首先,基础模型的研发数量激增。报告显示,2023年全球共发布了149个基础模型,较2022年的数量翻倍。其中,65.7%的模型为开源,这一比例显著高于2022年的44.4%和2021年的33.3%。开源模型的普及降低了技术门槛,使更多研究者和开发者能够参与AI创新,推动了技术的广泛应用和发展。
其次,行业在AI研究中占据主导地位。2023年,行业贡献了51个重要机器学习模型,而学术界仅贡献了15个。此外,行业与学术界的合作也达到新高,共有21个重要模型由双方共同完成。这一趋势反映了行业在资源投入和技术转化方面的优势,同时也凸显了学术界在基础研究中相对地位的下降。
研发成本的急剧上升是另一个值得关注的现象。随着AI模型复杂性的增加,训练成本达到了前所未有的水平。例如,OpenAI的GPT-4训练成本估计为7800万美元,而谷歌的Gemini Ultra高达1.91亿美元。高昂的成本表明AI研发正成为资源密集型领域,可能进一步加剧行业巨头的技术垄断。
在全球竞争格局中,美国保持领先地位。2023年,美国机构贡献了61个重要AI模型,远超欧盟的21个和中国的15个。这一数据凸显了美国在AI研发领域的全球主导地位。此外,AI专利授予数量也在快速增长,从2021年到2022年增长了62.7%,自2010年以来增长了31倍以上。中国在专利领域表现突出,2022年占全球AI专利的61.1%,而美国仅占20.9%。
开源AI研究同样呈现爆发式增长。GitHub上的AI相关项目数量从2011年的845个增加到2023年的约180万个,2023年同比增长59.3%。AI项目的星标总数也从2022年的400万激增至2023年的1220万,增长了三倍多。此外,AI出版物数量持续上升,从2010年的约8.8万篇增加到2022年的24万篇以上,尽管2022年至2023年的增幅仅为1.1%。
综上所述,AI的研究与开发在基础模型、开源生态和专利创新等方面取得了显著进展。然而,高昂的研发成本和行业的主导地位也带来了资源集中和学术参与度下降的挑战,未来需关注如何平衡技术进步与公平性。
微信扫一扫









