針對 2025 年人工智慧的進展、應用和社會影響進行的全面年度調查，涵蓋研究與開發、技術效能、負責任 AI、經濟、科學、醫學、教育、政策與治理，以及全球公眾輿論。
快速導航
標籤
分享幻燈片
針對 2025 年人工智慧的進展、應用和社會影響進行的全面年度調查，涵蓋研究與開發、技術效能、負責任 AI、經濟、科學、醫學、教育、政策與治理，以及全球公眾輿論。
每張幻燈片頁面的詳細視圖，包括版面、關鍵內容和視覺元素。
《2026 年人工智慧指數報告》第九版的完整封面，以史丹佛 HAI 品牌標誌為主，搭配紅色/珊瑚色調和抽象幾何圖案。
全出血封面，標題置中，底部為版本號碼和史丹佛 HAI 標誌
正式的標題頁，列出史丹佛以人為本的人工智慧 (HAI) 作為出版者、編輯團隊名單、版權聲明以及第九版年度報告的出版詳細資訊。
簡潔的白色頁面，文字層次結構置中，頂部為 HAI 標誌，底部為出版元數據
目錄的第一頁，列出第 1 章到第 5 章的頁碼、章節標題以及每個章節範圍的簡短單行描述。
雙欄佈局，章節編號在左側，標題和頁碼參考在右側；彩色編碼的章節標籤
目錄的第二頁，涵蓋第 6 章到第 9 章以及附錄，包含頁碼和章節的單行描述。
延續第 3 頁風格的雙欄 TOC 佈局
來自 HAI 負責人（包括李飛飛）的開篇前言，介紹了第九版年度 AI Index 的重要性，並將 2025 年 AI 的快速發展置於背景中。
單欄文字，負責人照片插圖位於右上角，HAI 頁首橫幅
前言的延續，討論了 AI 對社會的變革性影響、數據驅動型 AI 政策的重要性以及 HAI 引導以人為本的 AI 發展的使命。
帶有章節子標題的單欄文字佈局
前言的第三頁，涵蓋 HAI 在多個維度追蹤 AI 進展的方法，並感謝 2026 年報告的全球貢獻者團隊。
帶有致謝段落和貢獻者名單的單欄文字
前言的結尾頁，包含 HAI 領導層對 2025-2026 年 AI 發展的風險的最終評論，以及對政策制定者和研究人員的行動呼籲。
以負責人簽名區塊結尾的單欄文字
執行摘要的開頭，介紹了 2025 年 AI 的總體敘述：快速的能力提升、加速的投資、日益增長的政策活動和社會辯論。
全寬簡介段落，後跟 10 個主要要點的編號列表預覽
主要要點 1 到 3：(1) AI 能力隨著基準飽和而激增；(2) 美國私人 AI 投資達到 2859 億美元；(3) AI 事件和危害追蹤顯示自 2019 年以來增加了 1000%。
三面板佈局，每個面板都有要點編號、粗體標題、支援數據點和小圖示
主要要點 4 到 6：(4) AI 代理現在解決了 50% 以上的實際 GitHub 問題；(5) FDA 在 2025 年批准了 258 種 AI 醫療設備；(6) 46 個國家/地區採用了國家 AI 戰略。
與第 10 頁風格匹配的三面板佈局
主要要點 7 到 9：(7) 80% 的學生使用生成式 AI 進行課程作業；(8) 歐盟 AI 法案禁止的做法於 2025 年 2 月生效；(9) 59% 的全球受訪者對 AI 持樂觀態度。
與第 10-11 頁匹配的三面板佈局
最終重點摘要（10）：AI 榮獲諾貝爾獎肯定，標誌著科學領域的歷史性里程碑，以及一覽圖表，顯示所有九個章節的關鍵指標。
上半部為單一重點面板；下半部為摘要指標儀表板
視覺化摘要圖表，顯示主要報告維度的年增長指標：投資、出版物、模型發布、政策行動和採用率。
全寬分組條形圖，具有顏色編碼類別和 x 軸上的年份標籤
世界地圖視覺化，顯示各國在研究產出、私人投資、政策採用和人才集中度等維度的 AI 活動水平。
全寬世界地圖，具有顏色漸變強度比例和頂尖國家的國家標註
簡要說明 AI Index 的數據收集方法，定義報告範圍內 AI 的構成，並列出各章節使用的主要數據來源。
雙欄文本，側邊欄中包含來源列表，並插入方法圖
讀者導航指南，說明章節結構、如何查找特定主題、線上互動數據訪問以及 AI Index 2026 的引用指南。
單欄文本，帶有線上資源和章節導航提示的重點框
全出血章節開篇頁面，帶有深海軍藍/板岩灰色背景、大型白色第 1 章數字，以及標題「研究與開發」，並簡要概述該章。
全出血深色背景，超大章節編號左對齊，標題和描述右對齊
第 1 章的介紹性文字，總結了關鍵的研發成果：2025 年發布了約 200 個值得注意的 AI 模型，基準飽和度加速，開源模型正在縮小與專有系統的差距。
單欄介紹，突出顯示了關鍵統計數據的引述
條形圖顯示 2019 年至 2025 年每年發布的值得注意的 AI 模型數量，說明了顯著的加速，僅在 2025 年就發布了約 200 個值得注意的模型。
全寬條形圖，x 軸上帶有年份標籤，y 軸上帶有計數，條形圖以章節海軍藍/板岩主題著色
堆疊條形圖按組織類型（產業、學術界、政府和公民社會）細分 2025 年的 AI 模型發布，顯示產業的主導份額。
堆疊水平條形圖，具有組織類型類別和圖例
2025 年 AI 模型起源的地理細分，顯示美國、中國、英國、歐洲和其他地區，其中美國產生了最大份額的值得注意的前沿模型。
世界地圖，氣泡大小表示每個國家/地區的模型發布量，以及隨附的條形圖
2025 年基礎模型概述部分，定義了該術語，列出了關鍵的前沿模型（GPT-4o、Gemini 2.0、Claude 3.5、Llama 3、DeepSeek），並解釋了它們的架構意義。
文本繁重的部分介紹，帶有模型名稱重點框和比較表
水平時間軸視覺化，顯示 2025 年全年主要基礎模型的發布日期，按組織和模型系列組織。
水平時間軸，模型標籤位於線上方/下方，組織顏色編碼
折線圖比較 2020-2025 年間開源與專有 AI 模型在標準化基準測試上的效能軌跡，顯示到 2025 年底差距正在縮小。
雙線圖，開源（虛線）和專有（實線），y 軸為基準分數，x 軸為年份
2025 年開源 AI 生態系統成長分析，包括 GitHub 星星數、頂級模型的下載量，以及 Hugging Face 等平台在普及 AI 存取方面的作用。
混合佈局，左側為文字分析，右側為顯示下載/星星指標的長條圖
折線圖顯示 2010-2025 年按地區劃分的 AI 相關學術出版品總數，表明中國在數量上領先，而美國在高度引用的論文中持續保持領先地位。
多線圖，具有區域顏色編碼、對數刻度 y 軸選項、x 軸為年份
AI 出版品數量與各國引用影響力的散佈圖，說明美國與中國在出版數量與品質上的動態，以及歐盟的引用表現。
散佈圖，國家/地區氣泡的大小表示出版品總數，x 軸為數量，y 軸為每篇論文的引用次數
堆疊面積圖顯示 2015-2025 年按研究子領域（NLP、電腦視覺、機器人、ML 理論等）劃分的 AI 出版品成長情況，其中 NLP 和生成式 AI 呈現爆炸性成長。
堆疊面積圖，具有子領域顏色層、年份 x 軸、出版品數量 y 軸
長條圖比較 AI 研究出版場所 — 頂級會議（NeurIPS、ICML、CVPR、ICLR、ACL）與期刊 — 以及它們在 2025 年高影響力 AI 研究中的相對佔比。
並排長條圖比較，y 軸為場所名稱，x 軸為論文數量
AI 中基準飽和度的介紹性分析，說明到 2025 年，許多先前具有挑戰性的基準已基本解決，因此需要更困難的評估任務。
文字部分，包含基準飽和度圖表，顯示任務從「未解決」區域移動到「飽和」區域
散佈圖顯示 50 多個基準測試中 AI 效能與人類效能的比較，顏色編碼表示 AI 超過人類水平效能的基準。
大型散佈圖，具有人類同等水平對角線、基準名稱註釋、高於/低於人類同等水平的顏色編碼
對數刻度折線圖追蹤 2012-2025 年前沿 AI 模型使用的訓練運算量（以 FLOPs 為單位），顯示大約 6 個月的倍增時間和數量級的增加。
對數刻度折線圖，具有模型名稱註釋、x 軸為時間、y 軸為對數 FLOPs
AI 訓練成本趨勢分析，顯示雖然每個模型的運算量增加，但每個運算單位的成本已大幅下降，雙軸圖說明了這兩種趨勢。
雙軸圖，左軸為每個 FLOP 的運算成本，右軸為每個模型的訓練成本
圖表顯示 2020-2025 年 AI 推論效率的改進：每秒 Token 數、每百萬 Token 的成本，以及等效效能所需的模型大小都大幅提高。
三個面板的小型多重圖表，每個圖表顯示一個隨時間變化的效率指標
2025 年 AI 硬體發展概述：GPU/TPU 進展、主要科技公司推出的新型客製化 AI 加速器，以及針對推論最佳化的晶片。
文字概述，包含比較硬體規格表和市場佔有率圓餅圖
長條圖和文字分析顯示用於前沿模型的訓練資料集大小的成長，從數十億到數兆個 tokens，以及轉向合成資料生成。
長條圖顯示各模型的資料集大小，附帶文字評論欄
2025 年多模態 AI 能力分析 — 整合文字、圖像、音訊和視訊的模型 — 具有能力矩陣，顯示哪些模型支援哪些模態。
能力矩陣表，模型名稱作為行，模態作為列，儲存格中包含勾選標記/分數
關於 2025 年以推理為重點的模型（例如，OpenAI o-series、DeepSeek-R1）興起的部分，解釋了推理時的思維鏈，以及在困難推理任務上的基準改進。
文字部分，包含顯示推理模型與標準模型效能的比較圖
2025 年發布的 AI 代理系統簡介，涵蓋實現多步驟自主任務完成、工具使用和代理工作流程的架構。
代理架構的概念圖（感知 → 推理 → 行動迴圈），附帶文字說明
按國家/地區對 AI 研發領導地位進行比較分析，包括：出版量、引用影響、專利申請、模型發布和私人投資。
每個頂尖國家/地區（美國、中國、英國、歐盟、加拿大、印度）的雷達/蜘蛛圖，具有五個維度軸
長條圖顯示 2015-2025 年各國家/地區的 AI 專利申請，中國在原始專利數量上超過美國，而美國在高度引用的專利中保持領先地位。
按國家/地區分組的長條圖，按年份分組，y 軸為專利計數
關於 2025 年新成立的 AI 公司資料，顯示了 AI 原生新創公司的激增，以及美國、歐盟和亞洲各地新 AI 企業的地理分佈。
新創公司成立的世界地圖泡泡圖，加上頂級新創公司樞紐的長條圖
前沿 AI 模型開發中的市場集中度分析，顯示少數組織（OpenAI、Google、Anthropic、Meta、Mistral、DeepSeek）佔據了大多數前沿版本。
圓餅圖顯示各組織發布的前沿模型份額，加上文字分析
AI 研究人才流動分析：研究生課程註冊趨勢、AI 研究人員的地理遷移，以及頂尖 AI 人才在少數機構和公司的集中度。
桑基圖顯示各國之間的人才流動，加上頂尖機構的長條圖
2025 年按出版產出和引用影響排名的頂尖 AI 研究機構清單和長條圖，包括大學和產業實驗室。
水平排名長條圖，y 軸為機構名稱，x 軸為雙重指標
2025 年最重要的 AI 研究和開發里程碑時間表，從模型發布到科學突破和政策事件。
垂直時間表，包含里程碑條目，左側為日期，右側為描述，類別顏色編碼
2025 年機器人技術和具體化 AI 的 AI 進展概述：用於操作的基礎模型、運動改進以及通用機器人策略的出現。
文字概述，包含機器人能力基準圖和說明照片
針對2025年生成式 AI 在影像與影片合成方面的進展分析，包括擴散模型、影片生成品質的提升，以及即時生成能力。
包含品質指標進展圖表和範例功能描述的文字分析
2025年生成式 AI 在音訊與語音合成方面的進展概覽：聲音複製、音樂生成、即時翻譯和環境語音辨識的改進。
包含語音辨識錯誤率和語音品質分數的效能指標圖表的文字概覽
關於2025年 AI 程式碼生成進展的章節，涵蓋 HumanEval 和 SWE-bench 上的模型功能，以及 AI 程式碼輔助工具在開發人員工作流程中的整合。
效能基準進展圖表加上包含開發人員採用統計資料的文字分析
針對2025年獲得關注的新興 AI 研究主題分析：機制可解釋性、AI 對齊、持續學習、測試時運算擴展和神經形態方法。
每個主題的論文發表成長圖表和主題群集視覺化
透過跨國共同作者衡量國際 AI 研究合作的資料，顯示合作模式以及美國與中國研究日益脫鉤的情況。
包含文字評論的國際共同作者關係弦圖
2025年 AI 研究資金來源的細分：政府補助、產業資金、慈善投資，以及產業資助學術研究的比例不斷增加。
顯示資金來源份額隨時間變化的堆疊長條圖，以及文字分析
針對大型科技公司、學術機構和低收入國家研究人員之間在 AI 運算資源取得方面存在的差距分析，突顯運算鴻溝。
顯示運算資源分配的比較長條圖，以及關於資源取得不平等的文字分析
關於2025年 AI 能源消耗量不斷增長的資料：前沿模型訓練的估計能源使用量、大規模推論，以及歸因於 AI 工作負載的資料中心電力需求增長。
AI 相關能源需求的折線圖，包含碳當量註解和文字評論
截至2025年，關於 AI 中主要開放研究問題的討論：長程推理、可靠的規劃、對分佈轉移的穩健性、可解釋性和組合泛化。
結構化文字，包含問題陳述框和每個研究挑戰的引用次數
第一章的摘要統計頁面，以儀表板格式呈現最重要的量化結果：模型發布、運算增長、論文發表量和開放原始碼指標。
包含支援火花線和簡短文字標籤的大數字統計儀表板網格
第一章的參考註釋，引用主要資料來源、論文發表和專利資料的方法論註釋，以及研發章節中使用的關鍵術語定義。
包含來源引用和編號參考的雙欄註腳/尾註格式
第一章中引用的延伸閱讀資源和重要論文的精選清單，按章節主題組織，並附有簡短註解。
結構化閱讀清單，包含章節標題和註解條目
全版面章節開場，深海軍藍/藍色背景，大型白色第二章數字，標題「技術效能」，以及2025年衡量的AI效能進展簡要概述。
全版面深海軍藍背景，超大章節編號，白色標題和描述
技術效能章節的簡介，說明基準測試框架、關於基準飽和的注意事項，以及跨任務類別的效能資料組織。
單欄簡介文字，附章節段落概述圖
2025年 MMLU、MMLU-Pro、BIG-Bench Hard 和 HellaSwag 的語言理解基準效能概述，顯示 AI 模型在大多數任務上達到或超過人類效能。
多條形比較圖，y 軸為基準名稱，x 軸為頂級模型的效能分數
折線圖追蹤 2020-2025 年 MMLU 和 MMLU-Pro 基準上的頂級模型效能，展示從 60% 快速發展到接近人類和超人類水準。
MMLU 和 MMLU-Pro 趨勢的雙線圖、模型里程碑註釋、人類效能參考
條形圖顯示 2025 年 AI 在競賽數學基準（AIME、AMC、MATH）上的效能，領先的推理模型取得頂尖的人類競爭分數。
按基準分組的條形圖，帶有模型比較條、人類專家基準參考
折線圖追蹤 2020-2025 年 AI 在 MATH 資料集上的效能，顯示 2024-2025 年的轉折點，當時推理模型顯著提高了數學問題解決能力。
折線圖，帶有關鍵模型註釋、轉折點突出顯示、人類分數參考線
2025 年 AI 在 HumanEval、HumanEval+ 和 MBPP 基準上的程式碼編寫效能比較，顯示原始 HumanEval 接近飽和，並且在更難的變體上表現出色。
條形圖比較三個基準上的頂級程式碼編寫模型，並以人類開發人員為基準
折線圖和條形圖顯示 2023-2025 年 AI 代理在 SWE-bench（真實 GitHub 問題解決）上的效能，領先的代理現在解決了超過 50% 的問題。
左側：隨時間推移的最佳效能折線圖。右側：具有解決率的頂級代理條形圖
AI 在需要多檔案編輯、測試編寫、跨大型程式碼庫進行偵錯和工具使用的代理程式碼任務上的效能分析 — 超越了單一功能的 HumanEval 樣式任務。
基準比較表，包含任務類別列和模型效能欄
條形圖顯示頂級模型在 GPQA（研究生級 Google 驗證問答）跨物理、化學和生物子網域上的效能，前沿模型超越了博士級人類效能。
按科學領域分組的條形圖，帶有模型比較和博士級人類基準
跨科學推理任務（GPQA、SciQ、ARC-Challenge、OlympiadBench）的多基準比較，顯示相對於專家人類基準的 AI 模型效能。
每個頂級模型的雷達圖，顯示多基準效能概況
2025 年 AI 在形式邏輯、定理證明和結構化推理任務上的效能分析，包括在 LeanDojo、FrontierMath 和邏輯演繹基準上的效能。
按推理任務類別劃分的效能條形圖，附文字分析
AI模型在長篇上下文任務上的效能分析，這些任務需要理解高達100萬個tokens的文件，顯示出顯著的改進，但在非常長的上下文中仍然存在挑戰。
效能與上下文長度的折線圖，包含模型比較線
AI模型在2023-2025年間的事實準確性和幻覺率分析，顯示在有根據的生成方面有所改進，但在開放領域設定中仍然存在持續的幻覺挑戰。
比較各模型幻覺率的長條圖，包含改進趨勢線
2025年AI模型在指令遵循基準測試（IFEval、MT-Bench）上的效能數據，顯示在遵循複雜、多重約束指令方面有顯著提升。
長條圖，x軸為指令複雜度層級，y軸為頂尖模型的合規率
2025年視覺-語言模型在視覺問答、圖像描述和圖表理解等任務上的基準測試結果，顯示AI正在接近或超越人類效能。
頂尖視覺-語言模型的多基準測試比較長條圖
2025年AI影片理解模型在時間推理、動作識別和影片問答基準測試上的效能分析。
比較頂尖影片模型在多個基準測試上的長條圖，包含人類效能基準
2015-2025年間AI語音辨識系統在多種語言和口音群體中的詞錯誤率趨勢，顯示在高資源語言中接近人類效能。
按語言群體劃分的WER隨時間變化的多線圖
2021-2025年間AI圖像生成品質的人工評估分數，顯示在照片寫實度、連貫性和提示遵循方面有顯著改進。
品質分數隨時間變化的折線圖，包含模型發布註釋和範例輸出描述
長條圖顯示2025年AI代理在標準化代理基準測試（WebArena、OSWorld、AgentBench）上的任務完成率，突顯了在實現通用自主任務執行方面的進展。
按基準測試分組的長條圖，包含代理系統比較長條和基準參考
AI代理在網路瀏覽、電腦使用和GUI互動任務上的效能分析，顯示了領先代理系統的成功率和失敗模式分析。
按任務類型劃分的成功率長條圖，包含失敗模式分解圖
AI代理在需要10個以上連續步驟的長程規劃任務上的效能數據，顯示了當前局限性以及短任務和長任務效能之間的差距。
多個代理系統的效能隨任務步驟增加而下降的折線圖
使用BLEU和人工評估分數分析AI在200多種語言對之間的翻譯品質，顯示高資源語言對接近專業品質，而低資源語言存在顯著差距。
翻譯品質的世界語言熱圖，加上頂尖/墊底語言對的長條圖
2025年AI文本摘要和長篇生成品質的基準測試，包括人工評估一致性分數和事實準確性指標。
比較各模型摘要品質的長條圖，包含人工評估結果
分析 AI 模型對於分佈偏移、對抗性輸入和異質分佈測試案例的強韌性，顯示儘管整體能力有所提升，但仍然存在持續的脆弱性。
群組長條圖，比較不同模型類型在同質分佈與 OOD 效能上的差距
整合比較圖表，顯示 AI 與人類在 30 多個不同任務中的效能，並以視覺標記標示 AI 現在超越人類效能的任務。
水平點圖，y 軸為任務名稱，AI 和人類分數為成對點，「AI 超越」陰影
關於新引入的困難基準的效能數據，這些基準旨在抵抗 2025 年的飽和：FrontierMath、MMMU-Pro 和 Humanity's Last Exam，顯示當前前沿模型的能力。
頂級模型在三項困難基準上的分數長條圖，並以人類專家為基準
2025 年測試時運算擴展範例分析：透過思維鏈、搜尋和自我驗證等額外推論運算如何提高困難任務的效能。
折線圖，顯示推理模型的效能與推論運算預算
AI 模型校準分析 — 模型置信度分數與實際準確度有多匹配 — 顯示頂級模型的校準有所改進，但仍然存在挑戰。
多個模型的校準曲線圖，並以理想的校準對角線作為參考
熱圖顯示 AI 模型在標準 NLP 基準上跨 100 多種語言的效能，突顯高資源和低資源語言群體之間的顯著效能差距。
語言與基準熱圖，具有效能顏色漸層和區域分組
跨專業領域的基準效能摘要：法律（律師考試）、醫學（USMLE）、金融（CFA）和會計，顯示前沿 AI 模型達到或超過專業及格分數。
專業考試及格分數與 AI 模型在四個領域的分數長條圖
2025 年 AI 在策略遊戲和模擬中的效能概述，包括西洋棋、圍棋、撲克和即時策略遊戲，顯示在大多數遊戲類別中都具有超人效能。
AI 與頂級人類玩家在遊戲類型中的評級比較圖
具體化 AI 系統在操作、導航和靈巧控制任務上的基準效能數據，顯示取得了實質性進展，但與人類效能之間仍然存在差距。
頂級機器人 AI 系統按任務類別的成功率長條圖
2025 年每美元推論成本的 AI 效能分析，顯示成本效益顯著提高，從而普及了對高效能 AI 的訪問。
頂級模型的效能與每次查詢成本的散佈圖，並具有基於時間的趨勢箭頭
2025 年排名前 10 的前沿模型在 15 個基準類別中的直接能力比較，提供當前 AI 能力格局的結構化概述。
大型比較表，模型名稱作為行，基準類別作為列，顏色編碼效能層級
摘要折線圖，顯示 2018-2025 年五個主要任務類別（語言、數學、程式碼、科學、多模態）的效能趨勢，說明 AI 進展的加速。
五面板小型多重折線圖，每個面板顯示一個類別的隨時間變化趨勢
針對 AI 基準設計限制的方法論討論，包括資料汙染疑慮、基準過度擬合，以及衡量通用智慧的挑戰。
文字分析，附帶說明汙染的圖表和基準品質標準的檢查清單
關於 AI 模型在安全和對齊相關基準上的效能資料：TruthfulQA、BBQ 偏見評估和越獄抵抗測試，顯示進展和剩餘的挑戰。
長條圖，比較頂尖模型在安全基準上的分數，並附帶文字評論
第 2 章的參考附註，包含資料來源引文、基準方法論參考，以及本章中使用的效能指標定義。
雙欄附註格式，包含編號引文和來源參考
第 2 章的精選延伸閱讀清單，按基準類別組織，包含重要論文和排行榜資源，以便持續探索 AI 技術效能。
結構化的閱讀清單，包含類別標題和註釋條目
深入分析思維鏈提示對推理效能的影響，顯示明確的逐步推理可提高數學、邏輯和科學基準的效能。
長條圖，比較有無 CoT 的效能，加上對機制的文字分析
2025 年檢索增強生成 (RAG) 系統效能分析，顯示將 LLM 與外部知識檢索相結合如何顯著提高事實準確性。
長條圖，顯示跨知識領域有無 RAG 的事實準確性
AI 模型在結構化資料任務上的基準效能：SQL 產生、表格 QA 和財務資料解讀，顯示強大但並不完美的效能。
結構化資料任務效能的長條圖，包含任務類型細分
AI 效能基準測試中可再現性挑戰的分析，包括對提示措辭、溫度設定和評估協定變化的敏感度。
變異數分析圖表，顯示效能對提示變化的敏感度，並附帶文字評論
對 2025 年觀察到的突現 AI 能力的討論 - 隨著模型規模的增加而不連續地出現的技能 - 舉例說明並辯論突現是真實的還是評估的人為產物。
文字分析，附帶突現範例表格和規模與能力散佈圖
2025 年 AI 基準測試生態系統的概述：主要排行榜、評估組織 (HELM、BIG-bench)，以及隨著模型改進而維持有意義評估的挑戰。
生態系統圖，顯示主要基準、組織及其關係
需要整合文字和視覺資訊的多模態推理任務的效能資料，包括科學圖表、圖表和帶有圖表的數學。
頂尖多模態模型在各種推理任務類型上的基準比較長條圖
基準效能與現實世界部署效能之間差距的分析，包括對分佈轉移、邊緣案例和基準部署效能相關性的討論。
散佈圖，比較實驗室基準分數與應用程式的現實世界效能估計值
第 2 章摘要儀表板，呈現重點效能發現：AI 在 X 任務上達到與人類相當的水平，在 Y 任務上超越人類專家，以及主要的未解決挑戰。
摘要儀表板，包含大量統計數字、任務類別細分和重點發現標註框
AI 在 2025 年於競爭性程式設計基準（CodeForces、IOI 問題）上的效能，顯示前沿模型達到高 CodeForces 評級的效能水準。
評級比較圖表，將 AI 系統等級對應到人類百分位數
詳細分析 AI 在 2025 年於國際數學奧林匹亞競賽 (IMO) 風格問題上的效能，前沿模型在選定的問題集中達到相當於金牌的效能。
問題難度與解答率圖表，包含模型比較和 IMO 獎牌門檻註釋
AI 系統在科學文獻回顧任務上的效能：準確總結論文、識別方法論錯誤以及綜合多篇論文的發現。
文獻回顧子任務的準確性比較長條圖，包含模型比較
詳細的多語言基準效能 (XTREME, XGLUE, mMMLU)，顯示英語和非英語任務之間的效能差距，並分析低資源語言的挑戰。
按語言和基準劃分的效能熱圖，包含語系分組
2025 年關於 AI 說服能力的研究發現：研究顯示，在 A/B 測試中，AI 產生的說服性文字優於人類撰寫的文字，引發了對操縱的擔憂。
說服研究結果的長條圖，包含對影響和風險討論的文字分析
2025 年 AI 模型記憶體能力的分析：上下文記憶體限制、外部記憶體擴增以及支援更長時程任務的有狀態代理系統。
記憶體架構的比較圖，包含記憶體相關任務的效能資料
2025 年 AI 模型使用外部工具（API、計算器、搜尋引擎、程式碼直譯器）的效能資料，顯示在可靠工具使用方面有顯著改進。
按工具類型和模型劃分的工具使用任務成功率長條圖
針對科學任務的特定領域 AI 模型概述：蛋白質結構、材料科學、氣候、基因組學，以及它們相對於通用模型的效能。
效能比較表：跨科學領域的專家模型與通用模型
AI 文件理解任務的基準效能：PDF 剖析、表單提取、合約分析以及 2025 年的複雜文件問答。
文件任務效能的長條圖，包含任務類型細分和模型比較
2025 年 AI 模型對抗對抗性攻擊的穩健性分析，包括圖像擾動攻擊、LLM 的提示注入以及防禦機制有效性。
攻擊成功率長條圖，包含防禦方法比較和文字分析
第 2 章主要主題的總結分析：AI 能力提升的加速、保持基準有意義的挑戰，以及 AI 在不斷擴大的任務集中超越人類效能的影響。
文字結論，包含按人類同等狀態顯示基準類別的摘要圖表
全出血式章節開場，深青色背景，大型白色第 3 章數字，標題「負責任的 AI」，以及章節重點的簡要概述，內容涵蓋 AI 安全性、偏見、危害和治理。
全出血式深青色背景、超大章節編號、白色標題和描述
負責的 AI 章節簡介，說明衡量 AI 危害、安全研究、偏見評估和 2025 年實際治理的架構。
單欄簡介，包含章節概述圖和主要定義框
折線圖顯示 AIAAIC 資料庫追蹤的 2012-2025 年間 AI 相關事件數量，顯示在此期間成長超過 1000%，且自 2022 年起急遽加速。
全寬折線圖，年份為 x 軸，事件計數為 y 軸，並註解主要事件高峰
堆疊長條圖，依危害類別細分 2025 年的 AI 事件：不實資訊/deepfake、侵犯隱私、歧視、自主系統故障和網路安全漏洞。
堆疊水平長條圖，具有危害類別顏色編碼和百分比標籤
世界地圖和長條圖顯示 2025 年報告的 AI 事件地理分佈，其中美國、歐盟和中國佔追蹤事件的多數。
世界地圖，包含事件密度泡泡圖，加上事件計數前 15 名國家/地區的長條圖
2025 年 AI 產生不實資訊事件分析：以選舉為目標的 deepfake 影片、合成音訊詐欺，以及大規模傳播的 AI 產生新聞文章。
2025 年主要 deepfake 事件的時間軸，包含文字分析和偵測能力圖表
比較 2025 年 deepfake 偵測技術效能與 deepfake 產生品質，顯示持續進行的軍備競賽，偵測始終落後於產生。
產生品質與偵測準確度隨時間變化的雙線圖，包含軍備競賽差距註解
2025 年 AI 系統中偏見衡量和減輕研究的概述，涵蓋跨人口群體的招聘演算法、信用評分、醫療分流和臉部辨識。
偏見類型和減輕方法架構圖，包含文字概述
2025 年 AI 招聘工具偏見稽核的實驗結果，顯示在自動履歷篩選系統中，不同種族、性別和年齡的差異篩選率。
依人口群體劃分的篩選率長條圖，包含差異比率註解
2025 年醫療保健 AI 演算法中的偏見分析，重點關注跨種族和社會經濟群體診斷 AI 的差異準確性，以及效能差距的原因。
跨多個 AI 工具依人口群體劃分的診斷準確性長條圖
AI 輔助貸款中信用評分和金融服務中的 AI 偏見資料，顯示跨人口群體的差異貸款批准率和風險評分分佈。
依人口統計劃分的批准率和評分分佈長條圖，包含文字分析
2025 年跨人口群體的臉部辨識系統基準測試結果，顯示儘管取得進展，但準確性差異仍然存在，並分析監管回應。
依人口群體劃分的錯誤率比較圖表，包含監管回應標註
折線圖追蹤 2015-2025 年間 AI 公平性和偏見緩解研究出版物的數量，顯示該領域隨著企業公平承諾的增加而快速成長。
出版物數量折線圖加上企業公平倡議公告的年度長條圖
折線圖顯示 2016-2025 年間 AI 安全研究出版物和專門的安全研究組織的成長，展示該領域的快速制度化。
安全出版物和安全組織數量隨時間變化的雙線圖
2025 年活躍的主要 AI 安全研究組織概覽：Anthropic、DeepMind Safety、ARC Evals、Redwood Research、METR、Apollo Research 等。
網格中的組織檔案卡，每個組織包含成立日期、重點領域和主要產出
分析 2025 年主要 AI 實驗室中 AI 紅隊演練的採用情況，顯示紅隊演練已成為標準實務，並且 NIST 和政府框架正在制定新興標準。
採用時間軸圖加上紅隊演練方法和發現的文字分析
2025 年主要 AI 實驗室公開的紅隊演練發現摘要：常見的漏洞類別、越獄技術的普及程度以及不同防禦方法的有效性。
漏洞類別長條圖，附帶防禦有效性比較表
2025 年 AI 生成內容浮水印和偵測技術概覽：C2PA 來源標準、AI 文字偵測器以及主要平台採用的影像浮水印。
技術概況圖，包含採用指標和有效性的文字分析
2025 年 AI 隱私權風險和保護措施分析：訓練資料記憶、模型反演攻擊、差分隱私採用以及法規遵循挑戰。
風險分類圖，附帶隱私權保護技術的採用率圖表
2025 年 AI 在網路安全中的雙重角色分析：AI 驅動的威脅偵測和防禦，以及 AI 支援的攻擊自動化，並提供兩者的事件發生率資料。
AI 防禦應用程式和 AI 攻擊應用程式的並排長條圖，附帶文字分析
2025 年前沿 AI 實驗室使用的能力評估框架概覽，用於在模型部署之前評估危險能力，包括 CBRN 提升測試。
評估框架圖，包含能力類別定義和實驗室採用表
2025 年主要 AI 風險分類和框架的比較：NIST AI RMF、歐盟 AI 法案風險等級、OECD AI 風險框架以及業界開發的風險分類。
四個框架的並排比較表，風險類別已跨框架對應
2025 年美國聯邦機構和私營部門組織中 NIST AI RMF 的採用率資料，顯示採用率不斷成長但並不均衡。
按部門和組織規模劃分的採用率長條圖，附帶文字分析
2025 年模型卡和 AI 透明度文件採用的分析，顯示主要實驗室的揭露有所增加，但整個行業的標準和深度不一致。
採用指標長條圖加上品質記分卡，比較主要實驗室的模型卡深度
2025年AI在軍事和國防領域的應用概況：自主武器開發、目標鎖定AI、AI輔助監控，以及國際法挑戰。
包含全球部署地圖和風險因素標註框的文字分析
2025年AI在刑事司法環境中的使用數據：預測性警務、量刑算法、保釋決策工具，以及有記錄的偏見問題和法律挑戰。
美國各州採用地圖，附帶偏見審計結果圖表和法律挑戰時間軸
2025年AI驅動的監控技術在全球的部署分析：公共場所的面部識別、行為監控，以及國家層級的採用和限制。
包含監管限制疊加層的全球監控技術採用地圖
2025年對日益嚴重的AI環境影響問題的分析，重點關注數據中心用水量、AI工作負載的碳排放，以及主要AI公司的永續發展倡議。
每家公司的環境指標長條圖，附帶永續發展承諾比較表
2025年與AI相關的勞工問題概況：數據標記員的工作條件、內容審核員的心理健康，以及AI驅動的失業問題討論。
包含標記員工作條件調查數據和失業預測圖表的文字分析
2025年AI在主要平台內容審核中的作用分析，包括有害內容類別的檢測準確性，以及邊緣化社群的誤判挑戰。
按內容類型劃分的準確性指標長條圖，附帶按社群劃分的誤判率細分
2025年主要AI公司的企業AI責任使用政策概況，包括使用政策、禁止使用案例和執行機制。
主要AI公司的政策比較表，附帶使用案例禁止清單
關於產業AI治理實踐的調查數據：擁有AI倫理委員會、負責AI團隊、影響評估和治理審查流程的公司百分比。
按公司規模和行業劃分的治理實踐採用率長條圖
2025年國際AI安全協調工作概況：巴黎AI安全峰會、布萊切利園後續行動、首爾AI宣言，以及多邊安全研究倡議。
國際安全峰會和協議的時間軸，附帶承諾的文字分析
2025年重大AI事件的三個詳細案例研究：一場主要的deepfake選舉假訊息宣傳活動、一個醫療保健AI診斷錯誤群集，以及一系列自動駕駛汽車事故。
三面板案例研究佈局，每個案例包含事件描述、響應和經驗教訓
2025年AI模型在危險能力評估基準上的性能數據，包括CBRN提升評估和部署前測試中使用的生物安全風險評估。
包含風險等級閾值和實驗室比較的性能評估結果長條圖
2025年AI對齊研究方法概述：RLHF/RLAIF、憲法AI、辯論和放大、機制可解釋性，以及可擴展的監督技術。
研究方法分類圖，附帶每種方法的出版量圖表
分析2025年AI可解釋性和說明性研究的增長，涵蓋機械式可解釋性技術、顯著性地圖，以及它們在受監管行業中的實際部署。
出版物增長折線圖加上受監管行業採用率長條圖
關於2025年AI心理健康應用和相關風險的數據：基於聊天機器人的心理健康支持部署、有效性數據，以及涉及有害AI心理健康互動的事件。
具有有效性圖表和事件類別細分的部署指標
2025年與AI系統相關的兒童安全問題概述：CSAM檢測、適合兒童年齡的AI體驗、兒童在教育中使用的AI，以及監管保護。
具有監管環境地圖和安全措施採用圖的文本分析
關於2025年領先的偏差緩解技術有效性的實驗數據，比較了跨偏差指標的預處理、處理中和後處理方法。
按技術劃分的偏差指標降低的比較長條圖，以及準確性成本分析
關於2025年負責任的AI職位角色的數據：AI倫理學家、AI安全工程師、負責任的AI項目經理職位發布、薪資以及該領域的供需缺口。
職位發布趨勢圖和薪資比較，以及供需缺口重點
2025年新興的AI審計生態系統概述：第三方審計師、算法審計標準、各司法管轄區的強制性審計要求以及行業自我評估工具。
AI審計組織的生態系統圖加上監管要求比較表
分析2025年特定於開源模型發布的負責任AI問題，包括雙重用途風險、發布後安全和社群安全實踐。
開源AI的風險分類，以及緩解方法比較和文本分析
2025年2月巴黎AI安全峰會的成果摘要，以及隨後的國際安全承諾，包括GPAI行為準則里程碑。
每個峰會的成果摘要卡片，以及承諾追蹤狀態指標
第三章的摘要儀表板，展示了關鍵的負責任AI指標：AI事件增長、偏差審計結果、安全研究增長和治理採用率。
具有大數字統計、趨勢迷你圖和關鍵發現重點框的儀表板網格
分析2025年AI系統產生有毒、有害或不適當輸出的趨勢，包括毒性基準測試結果和安全微調的有效性。
具有模型改進趨勢和文本分析的毒性率比較長條
2025年AI版權和智慧財產權挑戰概述：訓練數據權利、AI生成內容的IP狀態、主要法律案件和新興監管框架。
具有政策框架比較和文本分析的法律案件時間軸
分析2025年針對選舉的有記錄的AI驅動的虛假訊息活動，包括規模估計、平台回應和檢測挑戰。
具有規模估計和平台回應比較表的活動時間軸
分析 2025 年 AI 部署鏈中的責任歸屬缺口：開發者、部署者和使用者之間的責任分散，以及分配責任的努力。
責任歸屬缺口圖，包含跨司法管轄區的責任框架比較
概述 2025 年 AI 系統對人權的影響，從監控和自由表達，到訴諸司法的機會，以及自動決策中獲得解釋的權利。
權利影響矩陣表，AI 應用程式為行，人權為列，包含影響評級儲存格
第 3 章中引用的技術安全性評估方法預覽，包括紅隊協議、能力評估程序和偏差測量標準。
方法概述圖，包含參考文獻清單和文本說明
2025 年負責任的 AI 監管和治理活動的世界地圖視覺化，顯示各國的監管密度，以及歐盟、美國和亞洲方法之間的對比。
世界等值區域圖，包含監管強度顏色編碼和區域重點框
比較 2025 年各國政府、公司和國際組織採用的 AI 倫理原則，繪製重疊和分歧之處。
維恩圖/重疊圖，顯示 20 多個主要框架中的倫理原則主題
第 3 章的參考註釋，包括事件資料、偏差研究、安全性研究和治理框架引用的主要資料來源。
兩欄編號尾註格式
第 3 章的精選延伸閱讀，按章節組織：安全性研究、偏差與公平性、治理和事件分析，附簡要註釋。
結構化閱讀清單，包含章節標題和條目
全出血章節開篇，深海軍藍色背景，大型白色第 4 章數字，標題「經濟」，以及涵蓋 AI 投資、勞動力和採用趨勢的簡短章節描述。
全出血深海軍藍色背景，超大章節編號，白色標題和描述
經濟章節簡介，概述 2025 年 AI 的經濟足跡，包括私人投資、勞動力市場、公司採用和生產力效應。
單欄簡介，包含章節重點重點框和章節概述
折線圖顯示 2013 年至 2025 年的全球私人 AI 投資，2025 年全球達到超過 4700 億美元，其中美國佔 2859 億美元，是 2022 年水準的三倍。
折線圖，包含全球和美國特定的投資線、年份 x 軸、金額 y 軸、主要里程碑註釋
長條圖按 2025 年的私人 AI 投資對各個國家/地區進行排名，美國顯著領先，其次是中國、英國、印度和加拿大。
水平排名長條圖，y 軸上顯示國家/地區名稱，x 軸上顯示投資金額
2025 年按行業劃分的 AI 私人投資明細：企業軟體、醫療保健、自動駕駛汽車、金融服務、網路安全、教育和零售。
圓餅圖和隨附的長條圖，顯示行業投資份額和金額
對 2025 年生成式 AI 投資激增的分析，長條圖顯示生成式 AI 在 AI 總投資額中所佔的份額從 2023 年的 15% 增長到 2025 年的 45% 以上。
生成式 AI 投資份額按年份劃分的長條圖，並疊加總投資額線
關於 2025 年 AI 公司融資超級輪（1 億美元以上）和全球 AI 獨角獸數量的數據，顯示 AI 原生公司估值達到十億美元級別的速度正在加快。
按公司劃分的超級輪交易氣泡圖，以及前 20 名 AI 獨角獸表格
對 2025 年 AI 相關併購活動的分析，顯示 M&A 交易量創下紀錄，以及大型科技公司對 AI 人才和技術進行的戰略整合。
按年份劃分的 M&A 交易量長條圖，以及交易類型細分和主要交易重點標示
世界地圖和吉尼係數分析顯示 AI 私人投資的地域集中度，美國、中國和英國佔全球 AI 投資的 80% 以上。
投資集中度的世界等值區域圖，加上集中度指標面板
對 2025 年《財富》500 強企業 AI 採用情況的分析：超過 90% 的企業在財報電話會議中提及 AI，麥肯錫調查數據顯示 70% 的企業在至少一項業務功能中使用 AI。
採用趨勢折線圖，加上行業細分長條圖，以及提及次數到採用情況的漏斗圖
比較不同公司規模（大型、中型、小型、微型）的 AI 採用率的長條圖，顯示顯著的採用差距以及小型公司在獲取 AI 工具方面面臨的挑戰。
按公司規模劃分的分組長條圖，以及採用指標細分和文字分析
2025 年 AI 採用情況的行業細分：金融服務和科技行業領先，其次是醫療保健、零售和製造業，教育和政府部門則落後。
按 AI 採用率對行業進行排名的水平長條圖，以及技術、用例和投資數據
總結 2025 年衡量各行業 AI 生產力效應的實證研究，顯示在程式碼編寫生產力、知識工作產出和客戶服務效率方面的記錄增長。
研究結果摘要表，包含生產力增益估算和方法論的文字分析
對知識工作任務（寫作、程式碼編寫、研究、分析和客戶服務）中 AI 生產力增益的分析，現場研究估計效率提高 20-80%。
按任務類型劃分的生產力增益長條圖，包含研究來源引用和誤差線
折線圖顯示 2019-2025 年 AI 相關職位發布的增長情況，2025 年同比增長約 30%，並且 AI 技能在越來越多的非 AI 專業職位發布中出現。
AI 專家職位發布和 AI 技能要求職位發布的雙線圖
長條圖顯示 2025 年 AI 技能工作者的工資溢價，在軟體工程、數據科學和研究等領域，AI 角色的工資比同等非 AI 角色高出 30-40%。
按角色類型劃分的工資溢價長條圖，並與非 AI 對等職位進行比較
對 2025 年各職業群體暴露於 AI 自動化和增強的分析，顯示高薪認知工作高度暴露於增強，而例行任務工作者面臨被取代的風險。
職業工資與 AI 暴露程度的散佈圖，包含職業群體標籤
分析AI領先經濟體的總體就業數據，顯示儘管存在自動化疑慮，AI密集產業的就業情況仍然強勁，並呈現細微的產業模式。
按產業劃分的就業趨勢圖，疊加AI密集度與文字分析
分析AI對薪資分配的影響：證據顯示薪資增長集中在高學歷、高技能勞工身上，而低技能勞工的薪資增長有限。
按教育程度劃分的薪資增長比較圖，附帶分配曲線內嵌圖
總結目前關於2025年AI相關工作流失的實證證據，區分已記錄的案例與預測的流失情境，並提供產業層級的流失數據。
流失證據表，包含產業列、已記錄與預測欄，以及文字評論
分析2025年的AI技能缺口：幾乎所有產業都缺乏具備AI技能的勞工，AI職位需求與合格供應之間的差距，以及再培訓挑戰。
按職位和區域劃分的供需缺口圖，附帶缺口原因的文字分析
討論AI在加劇高AI能力國家與低收入國家之間，以及各經濟體內高技能與低技能勞工之間的經濟不平等方面的潛在作用。
文字分析，附帶不平等預測圖和區域能力差距視覺化
關於2025年AI基礎設施投資的數據：數據中心建設、GPU/晶片採購、電網投資，以及由AI需求驅動的超大規模企業資本支出。
按類別劃分的基礎設施投資柱狀圖，附帶同比增長註釋
分析AI在2025年對金融市場的影響：AI公司股票表現、AI驅動的交易演算法疑慮，以及投資者對AI產業股票的情緒數據。
AI產業股票指數表現圖，附帶市值重點提示和文字分析
關於2025年AI在客戶服務中的部署數據：聊天機器人採用率、問題解決率提升、成本降低指標，以及消費者對AI客戶服務的滿意度。
採用率指標圖，附帶滿意度比較和成本降低分析
分析2025年AI在行銷與廣告中的採用情況：用於內容生成的生成式AI、AI驅動的廣告優化、大規模個人化，以及投資回報率證據。
採用率圖表，附帶投資回報率證據表和內容創建成本降低數據
概述2025年AI在法律服務中的採用情況：合約審閱自動化、法律研究AI、電子證據開示工具，以及對法律工作時數和計費費率的影響。
按法律任務類型劃分的時間節省柱狀圖，附帶採用率和文字分析
關於2025年AI在製造業和供應鏈中的應用數據：預測性維護、品質控制視覺系統、物流優化和生產力提升。
按應用類型劃分的投資回報率和效率提升圖表，附帶採用率細分
分析2025年AI在金融服務中的部署情況：欺詐檢測、信用承銷、演算法交易、合規性，以及金融AI的監管環境。
用例採用圖表，附帶欺詐減少指標和監管重點提示框
2025年針對中小企業採用AI的調查數據，顯示行銷、客戶服務和營運方面對AI工具的採用率不斷提高，但也存在一些障礙。
採用率趨勢與障礙分析圖表以及中小企業部門細分
2025年AI新創生態系統的數據：新公司成立率、部門重點領域、融資輪次，以及AI原生新創公司與AI賦能新創公司的成功指標。
新創生態系統圖，包含融資階段漏斗圖和部門重點領域圓餅圖
2025年各國國家AI經濟發展戰略比較：美國AI投資、歐盟AI產業政策、中國AI經濟計畫、印度AI任務等。
比較戰略表，包含每個國家的投資金額和優先領域
2025年AI在國際貿易中的作用分析：海關和物流中的AI、AI出口管制、晶片貿易限制以及AI對比較優勢的影響。
出口管制時間軸，包含貿易流量影響圖和文字分析
McKinsey、Goldman Sachs和IMF對2030年AI經濟影響的主要經濟預測摘要，顯示對顯著但不確定的GDP影響的共識。
預測比較圖表，包含情境範圍和方法說明
2025年AI賦能的新商業模式分析：AI即服務（AI-as-a-service）、垂直AI解決方案、自主代理服務，以及建立在基礎模型API之上的平台業務。
商業模式分類圖，包含範例公司和收入模式描述
2025年AI在能源產業的應用數據：電網優化、再生能源管理、需求預測以及石油和天然氣勘探AI應用。
應用長條圖，包含效率提升指標和產業部署地圖
2025年農業中AI應用的概述：精準農業、作物病害檢測、產量預測以及農業機器人部署和生產力數據。
採用趨勢圖，包含生產力提升數據和地理分佈圖
2025年AI在房地產中的應用分析：房產估值演算法、市場預測工具、建築AI和智慧建築管理系統。
應用採用圖表，包含估值準確性指標和文字分析
2025年AI運算市場經濟學分析：GPU租賃價格、雲端AI服務定價趨勢、超大規模企業AI收入以及訓練與推論的經濟學。
運算價格趨勢圖，包含市場規模估計和超大規模企業AI收入比較
2025年AI職位的薪資和報酬數據，包括機器學習工程師、AI研究人員、資料科學家以及不同公司類型和地區的AI產品經理。
按職位和地區劃分的薪資比較圖表，包含總報酬細分
2025年AI智慧財產權經濟分析：AI生成的智慧財產權估值、訓練資料授權市場、AI技術的專利權利金以及法律不確定性對投資的影響。
智慧財產權市場規模估計圖表，包含法律不確定性時間軸和文字分析
區域 AI 經濟焦點，涵蓋美國 AI 走廊城市、歐盟 AI 中心、中國 AI 技術園區、印度 AI 生態系統，以及東南亞新興 AI 經濟體。
區域地圖，包含城市/中心標註卡片和每個區域的關鍵指標
第四章摘要儀表板，包含主要經濟數據：2859 億美元的美國 AI 投資、90% 以上的《財富》500 強企業提及 AI 的比率、30-40% 的 AI 工資溢價，以及有記錄的生產力提升。
摘要儀表板，包含大量統計數據和章節顏色主題圖形
第四章的參考註釋，包含投資數據來源、勞動力市場研究引文和生產力研究方法註釋。
雙欄編號尾註格式
第四章的精選延伸閱讀，涵蓋 AI 投資、勞動經濟學、生產力研究和經濟影響預測，並附有簡要註釋。
結構化閱讀清單，包含章節標題
全出血章節開篇，採用深青色/森林背景，大型白色第五章數字，標題「科學與 AI」，以及 2025 年 AI 在科學研究中轉型作用的簡要概述。
全出血深青色/森林背景、超大章節編號、白色標題和描述
第五章簡介，將 AI 定位為 2025 年科學發現的新工具，並概述 AI 輔助研究增長和 AI 諾貝爾獎里程碑的統計數據。
單欄簡介，包含關鍵統計數據標註框和章節概述
折線圖顯示 2015-2025 年主要學科中 AI 輔助科學出版物的增長情況，其中 AI 輔助生物學和生命科學研究的增長率為 71%。
按科學領域劃分的多線圖，x 軸為年份，y 軸為出版物數量
分析 2025 年 AlphaFold 3 及後續蛋白質結構預測的進展，包含基準準確度數據和 AI 輔助蛋白質研究的增長。
準確度基準圖表，包含結構預測範例表和文字分析
概述 2025 年 AI 對蛋白質以外的複雜生物分子結構的預測：蛋白質-DNA、蛋白質-配體、RNA 結構，以及使用基礎模型的抗體設計。
能力比較圖表，包含文字分析和關鍵突破標註框
分析 2025 年 AI 發現的候選藥物：進入臨床試驗的數量、目標疾病領域、成本降低估計（節省 30-50%）以及主要的 AI 藥物發現公司。
藥物流程漏斗圖，包含疾病領域細分和成本降低條形圖
2025 年目前正在臨床試驗中的 AI 發現藥物的數據，包含 I/II/III 期狀態、治療領域，以及第一批接近監管批准的 AI 發現藥物。
臨床試驗狀態表，包含流程圖和里程碑時間表
概述 2025 年 AI 在材料科學中的應用：AI 設計的電池材料、半導體、催化劑和結構材料，並提供進入生產的範例。
材料應用條形圖，包含發現時間表和文字分析
2025年AI在基因體學應用分析：變異效應預測、基因調控建模、單細胞分析，以及AI引導的CRISPR標靶。
應用能力矩陣，包含基因體學AI時間軸與文本分析
2025年AI在氣候與地球科學的應用概述：AI氣候模型顯示加速10,000倍、縮小全球模型規模、極端事件預測，以及碳循環監測。
加速比較圖表，包含應用領域細分與文本分析
2025年AI天氣預報模型（GraphCast、Pangu-Weather、FourCastNet）與傳統NWP模型之效能比較，顯示AI在大多數指標上超越傳統模型。
多個預測指標的效能比較長條圖，包含傳統模型基準線
2025年AI地震預測改進分析：延長預警時間、提高規模估計準確度，以及使用深度學習分析地震數據來預測餘震。
效能改進圖表，包含地理部署地圖與文本分析
2025年AI在物理學研究的應用概述：CERN的粒子物理數據分析、量子系統模擬、用於融合的電漿物理，以及AI引導的實驗設計。
應用領域時間軸，包含關鍵發現重點提示與文本分析
2025年AI在天文學的應用分析：大規模星系分類、重力波訊號偵測、從望遠鏡數據中發現系外行星，以及加速宇宙學模擬。
發現數量圖表，包含應用領域細分與文本分析
2025年AI在化學研究的應用概述：反應預測、合成規劃、催化劑設計，以及AI輔助的化學安全篩選，包含出版品成長數據。
出版品成長圖表，包含應用細分與關鍵工具重點提示
討論2024年諾貝爾獎對AI在科學領域貢獻的歷史性認可（Geoffrey Hinton — 物理學；Demis Hassabis和John Jumper — 化學），標誌著AI獲得官方科學機構的認可。
諾貝爾獎公告時間軸，包含獲獎者簡介與重要性分析
2025年AI工具處理科學文獻的數據：數百萬篇論文的語義搜尋、自動假設生成、聲明提取，以及引用關係圖分析。
工具能力比較表，包含採用率圖表與文本分析
2025年AI系統進行自主科學實驗的概述：由AI引導的機器人實驗室系統、自主假設生成、實驗設計，以及結果解釋。
自主科學流程圖，包含能力里程碑時間軸與文本分析
2025年AI在神經科學的應用分析：大規模腦部繪圖、神經訊號解碼、腦機介面改進，以及神經計算的AI模型。
應用能力圖表，包含腦部繪圖規模數據與文本分析
2025年AI在生物醫學影像研究（不同於臨床使用）的效能數據：單細胞影像分析、冷凍電鏡處理，以及超高解析度顯微鏡AI。
按影像模式劃分的效能基準圖表，包含文本分析
2025年AI在社會科學研究中的應用概述：大規模調查分析、歷史文本的自然語言處理，以及AI輔助的行為實驗。
應用類型概述，包含出版物成長圖表和文本分析
分析2025年支持科學AI的AI研究基礎設施：國家級AI研究雲、科學開放存取運算資源，以及NSF、DOE和國際同等機構的角色。
基礎設施地圖，包含資源比較表和資金分析
分析2025年用於數學研究的AI工具：自動定理證明、AI輔助的證明驗證、猜想生成，以及AI輔助數學出版物的成長。
能力進展圖表，包含定理證明基準數據和文本分析
討論2025年用於提高科學可再現性的AI工具：自動化協定文件、程式碼和數據共享工具，以及AI輔助的結果驗證。
可再現性改進圖，包含採用指標圖表和文本分析
分析2025年科學同儕審查中的AI工具：自動化審查協助、論文篩選、道德違規檢測，以及關於AI審查者可靠性的辯論。
採用率圖表，包含可靠性數據和道德辯論重點標示框
分析2025年AI賦能科學的地緣政治層面：研究合作模式、各國之間AI科學能力差距，以及開放存取的AI科學工具。
合作網絡圖，包含能力差距地圖和文本分析
2025年特定科學領域的基礎模型概述：生物學 (ESM3, Geneformer)、化學 (ChemBERTa)、材料 (MatBERT)、地球科學 (ClimaX) 和跨領域科學LLM。
模型分類表，包含能力比較和領域覆蓋圖
關於AI在2025年對臨床試驗設計和執行的影響的數據：患者招募優化、協定設計協助、不良事件檢測和試驗時間表縮短。
時間表縮短圖表，包含應用細分和文本分析
2025年AI在流行病學和公共衛生研究中的應用概述：疾病監測、爆發預測、基因組流行病學和AI輔助的疫苗接種策略建模。
應用能力圖表，包含監測部署地圖和文本分析
分析2025年AI對能源科學研究的貢獻：使用AI進行融合電漿控制、電池發現、碳捕獲材料設計和太陽能電池優化。
應用時間表，包含性能改進數據和文本分析
分析AI科學工具的跨學科影響，展示AI如何促成生物學、化學、物理學和工程學之間介面的突破。
跨學科影響圖，顯示AI工具在科學領域之間的流動
討論AI賦能科學中的風險與挑戰：科學背景下的AI幻覺、過度依賴AI模型、黑箱科學推理以及研究人員技能下降。
風險分類，包含案例研究範例和緩解討論
第五章摘要儀表板：關於 AI 輔助科學出版物增長、突破性里程碑以及 AI 在哪些領域產生最大科學影響的關鍵統計數據。
具有大量統計數據和章節青色主題圖形的摘要儀表板
第五章的參考註釋，包含科學出版物數據、AlphaFold 引用和特定領域研究參考的主要數據來源。
雙欄編號尾註格式
第五章的精選延伸閱讀，按科學領域組織，包括關於生物學、化學、地球科學和跨領域 AI 科學代理的關鍵論文和評論文章。
結構化的閱讀清單，包含領域章節標題和註釋條目
全出血章節開場，深藍色背景，大型白色第六章數字，標題「醫學與 AI」，以及 AI 在臨床護理和生物醫學研究中日益重要的作用的簡要描述。
全出血深藍色背景，超大章節編號，白色標題和描述
第六章簡介，將醫學中的 AI 視為 2025 年的變革力量，包含關鍵統計數據：258 個 FDA 批准的 AI 設備、MAI-DxO 的 85.5% 診斷準確度、30 萬+ 使用 AI 聽寫員的臨床醫生。
單欄簡介，包含標題統計數據重點方塊和章節概述
2025 年 AI 診斷系統與放射科、病理科、皮膚科和眼科的專科醫生之間的基準比較，顯示 AI 達到或超過專科醫生的準確度。
多領域準確度比較長條圖，包含專科醫生基準線和 AI 效能長條
MAI-DxO 在標準化臨床病例中達到 85.5% 診斷準確度的詳細分析，超過平均專科醫生的效能，並驗證了 AI 診斷的潛力。
準確度比較圖表，包含病例類型細分和統計顯著性分析
長條圖顯示 2016-2025 年 FDA 批准的 AI 醫療設備，2025 年達到 258 項批准，累計批准總數超過 950 項。
長條圖，x 軸為年份，y 軸為年度批准計數，累計線覆蓋
2025 年按專業劃分的 FDA 批准的 AI 醫療設備細分：放射科佔據主導地位，約佔 75%，其次是心臟科、病理科和其他專業。
按醫療專業劃分的設備分佈圓餅圖和長條圖
2025 年放射科 AI 的詳細分析：CT 分析、胸部 X 光片判讀、乳房 X 光篩檢和 MRI 分析，包含臨床部署數據和診斷準確度基準。
按影像模式劃分的效能基準圖表，包含部署統計數據和文字分析
2025 年 AI 計算病理學概述：數位病理切片分析、癌症分級輔助、生物標記物檢測以及 AI 病理工具日益增長的臨床部署。
功能比較圖表，包含部署數據和文字分析
2025 年眼科 AI 應用分析：糖尿病視網膜病變篩檢、青光眼檢測、與年齡相關的黃斑部病變診斷和視網膜影像分析。
按病症劃分的診斷準確度長條圖，包含地理部署地圖和文字分析
對 2025 年環境 AI 臨床文檔記錄抄寫員的分析，由 300,000 多名臨床醫生使用，以減少文檔記錄負擔，並提供有關節省時間和減少倦怠的數據。
採用趨勢線，包含節省時間指標和倦怠減少調查數據
2025 年 AI 文檔記錄抄寫員部署的臨床成果數據：醫生節省時間（每班 1-2 小時）、患者互動時間增加以及文檔記錄準確性提高。
時間分配和文檔記錄準確性的前後比較圖表，包含文本分析
2025 年 AI 藥物發現進展概述，包括 AI 發現的候選藥物數量、領先公司（Insilico Medicine、Recursion、Exscientia）和成本降低數據。
公司格局圖，包含管線數量和成本比較圖表
2025 年虛擬細胞建模概述：AI 模型模擬個體細胞對藥物和干預的反應，從而實現個人化醫療研究並減少動物實驗需求。
虛擬細胞模型能力圖，包含應用領域和文本分析
2025 年 AI 在心理健康中的應用數據：聊天機器人治療工具部署、臨床研究的療效數據、危機檢測能力和倫理問題。
療效研究比較圖表，包含部署統計數據和倫理問題重點標示框
2025 年 AI 在精準基因體醫學中的應用分析：多基因風險評分預測、藥物基因體學、基因體數據的罕見疾病診斷以及 AI 指導的基因療法設計。
能力比較表，包含臨床應用範例和文本分析
2025 年 AI 臨床決策支持系統 (CDSS) 部署概述：敗血症預測、惡化警報、藥物交互作用檢查及其對臨床成果的影響。
按 CDSS 類型劃分的成果改善長條圖，包含部署數據和文本分析
2025 年 AI 輔助手術數據：機器人手術 AI 指導、即時技能評估、手術影像分析以及 AI 輔助手術的成果數據。
AI 輔助手術與傳統手術的成果比較圖表，包含文本分析
2025 年 AI 在急診醫學中的應用分析：檢傷分類協助、胸痛風險分層、CT 上的中風檢測以及急診室患者流量優化。
按應用類型劃分的效能指標圖表，包含部署數據和文本分析
2025 年 AI 對健康公平的影響分析：有潛力擴大服務不足地區的診斷途徑，但如果使用有偏差的數據進行訓練，也存在延續或擴大現有差距的風險。
公平影響雙欄分析，包含地理途徑擴展地圖和偏差風險圖表
2025 年 AI 在全球健康和低資源環境中的應用概述：低收入和中等收入國家 (LMIC) 的行動 AI 診斷、AI 用於被忽視的熱帶疾病以及遠距醫療 AI 部署。
地理部署地圖，包含應用類型細分和成本效益數據
2025 年主要司法管轄區的 AI 醫療器材法規分析：FDA 的預定變更控制途徑、歐盟 MDR 對於 AI、中國 NMPA AI 器材批准以及國際協調工作。
法規框架比較表，包含批准時間表和文本分析
2025 年 AI 與 EHR 系統整合分析：嵌入 EHR 的預測分析、用於非結構化筆記的 NLP、AI 驅動的照護缺口識別，以及互通性挑戰。
EHR AI 整合能力圖表，包含採用率和文本分析
2025 年 AI 驅動的穿戴式健康裝置數據：連續血糖監測、心律檢測、呼吸監測和人口級健康監測計畫。
裝置能力比較圖表，包含臨床驗證數據和部署統計數據
2025 年 AI 病患溝通工具概覽：用於病患教育的 AI 聊天機器人、用藥依從性支援、預約排程和出院後追蹤。
工具類型比較圖表，包含功效數據和病患滿意度調查結果
2025 年臨床醫師對 AI 態度的調查數據：按專科劃分的信任程度、對責任的擔憂、採用新 AI 工具的時間，以及對 AI 取代或增強臨床角色的看法。
按專科和擔憂類別劃分的調查結果長條圖，包含文本分析
2025 年 AI 在醫療教育中的應用概覽：AI 臨床案例模擬器、AI 輔助的委員會考試準備、虛擬病患互動和 AI 引導的手術技能培訓。
採用率圖表，包含學習成果數據和工具類型細分
2025 年 AI 應用於醫院營運的數據：病患流程優化、病床管理、人員配置預測、供應鏈管理和營收週期 AI。
按營運領域劃分的效率提升長條圖，包含部署統計數據
2025 年 AI 在預防醫學中的應用概覽：人口健康風險分層、癌症篩檢優化、生活方式干預個人化和公共衛生 AI 工具。
風險分層效能圖表，包含篩檢優化數據和文本分析
分析 2025 年 AI 如何改變臨床試驗：合成對照組、病患匹配、終點預測和真實世界證據生成，以及成本和時間軸影響數據。
成本和時間軸縮短圖表，包含試驗設計方法圖和文本分析
2025 年 AI 對罕見疾病診斷影響的數據：診斷時間縮短、全基因組定序分析 AI、表型到基因型匹配和診斷歷程縮短。
診斷時間比較圖表，包含案例研究範例和文本分析
2025 年 AI 在藥房和藥物管理中的應用概覽：自動配藥 AI、藥物交互作用檢查、個人化劑量優化和用藥依從性工具。
應用能力圖表，包含結果數據和文本分析
2025 年 AI 對醫療保健成本影響的分析：放射科、文檔和營運中記錄的成本降低，以及實施和整合成本。
成本影響分析圖表，包含按應用類型劃分的投資報酬率估算
2025 年 AI 皮膚科系統的效能數據：黑色素瘤檢測準確度與皮膚科醫生相比、痤瘡和皮膚狀況分類，以及 AI 輔助的遠距皮膚科部署。
按狀況類型劃分的準確度比較圖表，包含部署統計數據和文本分析
2025 年心臟醫學中 AI 的分析：心電圖判讀 AI、超音波心動圖分析、心臟 MRI 分割以及 AI 引導的心臟衰竭管理。
按心臟醫學任務劃分的效能基準圖表，包含臨床部署數據
2025 年腫瘤醫學中 AI 的全面概述：腫瘤檢測、治療反應預測、放射線計畫最佳化、基因體生物標記識別以及精準癌症醫學。
多應用能力矩陣，包含臨床證據摘要和文字分析
2025 年傳染病中 AI 應用程式的數據：病原體基因體監測、爆發檢測演算法、抗生素抗藥性預測以及大流行準備 AI 工具。
監測能力圖表，包含部署地圖和文字分析
2025 年支援 AI 的醫療數據基礎架構分析：聯邦學習部署、用於訓練的合成數據、數據共享框架以及國家健康數據計畫的角色。
基礎架構概觀圖，包含聯邦學習部署地圖和文字分析
2025 年 AI 醫學中主要倫理挑戰的討論：診斷中的演算法責任、AI 工具的患者同意、AI 出錯時的責任以及透明度要求。
倫理挑戰分類法，包含法規回應比較和文字分析
第 6 章摘要儀表板，包含關鍵統計數據：258 項 FDA 批准、30 萬多名臨床醫生使用 AI 抄寫員、85.5% MAI-DxO 準確度、處於第 II/III 期試驗中的 AI 候選藥物。
摘要儀表板，包含大量統計數據和章節藍色主題圖形
第 6 章的參考註釋和延伸閱讀，包含 FDA 數據來源、臨床研究引文以及按醫學專業和 AI 應用程式組織的精選閱讀清單。
雙欄尾註格式，後接結構化閱讀清單
全出血章節開篇，包含森林綠背景、大型白色第 7 章數字、標題「教育」以及 AI 對學習、教學和學術機構日益增長的影響的簡要概述。
全出血森林綠背景、超大章節編號、白色標題和描述
第 7 章簡介，將 AI 在教育領域的應用視為 2025 年的關鍵問題，主要發現：80% 的學生使用生成式 AI、11% 的 CS 入學人數下降、AI 碩士課程成長 82%。
單欄簡介，包含主要統計數據標註方塊和章節概述
折線圖顯示 2015-2025 年美國頂尖大學的 CS 入學趨勢，包括 2024-2025 年下降 11%，這被解釋為傳統 CS 學位的市場飽和信號。
多機構入學折線圖，包含年份 x 軸和入學人數 y 軸，11% 下降註釋
長條圖顯示 2018-2025 年 AI/ML 專用研究所課程的成長，AI 碩士課程成長 82%，主要大學新增 AI 大學部集中課程。
按年份劃分的課程計數長條圖，包含機構類型細分和地理分佈
調查數據顯示，80% 的大學生報告說，在 2025 年使用生成式 AI 進行課程作業，按使用類型細分：寫作協助、研究、編碼、學習和解決問題。
使用類型長條圖，包含頻率分佈和人口統計細分
2025 年與學生 AI 使用相關的學術誠信問題數據：偵測到的 AI 生成提交內容、機構政策演變，以及學生對 AI 使用倫理的看法。
採用政策圖表，包含誠信事件數據和學生意見調查
2025 年教職員對 AI 態度的調查數據：60% 允許在限制下使用 AI，各學科政策各異，以及教職員對評估有效性的擔憂。
按學科劃分的教職員調查長條圖，包含政策類別細分和文字分析
2025 年 AI 輔導系統功效的實驗證據：Khan Academy Khanmigo、Duolingo Max 和類似的 AI 輔導工具在受控研究中顯示出有記錄的學習成果。
按工具比較的學習成果圖表，包含研究方法說明和文字分析
2025 年 AI 輔導工具部署的數據：使用 AI 輔導平台的學生人數、地理範圍、學科領域覆蓋範圍和使用頻率模式。
採用圖表，包含地理地圖和學科領域細分
2025 年全球 K-12 AI 課程採用情況分析，有 30 多個國家/地區實施了國家 AI/CS 課程標準，以及關於教師 AI 培訓可用性的數據。
K-12 AI 課程採用世界地圖，包含國家/地區數量長條圖和文字分析
2025 年 K-12 AI 課程標準的內容分析：教授哪些 AI 主題（機器學習概念、倫理、數據素養、提示工程）以及在哪些年級。
按年級劃分的課程主題矩陣，包含國家/地區比較和文字分析
2025 年線上 AI 學習平台成長數據：Coursera 和 edX AI 課程增加 50% 以上，主要科技公司推出新的 AI 認證計劃，以及完成率分析。
成長趨勢圖，包含平台比較和認證類型細分
分析頂尖大學如何在 2025 年將 AI 研究成果整合到教學中，包括新的 AI 倫理課程、跨學科 AI 計劃和 AI 研究中心成長。
大學 AI 計劃比較圖表，包含研究-教學整合模型圖
2025 年 AI 素養教育倡議概述：一般大眾 AI 素養計劃、政府資助的 AI 技能提升、職場 AI 培訓，以及不斷成長的 AI 素養認證市場。
計劃類型概述，包含觸及指標和文字分析
2025 年高等教育行政中 AI 使用的數據：AI 在學生錄取、招生管理、財務援助優化和學生成功預測系統中的應用。
應用採用圖表，包含偏差審計結果和文字分析
2025 年學術環境中 AI 寫作輔助使用的分析，包括對寫作品質、寫作技能學習成果和不斷發展的學術規範的影響。
研究結果比較圖表，包含寫作品質評估和文字分析
2025 年教育中使身心障礙學生受益的 AI 無障礙工具概述：即時字幕、AI 閱讀輔助、個人化學習調整和語音轉文字工具。
無障礙工具功能圖表，包含採用數據和學生結果證據
2025 年教師和教育者 AI 訓練計畫的數據：專業發展參與率、訓練內容品質，以及教育者對使用 AI 工具的信心。
包含信心調查和內容涵蓋範圍比較的訓練採用圖表
分析 2025 年 AI 對教育公平的潛在影響：個人化學習減少成就差距，但設備和網路連線的取得差距造成新的鴻溝。
包含取得差距地圖和學習成果數據的公平影響雙重分析
2025 年專門支援 STEM 教育的 AI 工具數據：AI 數學輔導、程式碼教育平台、科學模擬工具和實驗室安全 AI 應用。
包含學習成果證據和採用數據的工具類型比較圖表
分析 2025 年由 AI 驅動的語言學習應用程式：Duolingo、Rosetta Stone AI 功能和其他顯示學習加速數據和參與度指標的平台。
包含參與度指標和文本分析的學習速率比較圖表
2025 年各國 AI 教育政策概述：聯合國教科文組織 (UNESCO) 的 AI 教育指導方針、歐盟 AI 教育策略、美國 AI 素養行政命令和 OECD AI 教育框架。
包含地理採用地圖和文本分析的政策框架比較表
分析 2025 年 AI 對研究型大學優先事項的影響：AI 研究中心資金、產學 AI 合作夥伴關係、大學的 AI 專利活動和 AI 相關的研究收入。
包含合作夥伴關係數據和文本分析的研究資金比較圖表
第 7 章摘要儀表板，展示重點教育統計數據：學生 AI 使用率、入學趨勢、AI 輔導功效和 K-12 課程採用率。
包含大量統計數據和章節森林綠色主題圖形的摘要儀表板
第 7 章的參考註釋和延伸閱讀，包括入學數據來源、AI 輔導研究引文和按教育部門組織的精選閱讀清單。
雙欄附註格式，後接結構化閱讀清單
全出血章節開場，帶有深紫色/靛藍色背景、大型白色第 8 章數字、標題「政策與治理」，以及 2025 年 AI 法規和政策發展的簡要概述。
全出血深紫色/靛藍色背景、超大章節編號、白色標題和描述
第 8 章簡介，將 2025 年定位為全球 AI 政策的分水嶺，其中包含重點統計數據：204 億美元的美國聯邦 AI 投資、25 項 AI 法案簽署、46 個國家/地區制定了國家 AI 策略。
單欄簡介，帶有重點統計數據標註框和章節概述
從 2016 年到 2025 年的主要 AI 政策里程碑的綜合時間軸視覺化，從 Obama AI 報告 (2016 年) 到歐盟 AI 法案實施 (2025 年)，按地理位置組織。
包含國家/地區通道、里程碑標記和簡要註釋的水平多軌時間軸
世界地圖顯示截至 2025 年已採用正式國家 AI 策略的 46 個國家/地區，其中採用日期陰影和 AI 治理活動的區域集群。
世界分區統計地圖，其中包含採用日期陰影和主要策略的國家/地區名稱標註
分析美國聯邦政府在 AI 方面的投資，於 2025 年達到 204 億美元，並按機構（DOD、DARPA、NSF、NIH、DOE、NIST）和優先研究領域進行細分。
機構細分長條圖，包含優先領域分析和逐年成長註釋
分析 2025 年美國與 AI 相關的立法：25 項 AI 法案在聯邦層級簽署成為法律，主題細分（安全、採購、勞動力、deepfakes、國家安全）以及州級 AI 法案。
立法主題長條圖，包含已簽署法案的時間軸和州級活動地圖
2025 年美國行政部門主要 AI 行動摘要：NIST AI 安全研究所活動、白宮 AI 政策指令以及聯邦機構 AI 實施授權。
政策行動時間軸，包含主要行政命令和機構回應的文字分析
分析 2025 年美國特定行業的 AI 法規：FDA AI 醫療設備指南、FTC AI 廣告規則、CFPB AI 信用評分指南以及 EEOC AI 招聘指南。
按行業和機構劃分的監管矩陣，包含文字分析
2025 年歐盟 AI 法案實施里程碑概述，包括 2025 年 2 月生效的禁止行為，以及風險等級分類圖。
風險等級金字塔圖，包含實施時間軸和禁止行為列表
歐盟 AI 法案風險類別的詳細細分：不可接受的風險（禁止）、高風險、有限風險和最低風險，以及每個類別中 AI 應用程式的範例。
四種類別圖，包含每個風險等級的範例和監管義務摘要
分析 2025 年歐盟 AI 法案下高風險 AI 系統的合規要求：技術文件、人工監督、資料治理和符合性評估義務。
合規檢查表圖，包含實施成本估算和特定行業指南
2025 年大型企業中歐盟 AI 法案的合規狀態數據，顯示大型公司的早期採用情況、中小企業的合規挑戰以及執法機構的建立進度。
按公司規模劃分的合規率長條圖，包含執法進度指標和文字分析
分析歐盟 AI 法案下的通用 AI 實務守則，涵蓋透明度要求、系統性風險評估以及前沿 AI 開發人員的適應方式。
實務守則義務圖，包含前沿模型開發人員合規狀態表
2025 年中國國家 AI 政策概述：新一代 AI 發展規劃實施、150 億美元以上的 AI 投資承諾、AI 行業標準以及生成式 AI 的監管指南。
政策框架圖，包含投資圖表和監管時間軸
分析中國生成式 AI 法規（2023 年，2025 年更新）條款：內容過濾要求、浮水印授權、實名註冊和合規執行。
法規條款摘要，包含合規負擔分析和文字分析
2025 年英國 AI 政策概述：AI 安全研究所的發展、促進創新的監管方法、AI 特定行業指南以及英國脫歐後與歐盟的 AI 治理分歧。
政策方法比較（英國 vs 歐盟），包含 AI 安全研究所活動摘要
分析 G7 廣島 AI 進程的成果，以及 G20 在 2025 年對 AI 治理框架的採納情況，包括先進 AI 開發者《廣島行為準則》的實施狀況。
治理框架摘要，包含實施狀況指標和國家採納表格
巴黎 AI 安全峰會（2025 年 2 月）成果摘要：主要承諾、參與國、工作小組成果，以及全球 AI 安全進程的後續時間表。
峰會成果摘要，包含參與國列表和承諾追蹤表
分析 2025 年聯合國的 AI 治理活動：《全球數位契約》、聯合國 AI 決議的採納、聯合國秘書長 AI 顧問委員會，以及關於成立新的聯合國 AI 機構的辯論。
聯合國治理活動時間軸，包含文本分析和國家立場比較
分析 2025 年新興的 AI 主權概念，定義其五個面向：運算主權、數據主權、人才主權、標準主權和地緣政治 AI 獨立性。
五面向框架圖，包含各面向的國家評估和文本分析
關於 2025 年各國建立自主 AI 運算基礎設施的數據：歐盟 AI 超級工廠計畫、印度的國家 AI 運算網格、阿拉伯聯合大公國的 Falcon AI 基礎設施等。
運算投資比較圖表，包含地理部署圖和文本分析
分析 2025 年與 AI 相關的出口管制政策：美國半導體出口限制擴大、對中國的晶片規則、AI 軟體出口管制以及盟國協調。
出口管制時間軸，包含國家影響分析和技術限制圖
2025 年 AI 標準制定活動概覽：ISO/IEC AI 標準、IEEE AI 倫理標準、NIST AI 標準以及國際標準協調工作。
標準概況圖，包含採用追蹤圖表和文本分析
對 2025 年出現的 AI 責任框架進行比較分析：歐盟 AI 責任指令、美國 AI 產品責任方法以及產業自我監管責任框架。
責任框架比較表，包含逐個司法管轄區的分析
分析 2025 年 AI 對民主進程的影響：選舉中的 AI（deepfakes、選民定位、AI 產生的政治內容）、監管回應和國際選舉監督。
影響分析圖，包含監管回應時間軸和文本分析
2025 年公共 AI 投資承諾的跨國比較：美國 204 億美元、歐盟 200 億歐元以上的 AI Act 執法資金、中國 150 億美元以上、英國 15 億英鎊、加拿大 24 億加元等。
按國家/地區劃分的比較投資長條圖，包含文本分析
2025 年 AI 在國家安全中的應用概覽：情報分析、網路防禦、物流優化、自主系統以及美國與中國在國防領域的 AI 競爭。
應用領域概覽，包含國防 AI 投資數據和文本分析
分析 2025 年美國州級 AI 法規：加州 AI 法案、紐約 AI 招聘規則、科羅拉多州 AI 消費者保護以及零碎法規與聯邦優先權辯論。
逐州法規活動地圖，包含法案數量和主題分類
2025 年政府 AI 採購政策分析：美國聯邦 AI 採購規則、歐盟公共部門 AI 要求，以及負責任的政府 AI 採購標準。
依司法管轄區劃分的採購政策比較表，附帶文字分析
2025 年超越 FDA 設備批准的 AI 專屬醫療保健法規發展概況：CMS AI 涵蓋範圍決策、HIPAA-AI 指導方針、臨床實務指南中的 AI。
監管發展時間軸，附帶關鍵決策的文字分析
2025 年金融服務業 AI 法規分析：SEC AI 交易規則、銀行監管機構 AI 模型風險指導方針、CFPB AI 貸款監督，以及全球金融 AI 標準。
依金融部門劃分的監管框架比較，附帶文字分析
2025 年 AI 勞動法規概況：歐盟 AI 法案工人監控條款、美國 NLRB 工作場所 AI 指導方針、EEOC AI 招聘執法，以及工會 AI 談判要求。
勞動法規比較表，附帶文字分析
2025 年 AI 政策有效性的早期證據分析：哪些監管方法顯示出合規結果、法規的意外後果，以及政策差距。
政策有效性評估矩陣，附帶文字分析
2025 年 AI 專屬隱私權法規發展概況：GDPR AI 指導方針、美國聯邦隱私權法案 AI 條款、AI 訓練的資料最小化，以及生物特徵資料限制。
隱私權法規比較表，附帶文字分析
2025 年公民社會與 NGO 在 AI 政策中的活動概況：倡議組織、公共利益 AI 研究、聯盟活動，及其對 AI 法規的影響。
公民社會 AI 組織概況圖，附帶政策影響力分析
第 8 章摘要，呈現重點政策數據：美國聯邦 AI 投資、全球立法數量、歐盟 AI 法案里程碑、AI 高峰會成果，以及 AI 主權概念的出現。
摘要儀表板，具有大量統計數據和章節紫色/靛藍色主題圖形
第 8 章的結論分析，找出關鍵治理趨勢：監管碎片化風險、競相向上/向下動態、AI 主權緊張，以及跟上 AI 進展的挑戰。
文字結論，附帶關鍵緊張關係圖和前瞻性分析
第 8 章的參考附註，包含政策文件引用、立法資料來源，以及投資數據方法論附註。
雙欄編號附註格式
第 8 章的精選延伸閱讀，依政策區域和主題組織：美國政策、歐盟政策、中國政策、國際治理和 AI 主權。
結構化閱讀清單，具有區域和主題標題
全出血章節開場，具有藍青色背景、大型白色第 9 章數字、標題「公眾輿論」，以及 2025 年調查的全球公眾對 AI 態度的簡要概述。
全出血藍青色背景、超大章節編號、白色標題和描述
第 9 章簡介，概述 2025 年全球對 AI 的民意調查：Ipsos 顯示 59% 的全球樂觀情緒，對假訊息的顯著焦慮，以及專家與大眾態度之間的顯著差距。
單欄簡介，包含重點統計數據標註框和章節概述
2025 年全球 AI 觀感世界地圖，顯示各國對 AI 表示樂觀的百分比，新興經濟體的樂觀情緒較高，而歐洲的樂觀情緒較低。
AI 樂觀情緒的世界等值線地圖，包含顏色漸層和國家標註框
Ipsos 在 2025 年針對 30 多個國家/地區的 AI 態度進行的詳細調查結果：樂觀、擔憂、信任和認知程度，按國家/地區和世界區域劃分。
每個態度維度的多國條形圖，包含區域總計
AI 觀感的區域深入分析：中國和印度顯示出最高的樂觀情緒 (80% 以上)，西歐最為謹慎，美國居中，而非洲則顯示出與發展希望相關的高度樂觀情緒。
區域分組條形圖，包含樂觀/擔憂平衡和文字分析
2025 年 AI 專家與一般大眾的 AI 態度調查比較，顯示專家更關心長期風險，而大眾則關注近期經濟影響。
並排比較圖表，包含專家與大眾的關注類別細分
關於公眾對各機構公平監管 AI 的信任度調查數據：歐盟機構在全球最受信任，科技公司最不受信任，各國政府的結果好壞參半。
跨多個國家/地區按機構類型劃分的信任度橫條圖
關於 AI 的美國特定民意調查數據：只有 31% 的美國人相信政府能妥善監管 AI，68% 的人擔心 AI 產生的假訊息，以及對 AI 在各種政府角色中的看法。
美國民意條形圖，包含信任和擔憂細分以及文字分析
2025 年 AI 焦慮來源分析：失業擔憂、假訊息恐懼、隱私擔憂、自主武器擔憂和生存風險 — 按國家/地區和人口統計劃分。
按國家/地區組劃分的焦慮來源堆疊條形圖，包含人口統計細分插圖
關於 2025 年公眾 AI 認知和理解程度的數據：認知度提高，但技術理解有限，並按教育程度和年齡分析認知度與理解度之間的差距。
認知度與理解度比較圖表，包含教育程度和年齡細分
比較 2025 年各世代（Z 世代、千禧世代、X 世代、嬰兒潮世代）AI 態度的調查數據：年輕世代更樂觀且 AI 日常使用率更高，年長世代更謹慎。
多個態度維度的世代比較條形圖
2025 年教育程度與 AI 態度之間相關性的分析：高等教育與更細緻的觀點相關，而不是簡單的樂觀或悲觀。
教育程度與 AI 態度維度相關性圖表，包含文字分析
2025 年個人 AI 工具使用與對 AI 態度之間關係的分析：經常使用者對 AI 的好處明顯更為肯定，但也更了解風險。
使用頻率與態度比較圖表，包含文字分析
2025 年依收入等級劃分的 AI 態度調查數據：低收入受訪者更擔心工作被取代，高收入受訪者對 AI 的經濟效益更樂觀。
收入等級態度比較圖表，包含工作被取代的擔憂細分
2025 年 AI 態度性別差異分析：男性平均而言略為樂觀，女性更擔心隱私和就業影響，各國情況不一。
跨態度面向的性別比較長條圖，包含各國差異的插圖
追蹤 2019-2025 年 AI 態度隨時間變化的折線圖：樂觀情緒在 2022 年之前上升，隨著 AI 在 2024-2025 年變得與個人更相關，樂觀情緒趨於平緩，出現更多混合觀點。
多線長期圖表，包含態度類別線和事件註釋
2025 年全球 AI 取代工作擔憂的全球調查數據，顯示約一半的全球受訪者擔心 AI 取代他們的工作，各行業和國家/地區的差異很大。
按國家/地區劃分的全球擔憂長條圖，包含特定行業的變異分析
2025 年人們在日常產品和服務中識別 AI 的程度數據，顯示 AI 工具的使用率很高，但對底層技術是 AI 的認知有限。
使用率與認知度比較圖表，包含產品類別細分
2025 年 AI 對社會凝聚力影響的調查數據分析：擔心 AI 加劇兩極分化、不平等和減少人際連結。
擔憂類別長條圖，包含兩極分化和不平等標註以及文字分析
2025 年關於 AI 倫理的公眾觀點調查數據：哪些價值觀應指導 AI 開發（安全、透明、公平、隱私），以及誰應該有權決定 AI 倫理決策。
排名價值觀長條圖，包含權力偏好細分和文字分析
2025 年公眾對 AI 影響民主價值的擔憂調查數據：選舉公正性、言論自由、監控和法治，全球存在顯著的擔憂程度。
民主擔憂類別長條圖，包含國家/地區比較和文字分析
第九章摘要介紹了主要公眾輿論調查結果：全球樂觀率、信任排名、AI 主要焦慮以及 AI 態度的關鍵人口統計差異。
摘要儀表板，包含大量統計數據和章節藍綠色主題圖形
第九章的參考註釋，包含調查數據來源引文和關於公眾 AI 態度的精選延伸閱讀，按主題和方法類型組織。
兩欄尾註格式，後接結構化閱讀清單
AI Index 2026 研究方法的概述，說明所有九個章節的數據收集方法、報告中使用的「AI」定義以及一般方法原則。
結構化方法概述，包含逐節方法圖
研發章節的詳細方法：出版物數據來源（Semantic Scholar、Dimensions）、專利數據（WIPO、USPTO）、模型發布追蹤標準和計算數據收集。
方法描述章節，包含數據來源表和限制說明
技術效能章節的方法說明：基準選擇標準、從 Papers With Code 和排行榜擷取資料、人工基準收集，以及基準納入/排除規則。
方法描述章節，包含基準選擇標準表格
負責任的 AI 章節的方法：AIAAIC 事件資料收集、偏差研究納入標準、安全研究出版品搜尋方法，以及治理框架編碼程序。
方法描述章節，包含納入/排除標準
經濟章節的方法：來自 NetBase Quid 的投資資料、來自 Lightcast 的職位發布資料、薪資資料來源、生產力研究選擇標準，以及公司採用調查方法。
方法描述，包含資料來源參考表格和限制說明
科學與 AI 章節的方法：科學出版品 AI 輔助分類方法、特定領域搜尋標準，以及從 ClinicalTrials.gov 收集臨床試驗資料。
方法描述，包含領域標準和分類說明
醫學與 AI 章節的方法：FDA 設備資料收集、臨床 AI 研究納入標準、診斷準確性匯總方法，以及 AI 抄寫採用資料來源。
方法描述章節，包含 FDA 資料方法和研究標準
教育章節的方法：註冊資料來源（IPEDS、國際同等資料）、學生調查方法、教師調查設計，以及 K-12 課程資料收集方法。
方法描述，包含調查設計說明和資料來源參考
政策章節的方法：立法資料庫來源、AI 法案識別標準、投資數字彙編來源、國家策略編碼方法，以及政策時間軸建構。
方法描述章節，包含立法資料來源參考
公眾輿論章節的方法：調查資料來源（Ipsos、Edelman Trust Barometer、Stanford 調查）、調查抽樣標準、跨國可比性說明，以及態度衡量定義。
調查方法描述，包含抽樣標準和可比性說明
AI Index 2026 全書使用的關鍵術語和資料定義詞彙表，包括「基礎模型」、「AI 事件」、「訓練運算」、「基準飽和」和其他核心概念的定義。
按字母順序排列的詞彙表，包含術語和定義條目
報告中引用的所有 AI 基準的綜合參考表，包括基準名稱、領域、任務類型、人工基準和引入年份。
多欄參考表，依章節和基準名稱排序
AI Index 2026 中提及的所有著名 AI 模型的參考表，包括模型名稱、組織、發布日期、模態和存取類型（開放/封閉）。
多欄參考表，依組織和發布日期排序
報告中引用的所有 AI 政策、法規和立法的參考表，依國家/地區組織，包括政策名稱、類型、年份和狀態。
政策參考表，依國家/地區和年份排序
補充投資數據表，提供2013-2025年按國家、產業和年份劃分的詳細私人AI投資數據，如第4章所述。
數據表，包含國家/地區列、年份欄和投資金額儲存格
補充出版數據表，提供2010-2025年按國家、領域和年份劃分的詳細AI出版數量，如第1章所述。
數據表，包含國家/領域列和年份欄
補充表格，展示第9章中引用的民意調查的完整調查結果，包括主要章節中未顯示的國家/地區層級細分。
調查數據表，包含國家/地區列和態度指標欄
FDA AI 醫療設備批准數據的補充表格，如第6章所述，包括專業、設備類型、510(k)/PMA途徑和申請機構。
FDA設備數據表，包含多個屬性欄
AI Index 2026中引用的所有來源的參考文獻條目 A 到 D，以學術引用風格格式化，包含作者、標題、出版地點和年份。
雙欄參考文獻格式，包含依字母順序排列的條目
AI Index 2026中引用的所有來源的參考文獻條目 E 到 H。
雙欄參考文獻格式，包含依字母順序排列的條目
AI Index 2026中引用的所有來源的參考文獻條目 I 到 L。
雙欄參考文獻格式，包含依字母順序排列的條目
AI Index 2026中引用的所有來源的參考文獻條目 M 到 P。
雙欄參考文獻格式，包含依字母順序排列的條目
AI Index 2026中引用的所有來源的參考文獻條目 Q 到 T。
雙欄參考文獻格式，包含依字母順序排列的條目
AI Index 2026的完整參考文獻清單的參考文獻條目 U 到 Z，接著是網路資源和數據平台參考。
雙欄參考文獻格式，包含依字母順序排列的條目，接著是網路資源區段
感謝 Stanford HAI 研究團隊成員對 AI Index 2026 的貢獻，包括每個章節的研究負責人和數據分析師。
依章節排列的結構化誌謝清單，包含貢獻者姓名和職稱
感謝外部貢獻者、數據提供者、調查合作夥伴 (Ipsos、NetBase Quid、Lightcast) 和專家審閱者，他們提供數據或審閱章節草稿。
依貢獻者類型排列的誌謝清單，包含組織隸屬關係
列出 Stanford HAI AI Index 顧問委員會成員，他們為 2026 年的報告提供指導，包括姓名、職稱和機構關係。
顧問委員會成員按字母順序排列，附有職稱和所屬機構
AIAAIC 資料庫中追蹤的 2025 年 20 起重大 AI 事件的擴展案例研究摘要，提供第 3 章中未呈現的詳細背景資訊。
案例研究卡片以雙欄網格呈現，包含事件名稱、日期、類別和摘要
美國和加拿大的詳細 AI 概況，涵蓋研發產出、投資、政策、人才和採用指標，並提供同比比較。
國家概況卡片，包含雷達圖和關鍵指標表
英國和主要歐盟國家（德國、法國、荷蘭）的詳細 AI 概況，涵蓋研發、投資、政策、人才和採用指標。
國家概況卡片，包含雷達圖和關鍵指標表
中國的詳細 AI 概況，涵蓋研發產出、私人投資、國家 AI 政策、人才庫、模型發布和採用指標，並提供同比比較。
國家概況卡片，包含雷達圖、關鍵指標表和政策重點部分
印度和主要東南亞 AI 經濟體（新加坡、韓國、日本）的詳細 AI 概況，涵蓋研發、投資、政策和採用指標。
國家概況卡片，包含雷達圖和關鍵指標表
主要中東 AI 行動者（阿聯酋、沙烏地阿拉伯）和新興非洲 AI 經濟體的 AI 概況，包含 AI 投資、國家戰略和人才發展數據。
國家概況卡片，包含關鍵指標摘要和國家戰略重點
第 2 章中引用的所有模型和基準的 AI 技術基準結果的綜合表格，提供章節圖表和比較的完整數據。
大型多欄數據表，包含模型行和基準分數欄
第 7 章的補充註冊、課程和調查數據表，包括機構層級的 CS 註冊數據和完整的教職員工/學生調查交叉列表。
包含機構和人口統計行的数据表
詳細的投資數據表，提供公司層級、產業層級和地理細分的 2023-2025 年私人 AI 投資，如第 4 章所述。
按地理位置、產業和年份劃分的多層級投資數據表
第 3 章中 AI 安全研究出版物分析的補充數據表，包括搜尋查詢協議、關鍵字列表和場館層級的出版物計數。
包含場館和年份細分的安全性研究數據表
第 8 章的補充立法數據表，提供國家層級的 AI 法案計數、立法主題編碼方案以及主要 AI 法律的關鍵條款摘要。
包含國家/地區行和法案類別欄的立法數據表
截至 2025 年的完整 FDA AI 醫療設備批准數據，補充第 6 章，其中包含關於專業、申請人和批准途徑的設備級詳細資訊。
具有完整詳細資訊欄的 FDA 設備數據表
關於 Stanford 人本 AI 研究院的頁面：使命、研究重點領域、教職員和研究員、附屬計畫，以及如何參與 HAI 研究和活動。
包含 HAI 計畫列表和聯絡/參與資訊的機構概述
AI Index 2026 的封底，包含 Stanford HAI 品牌、報告標題、ISBN/DOI、網站 URL (aiindex.stanford.edu) 以及報告目的的簡短段落摘要。
包含報告品牌、摘要段落、Stanford HAI 標誌和 URL 的封底
關於此幻燈片和基礎簡報內容的常見問題。
Stanford HAI AI Index Report 2026 是由史丹佛大學以人為本 AI 研究院 (Human-Centered AI Institute) 發布的第 9 版人工智慧進展全面年度調查報告。這份 423 頁的報告涵蓋 AI 研究與開發、技術效能基準、負責任 AI、經濟影響、科學應用、醫學、教育、政策與治理，以及全球公眾輿論 — 所有內容均以原始數據分析和數百種視覺化呈現為基礎。
主要發現包括：2025 年美國私人 AI 投資達到 859 億美元（是 2022 年水準的三倍）；AI 代理現在解決了 SWE-bench 上超過 50% 的實際軟體工程問題；FDA 在 2025 年批准了 258 種支援 AI 的醫療設備；80% 的大學生使用 generative AI 進行課程作業；46 個國家/地區採用了國家 AI 戰略；自 2019 年以來，AIAAIC 追蹤到的 AI 事件增加了 1000%；歐盟 AI 法案的禁用措施於 2025 年 2 月生效。
AI Index 由史丹佛大學以人為本 AI (HAI) 研究院發布，該研究院是世界領先的 AI 研究中心之一。該報告現已發布第 9 版，由一個研究團隊製作，並設有一個由領先的 AI 科學家、政策制定者和產業專家組成的顧問委員會。它利用來自數十個已建立來源的原始數據，包括 Ipsos、NetBase Quid、Lightcast、FDA、WIPO 和學術出版資料庫，使其成為全球政府、企業和研究人員值得信賴的參考資料。
該報告包含 9 個章節：(1) 研究與開發 — 模型發布、出版物、運算規模；(2) 技術效能 — 跨語言、數學、編碼、科學、多模態的基準；(3) 負責任 AI — 事件、偏見、安全、治理；(4) 經濟 — 投資、勞動力、生產力、採用；(5) 科學與 AI — 生物學、氣候、材料、物理學；(6) 醫學與 AI — 診斷、FDA 設備、藥物發現；(7) 教育 — 入學、學生 AI 使用、輔導；(8) 政策與治理 — 國家戰略、歐盟 AI 法案、美國政策；(9) 公眾輿論 — 全球態度、信任、焦慮。前言包括一個包含 10 個主要結論的執行摘要。
是的，Stanford HAI AI Index Report 可在 aiindex.stanford.edu 上免費提供給公眾。完整的 423 頁 PDF 報告、互動式數據視覺化和基礎數據集均免費提供，這與 Stanford HAI 確保 AI 的益處和風險得到廣泛理解的使命一致。
第 9 版是迄今為止最全面的版本，擴大了涵蓋範圍，包括 AI 在科學領域（第 5 章）、醫學領域（第 6 章）的新章節，以及一個關於公眾輿論的專門章節（第 9 章）。2026 年版引入了 AI 主權等新概念（第 8 章），增加了對歐盟 AI 法案實施的涵蓋範圍，追蹤了 generative AI 投資的爆炸式增長，並在某些情況下將縱向數據系列擴展到 2010 年 — 與之前的任何版本相比，能夠以更豐富的歷史視角看待 AI 的進展軌跡。
該報告包含 423 頁的數百個原始數據視覺化，包括追蹤 2010-2025 年 AI 能力和投資趨勢的折線圖、比較 AI 與人類在 30 多個基準上的表現的散佈圖、顯示全球 AI 活動的世界地圖、出版物增長的堆疊面積圖、前沿模型的能力比較矩陣、政策時間表、按國家/地區和人口統計劃分的調查數據細分、FDA 批准趨勢等等。每個章節都包含尾註和延伸閱讀，附錄提供了完整的補充數據表。
Create Your Own Slides
Turn your ideas into professional presentations in seconds with 2slides AI.
參考專業設計，選擇您的風格，產生具有完美文字渲染的投影片。由 Nano Banana 提供支援—立即開始建立您的簡報。
