：技术文档、人工监督、数据治理和合格评定义务。
合规性清单图，包含实施成本估算和特定行业指南
2025 年大型企业中欧盟 AI 法案的合规性状况数据，显示大型公司的早期采用、中小企业的合规性挑战以及执法机构的建立进展。
按公司规模划分的合规率条形图，包含执法进展指标和文本分析
对欧盟 AI 法案下通用 AI 行为准则的分析，涵盖透明度要求、系统性风险评估以及前沿 AI 开发人员的适应方式。
行为准则义务图，包含前沿模型开发人员合规性状态表
2025 年中国国家 AI 政策概述：“新一代人工智能发展规划”的实施、超过 150 亿美元的 AI 投资承诺、AI 行业标准以及生成式 AI 的监管指南。
政策框架图，包含投资图表和监管时间表
对中国生成式 AI 法规（2023 年，2025 年更新）条款的分析：内容过滤要求、水印强制规定、实名注册和合规性执行。
法规条款摘要，包含合规负担分析和文本分析
2025 年英国 AI 政策概述：AI 安全研究所的演变、亲创新监管方法、AI 行业特定指南以及英国脱欧后与欧盟的 AI 治理差异。
政策方法比较（英国 vs 欧盟），包含 AI 安全研究所活动摘要
分析G7广岛AI进程的成果以及G20在2025年对AI治理框架的采纳情况，包括高级AI开发者的《广岛AI行为准则》的实施状态。
包含实施状态指标和国家采纳情况表的治理框架摘要
巴黎AI安全峰会（2025年2月）成果摘要：主要承诺、参与国家、工作组结果以及全球AI安全进程的后续时间表。
包含参与国家列表和承诺跟踪表的峰会成果摘要
分析2025年联合国的AI治理活动：《全球数字契约》、联合国AI决议的通过、联合国秘书长AI顾问委员会以及关于成立新的联合国AI机构的辩论。
包含文本分析和国家立场对比的联合国治理活动时间表
分析2025年新兴的AI主权概念，定义其五个维度：计算主权、数据主权、人才主权、标准主权和地缘政治AI独立性。
包含每个维度的国家评估和文本分析的五维度框架图
关于2025年各国构建主权AI计算基础设施的努力的数据：欧盟AI千兆工厂计划、印度的国家AI计算网格、阿联酋的Falcon AI基础设施等。
包含地理部署图和文本分析的计算投资对比图
分析2025年与AI相关的出口管制政策：美国半导体出口限制扩大、对华芯片规则、AI软件出口管制以及盟国协调。
包含国家影响分析和技术限制图的出口管制时间表
2025年AI标准制定活动概述：ISO/IEC AI标准、IEEE AI伦理标准、NIST AI标准以及国际标准协调工作。
包含采纳跟踪图和文本分析的标准格局图
对2025年出现的AI责任框架的比较分析：欧盟AI责任指令、美国AI产品责任方法以及行业自律责任框架。
包含逐个司法管辖区分析的责任框架比较表
分析2025年AI对民主进程的影响：选举中的AI（深度伪造、选民定位、AI生成的政治内容）、监管回应和国际选举监督。
包含监管回应时间表和文本分析的影响分析图
2025年公共AI投资承诺的跨国比较：美国204亿美元，欧盟200亿欧元以上的《AI法案》执行资金，中国150亿美元以上，英国15亿英镑，加拿大24亿加元等。
包含文本分析的按国家划分的比较投资条形图
2025年AI在国家安全中的应用概述：情报分析、网络防御、物流优化、自主系统以及美中在国防领域的AI竞争。
包含国防AI投资数据和文本分析的应用领域概述
分析2025年美国州级AI监管：加州AI法案、纽约AI招聘规则、科罗拉多州AI消费者保护以及零散监管与联邦优先权辩论。
包含法案数量和主题细分的逐州监管活动图
2025 年政府 AI 采购政策分析：美国联邦 AI 采购规则、欧盟公共部门 AI 要求以及负责任的政府 AI 采购标准。
按司法管辖区划分的采购政策比较表，附带文本分析
2025 年 FDA 设备批准之外的 AI 专用医疗保健监管发展概述：CMS AI 覆盖决策、HIPAA-AI 指南、临床实践指南中的 AI。
关键决策的时间线，附带文本分析
2025 年金融服务领域 AI 监管分析：SEC AI 交易规则、银行监管机构 AI 模型风险指南、CFPB AI 贷款监督以及全球金融 AI 标准。
按金融部门划分的监管框架比较，附带文本分析
2025 年 AI 劳动监管概述：欧盟《AI 法案》工人监控条款、美国 NLRB 工作场所 AI 指南、EEOC AI 招聘执法以及工会 AI 谈判要求。
劳动监管比较表，附带文本分析
2025 年 AI 政策有效性的早期证据分析：哪些监管方法显示出合规结果、法规的意外后果以及政策差距。
政策有效性评估矩阵，附带文本分析
2025 年 AI 专用隐私监管发展概述：GDPR AI 指南、美国联邦隐私法案 AI 条款、AI 训练的数据最小化以及生物识别数据限制。
隐私监管比较表，附带文本分析
2025 年公民社会和 NGO 在 AI 政策方面的活动概述：倡导组织、公共利益 AI 研究、联盟活动及其对 AI 监管的影响。
公民社会 AI 组织格局图，附带政策影响力分析
第 8 章摘要，介绍主要政策数据：美国联邦 AI 投资、全球立法数量、欧盟《AI 法案》里程碑、AI 峰会成果以及 AI 主权概念的出现。
摘要仪表板，带有大量统计数据和章节紫色/靛蓝色主题图形
第 8 章的总结性分析，确定了关键治理趋势：监管碎片化风险、竞相向上/向下动态、AI 主权紧张局势以及跟上 AI 进步步伐的挑战。
文本结论，带有关键张力图和前瞻性分析
第 8 章的参考注释，包括政策文件引文、立法数据来源和投资数据方法注释。
两列编号尾注格式
第 8 章的精选延伸阅读，按政策区域和主题组织：美国政策、欧盟政策、中国政策、国际治理和 AI 主权。
结构化阅读列表，带有区域和主题标题
全出血章节开篇，带有蓝青色背景、大型白色第 9 章数字、“公众舆论”标题以及 2025 年调查的全球公众对 AI 态度的简要概述。
全出血蓝青色背景、超大章节编号、白色标题和描述
第 9 章介绍，概述 2025 年全球公众对 AI 的舆论状况：益普索 (Ipsos) 显示 59% 的全球乐观情绪，对虚假信息的显著担忧，以及专家与公众态度之间的显著差距。
单列介绍，带有醒目的统计数据标注框和章节概述
2025 年全球 AI 情绪的世界地图，显示各国对 AI 持乐观态度的人口百分比，新兴经济体的乐观情绪较高，而欧洲的乐观情绪较低。
AI 乐观情绪的世界等值线图，带有颜色渐变标尺和国家标注框
益普索 (Ipsos) 在 2025 年对 30 多个国家/地区的 AI 态度进行的详细调查结果：乐观、担忧、信任和认知水平，按国家/地区和世界区域划分。
每个态度维度的多国条形图，带有区域汇总
对 AI 情绪的区域深入分析：中国和印度显示出最高的乐观情绪（80% 以上），西欧最谨慎，美国适中，非洲则显示出与发展希望相关的高乐观情绪。
区域分组条形图，带有乐观/担忧平衡和文本分析
2025 年 AI 专家与普通公众的 AI 态度调查比较，显示专家更关注长期风险，而公众则关注近期经济影响。
并排比较图表，其中包含专家与公众的关注类别细分
关于公众对各个机构公平监管 AI 的信任度的调查数据：欧盟机构在全球范围内最受信任，科技公司最不受信任，各国政府的结果好坏参半。
跨多个国家/地区的按机构类型划分的信任度水平横向条形图
关于 AI 的美国特定公众舆论数据：只有 31% 的美国人信任政府能够很好地监管 AI，68% 的人担心 AI 生成的虚假信息，以及对 AI 在各种政府角色中的看法。
美国舆论条形图，其中包含信任和担忧细分以及文本分析
2025 年 AI 焦虑来源分析：失业担忧、虚假信息恐惧、隐私担忧、自主武器担忧和生存风险 — 按国家/地区和人口统计数据细分。
按国家/地区组划分的焦虑来源堆积条形图，其中包含人口统计细分插图
2025 年公众 AI 认知和理解水平数据：认知度不断提高，但技术理解有限，并通过教育程度和年龄分析认知-理解差距。
认知与理解比较图表，其中包含教育程度和年龄细分
2025 年比较各代人（Z 世代、千禧一代、X 世代、婴儿潮一代）的 AI 态度的调查数据：年轻一代更乐观，日常 AI 使用率更高，年长一代更谨慎。
多个态度维度的代际比较条形图
2025 年教育程度与 AI 态度之间相关性的分析：更高的教育程度与更细致的观点相关，而不是简单的乐观或悲观。
教育程度与 AI 态度维度相关性图表，带有文本分析
2025 年个人 AI 工具使用与对 AI 的态度之间关系的分析：经常使用者对 AI 的益处明显更为积极，但也更了解风险。
使用频率与态度比较图表，带有文本分析
2025 年按收入水平划分的关于 AI 态度的调查数据：低收入受访者更担心工作岗位流失，高收入受访者对 AI 的经济效益更为乐观。
收入水平态度对比图表，包含对工作岗位流失担忧的细分
2025 年 AI 态度性别差异分析：男性平均而言略显乐观，女性更担心隐私和就业影响，各国情况有所不同。
跨态度维度的性别对比柱状图，包含各国差异的插图
追踪 2019-2025 年 AI 态度随时间变化的折线图：乐观情绪在 2022 年之前上升，随着 AI 在 2024-2025 年变得与个人更相关，乐观情绪趋于平缓，观点更加复杂。
多线纵向图表，包含态度类别线和事件注释
2025 年关于 AI 导致工作岗位流失担忧的全球调查数据，显示约一半的全球受访者担心 AI 取代自己的工作，各行业和国家/地区差异显著。
按国家/地区划分的全球担忧柱状图，包含特定行业的差异分析
关于人们在 2025 年对日常产品和服务中 AI 的认知程度的数据，显示 AI 工具的使用率很高，但对底层技术是 AI 的认知有限。
使用率与认知度对比图表，包含产品类别细分
对 2025 年 AI 对社会凝聚力的感知影响的调查数据分析：担心 AI 加剧两极分化、不平等和减少人际联系。
担忧类别柱状图，包含两极分化和不平等标注以及文本分析
关于 2025 年 AI 伦理的公众观点的调查数据：哪些价值观应指导 AI 开发（安全、透明、公平、隐私），以及谁应该对 AI 伦理决策拥有权威。
排名价值观柱状图，包含权威偏好细分和文本分析
关于 2025 年公众对 AI 影响民主价值观的担忧的调查数据：选举公正、言论自由、监控和法治，全球范围内存在显著的担忧程度。
民主担忧类别柱状图，包含国家/地区对比和文本分析
第 9 章摘要，介绍主要公众舆论调查结果：全球乐观率、信任度排名、对 AI 的主要焦虑以及 AI 态度中的关键人口统计差异。
摘要仪表板，包含大量统计数据和章节蓝青色主题图形
第 9 章的参考注释，包含调查数据来源引文和按主题和方法类型组织的精选的关于公众 AI 态度的延伸阅读。
两栏尾注格式，后跟结构化阅读清单
AI Index 2026 研究方法概述，解释了所有九个章节的数据收集方法、报告中使用的“AI”的定义以及一般方法原则。
结构化方法概述，包含逐节方法图
研发章节的详细方法：出版物数据来源（Semantic Scholar、Dimensions）、专利数据（WIPO、USPTO）、模型发布跟踪标准和计算数据收集。
方法描述部分，包含数据源表和局限性说明
技术性能章节的方法论说明：基准选择标准、从Papers With Code和排行榜的数据检索、人工基线收集以及基准纳入/排除规则。
包含基准选择标准表格的方法论描述章节
负责任的AI章节的方法论：AIAAIC事件数据收集、偏差研究纳入标准、安全研究出版物搜索方法以及治理框架编码程序。
包含纳入/排除标准的方法论描述章节
经济章节的方法论：来自NetBase Quid的投资数据、来自Lightcast的职位发布数据、工资数据来源、生产力研究选择标准以及公司采用情况调查方法。
包含数据来源参考表和局限性说明的方法论描述
科学与AI章节的方法论：科学出版物AI辅助分类方法、特定领域搜索标准以及来自ClinicalTrials.gov的临床试验数据收集。
包含领域标准和分类说明的方法论描述
医学与AI章节的方法论：FDA设备数据收集、临床AI研究纳入标准、诊断准确性聚合方法以及AI速记采用数据来源。
包含FDA数据方法和研究标准的方法论描述章节
教育章节的方法论：注册数据来源（IPEDS、国际同等机构）、学生调查方法、教师调查设计以及K-12课程数据收集方法。
包含调查设计说明和数据来源参考的方法论描述
政策章节的方法论：立法数据库来源、AI法案识别标准、投资数据汇编来源、国家战略编码方法以及政策时间线构建。
包含立法数据来源参考的方法论描述章节
公众意见章节的方法论：调查数据来源（Ipsos、Edelman Trust Barometer、Stanford调查）、调查抽样标准、跨国可比性说明以及态度测量定义。
包含抽样标准和可比性说明的调查方法描述
AI Index 2026中使用的关键术语和数据定义的词汇表，包括“基础模型”、“AI事件”、“训练计算”、“基准饱和”和其他核心概念的定义。
包含术语和定义条目的字母顺序词汇表布局
报告中引用的所有AI基准的综合参考表，包括基准名称、领域、任务类型、人工基线和引入年份。
按章节然后按基准名称排序的多列表格
AI Index 2026中提到的所有著名AI模型的参考表，包括模型名称、组织、发布日期、模态和访问类型（开放/封闭）。
按组织和发布日期排序的多列表格
报告中引用的所有AI政策、法规和立法的参考表，按国家/地区组织，包括政策名称、类型、年份和状态。
按国家/地区和年份排序的政策参考表
补充投资数据表，提供了第4章中引用的2013-2025年按国家、部门和年份划分的详细私人AI投资数据。
数据表，包含国家/地区行、年份列和投资金额单元格
补充出版物数据表，提供了第1章中引用的2010-2025年按国家、领域和年份划分的详细AI出版物计数。
数据表，包含国家/地区/领域行和年份列
补充表格，展示了第9章中引用的公众舆论调查的完整调查结果，包括主要章节中未显示的国家/地区层面的细分。
调查数据表，包含国家/地区行和态度指标列
第6章中引用的FDA AI医疗设备批准数据的补充表格，包括专业、设备类型、510(k)/PMA途径和申请机构。
FDA设备数据表，包含多个属性列
AI Index 2026中引用的所有来源的参考文献条目A到D，以学术引用风格格式化，包括作者、标题、出版场所和年份。
两栏参考文献格式，按字母顺序排列条目
AI Index 2026中引用的所有来源的参考文献条目E到H。
两栏参考文献格式，按字母顺序排列条目
AI Index 2026中引用的所有来源的参考文献条目I到L。
两栏参考文献格式，按字母顺序排列条目
AI Index 2026中引用的所有来源的参考文献条目M到P。
两栏参考文献格式，按字母顺序排列条目
AI Index 2026中引用的所有来源的参考文献条目Q到T。
两栏参考文献格式，按字母顺序排列条目
参考文献条目U到Z，完成了AI Index 2026的完整引用作品列表，后跟Web资源和数据平台参考。
两栏参考文献格式，按字母顺序排列条目，后跟Web资源部分
感谢斯坦福HAI研究团队成员为AI Index 2026做出的贡献，包括每个章节的研究负责人和数据分析师。
按章节组织的结构化致谢列表，包含贡献者姓名和角色
感谢外部贡献者、数据提供商、调查合作伙伴（Ipsos、NetBase Quid、Lightcast）和专家审阅者，他们提供了数据或审阅了章节草稿。
按贡献者类型组织的致谢列表，包含组织隶属关系
列出为2026年报告提供指导的Stanford HAI AI Index顾问委员会成员，包括姓名、职称和机构隶属关系。
顾问委员会成员按字母顺序排列，包括职称和隶属关系
AIAAIC数据库中跟踪的2025年20起重大AI事件的扩展案例研究摘要，提供第3章中未出现的详细背景信息。
案例研究卡片，采用两列网格，包含事件名称、日期、类别和摘要
美国和加拿大的详细AI概况，涵盖研发产出、投资、政策、人才和采用指标，并进行同比比较。
国家概况卡片，包含雷达图和关键指标表
英国和主要欧盟国家（德国、法国、荷兰）的详细AI概况，涵盖研发、投资、政策、人才和采用指标。
国家概况卡片，包含雷达图和关键指标表
中国的详细AI概况，涵盖研发产出、私人投资、国家AI政策、人才库、模型发布和采用指标，并进行同比比较。
国家概况卡片，包含雷达图、关键指标表和政策重点部分
印度和主要东南亚AI经济体（新加坡、韩国、日本）的详细AI概况，涵盖研发、投资、政策和采用指标。
国家概况卡片，包含雷达图和关键指标表
主要中东AI参与者（阿联酋、沙特阿拉伯）和新兴非洲AI经济体的AI概况，包含AI投资、国家战略和人才发展数据。
国家概况卡片，包含关键指标摘要和国家战略重点
第2章中引用的所有模型和基准的AI技术基准结果的综合表格，提供该章节图表和比较背后的完整数据。
大型多列数据表，包含模型行和基准分数列
第7章的补充注册、项目和调查数据表，包括机构层面的CS注册数据和完整的教职员工/学生调查交叉表。
包含机构和人口统计学行的数据表
详细的投资数据表，提供公司层面、行业层面和地理位置细分的2023-2025年私人AI投资数据，如第4章所述。
按地理位置、行业和年份划分的多层投资数据表
第3章中AI安全研究出版物分析的补充数据表，包括搜索查询协议、关键词列表和场所层面的出版物计数。
包含场所和年份细分的安全性研究数据表
第8章的补充立法数据表，提供国家层面的AI法案计数、立法主题编码方案以及主要AI法律的关键条款摘要。
包含国家行和法案类别列的立法数据表
截至2025年的完整FDA AI医疗设备批准数据，补充第6章，包含关于专业、申请人和批准途径的设备级别详细信息。
包含完整详细列的FDA设备数据表
关于Stanford以人为本AI研究院的页面：使命、研究重点领域、教职员工和研究员、附属项目，以及如何参与HAI研究和活动。
包含HAI项目列表和联系/参与信息的机构概述
AI Index 2026的封底，包含Stanford HAI品牌、报告标题、ISBN/DOI、网站URL (aiindex.stanford.edu) 以及报告目的的简短段落摘要。
带有报告品牌、摘要段落、Stanford HAI标志和URL的封底
关于此幻灯片和基础演示文稿内容的常见问题。
Stanford HAI AI 指数报告 2026 是斯坦福大学以人为本人工智能研究院 (Human-Centered AI Institute) 发布的关于人工智能进展的最全面的年度调查报告的第 9 版。这份 423 页的报告涵盖了 AI 研发、技术性能基准、负责任的 AI、经济影响、科学应用、医学、教育、政策和治理以及全球公众舆论——所有这些都基于原始数据分析和数百个可视化。
主要发现包括：2025 年美国私人 AI 投资达到 859 亿美元（是 2022 年水平的三倍）；AI 代理现在解决了 SWE-bench 上超过 50% 的实际软件工程问题；FDA 在 2025 年批准了 258 种支持 AI 的医疗设备；80% 的大学生使用 generative AI 进行课程作业；46 个国家/地区采用国家 AI 战略；AIAAIC 跟踪的 AI 事件自 2019 年以来增加了 1000%；欧盟《AI 法案》的违禁行为禁令于 2025 年 2 月生效。
AI 指数由斯坦福大学以人为本人工智能 (HAI) 研究院发布，该研究院是世界领先的 AI 研究中心之一。该报告现已发布第 9 版，由一个研究团队制作，该团队拥有由领先的 AI 科学家、政策制定者和行业专家组成的顾问委员会。它利用来自数十个已建立来源的原始数据，包括益普索 (Ipsos)、NetBase Quid、Lightcast、FDA、WIPO 和学术出版物数据库，使其成为全球政府、公司和研究人员值得信赖的参考。
该报告包含 9 个章节：（1）研发——模型发布、出版物、计算扩展；（2）技术性能——跨语言、数学、编码、科学、多模态的基准；（3）负责任的 AI——事件、偏见、安全、治理；（4）经济——投资、劳动力、生产力、采用；（5）科学与 AI——生物学、气候、材料、物理学；（6）医学与 AI——诊断、FDA 设备、药物发现；（7）教育——入学率、学生 AI 使用、辅导；（8）政策与治理——国家战略、欧盟《AI 法案》、美国政策；（9）公众舆论——全球态度、信任、焦虑。前言包括一份包含 10 个主要要点的执行摘要。
是的，Stanford HAI AI 指数报告可在 aiindex.stanford.edu 上免费向公众提供。完整的 423 页 PDF 报告、交互式数据可视化和底层数据集均免费提供，这与 Stanford HAI 确保 AI 的益处和风险得到广泛理解的使命相一致。
第 9 版是迄今为止最全面的版本，扩大了覆盖范围，包括关于 AI 在科学（第 5 章）、医学（第 6 章）中的应用的新章节，以及关于公众舆论的专门章节（第 9 章）。2026 年版引入了 AI 主权 (第 8 章) 等新概念，增加了对欧盟《AI 法案》实施的报道，跟踪了 generative AI 投资的爆炸式增长，并在某些情况下将纵向数据系列扩展到 2010 年——与之前的任何版本相比，能够以更丰富的历史视角看待 AI 的进展轨迹。
该报告包含 423 页的数百个原始数据可视化，包括跟踪 2010-2025 年 AI 能力和投资趋势的折线图、比较 30 多个基准上的 AI 与人类表现的散点图、显示全球 AI 活动的世界地图、出版物增长的堆积面积图、前沿模型的能力比较矩阵、政策时间表、按国家和人口统计细分的调查数据、FDA 批准趋势等等。每章都包含尾注和延伸阅读，附录提供了完整的补充数据表。
Create Your Own Slides
Turn your ideas into professional presentations in seconds with 2slides AI.
参考专业设计，选择您的风格，生成具有完美文本渲染的幻灯片。由 Nano Banana 提供支持——立即开始创建您的演示文稿。
