史丹佛大學每年在四月左右都會發布他們對 AI 產業趨勢和發展的研究報告，2025 年整份報告共有455頁，我們擷取各章重點如下，幫助大家快速掌握最新的 AI 報告重點：
重點摘要
- AI 在要求嚴苛的基準測試上的表現持續提升。
2023 年，研究人員引入了新的基準測試——MMMU、GPQA 和 SWE-bench——用以測試先進人工智慧系統的極限。僅僅一年後，表現大幅提升：在 MMMU、GPQA 和 SWE-bench 上的得分分別上升了 18.8、48.9 和 67.3 個百分點。除了基準測試之外，人工智慧系統在生成高品質影片方面取得了重大進展，在某些情況下，語言模型代理甚至在有時間限制的程式設計任務中超越了人類。 - AI 日益融入日常生活。
從醫療保健到交通運輸，AI 正迅速地從實驗室走向日常生活。2023 年，美國食品藥物管理局 (FDA) 批准了 223 款支援 AI 的醫療器材，遠高於 2015 年的僅僅 6 款。在道路上，自動駕駛汽車不再是實驗性的：美國最大的營運商之一 Waymo 每週提供超過 15 萬次的自動駕駛服務，而百度價格實惠的 Apollo Go 自動駕駛計程車隊現已服務中國多個城市。 - 企業界全力投入 AI，推動了創紀錄的投資和使用率，同時研究持續顯示其對生產力有強勁影響。
2024 年，美國的私部門 AI 投資增長至 1091 億美元——幾乎是中國 93 億美元的 12 倍，以及英國 45 億美元的 24 倍。生成式 AI 的動能尤其強勁，全球吸引了 339 億美元的私人投資——比 2023 年增長了 18.7%。AI 的商業應用也在加速：78% 的組織報告在 2024 年使用 AI，高於前一年的 55%。與此同時，越來越多的研究證實，AI 提高了生產力，並且在大多數情況下有助於縮小勞動力的技能差距。 - 美國在頂尖 AI 模型的產出上仍然領先，但中國正在縮小表現差距。
2024 年，美國機構產出了 40 個值得關注的 AI 模型，顯著超過中國的 15 個和歐洲的 3 個。儘管美國在數量上保持領先，但中國模型已迅速縮小品質差距：在 MMLU 和 HumanEval 等主要基準測試上的表現差異，已從 2023 年的兩位數縮小到 2024 年的接近持平。與此同時，中國在 AI 相關的出版物和專利方面持續領先。同時，模型開發日益全球化，中東、拉丁美洲和東南亞等地區也推出了引人注目的模型。 - 負責任的 AI 生態系統正在發展，但發展並不均衡。
與 AI 相關的事件急劇增加，然而標準化的負責任人工智慧 (RAI) 評估在主要產業模型開發者中仍然罕見。然而，像 HELM Safety、AIR-Bench 和 FACTS 這樣的新基準測試為評估事實準確性和安全性提供了有前景的工具。
在企業之間，認知到負責任人工智慧風險與採取實際行動之間仍然存在差距。相比之下，各國政府展現出日益增強的緊迫感：2024 年，全球在 AI 治理方面的合作加強，包括經濟合作暨發展組織 (OECD)、歐盟 (EU)、聯合國 (U.N.) 和非洲聯盟 (African Union) 在內的組織發布了著重於透明度、可信賴性及其他核心負責任人工智慧原則的框架。 - 全球對 AI 的樂觀情緒正在上升，但地區間的深刻分歧依然存在。
在中國 (83%)、印尼 (80%) 和泰國 (77%) 等國家，絕大多數人認為 AI 產品和服務利大於弊。相比之下，在加拿大 (40%)、美國 (39%) 和荷蘭 (36%) 等地，樂觀情緒則低得多。儘管如此，態度正在轉變：自 2022 年以來，幾個先前持懷疑態度的國家，包括德國 (+10%)、法國 (+10%)、加拿大 (+8%)、英國 (+8%) 和美國 (+4%)，樂觀情緒已顯著增長。 - AI 變得更有效率、更實惠、更容易取得。
在能力日益增強的小型模型推動下，一個表現達到 GPT-3.5 水準的系統的推論成本，在 2022 年 11 月至 2024 年 10 月期間下降了超過 280 倍。在硬體層面，成本每年下降 30%，而能源效率每年提高 40%。開源權重模型也正在縮小與閉源模型的差距，一年內在某些基準測試上的表現差異從 8% 降至僅 1.7%。總合來看，這些趨勢正在迅速降低取得先進 AI 的門檻。 - 各國政府正在加強對人工智慧的投入——包括監管和投資。
2024 年，美國聯邦機構推出了 59 項與 AI 相關的法規——數量是 2023 年的兩倍多。全球範圍內，75 個國家的立法中提及 AI 的次數自 2023 年以來增加了 21.3%，是 2016 年以來的九倍增長。
隨著關注度的提高，各國政府也進行大規模投資：加拿大承諾投入 24 億美元，中國啟動了 475 億美元的半導體基金，法國承諾投入 1090 億歐元，印度承諾投入 12.5 億美元，而沙烏地阿拉伯的「超越計畫」(Project Transcendence) 則代表了一項 1000 億美元的倡議。 - AI 與電腦科學教育正在擴展，但在普及性和準備度方面仍存在差距。
目前有三分之二的國家提供或計劃提供 K–12 電腦科學 (CS) 教育——是 2019 年的兩倍——其中非洲和拉丁美洲進展最大。在美國，過去 10 年中獲得電腦運算相關學士學位的畢業生人數增加了 22%。然而，由於電力等基礎設施的差距，許多非洲國家的普及性仍然受限。在美國，81% 的 K–12 電腦科學教師表示 AI 應成為基礎電腦科學教育的一部分，但只有不到一半的人覺得自己有能力教授相關內容。 - 產業界在人工智慧領域遙遙領先——但前沿領域的競爭日益激烈。
2024 年近 90% 的值得關注的AI 模型來自產業界，高於 2023 年的 60%，而學術界仍然是高被研究的主要來源。模型規模持續快速增長——訓練所需的運算力每五個月翻倍，資料集規模每八個月翻倍，電力使用量每年翻倍。然而，表現差距正在縮小：排名第一和第十的模型之間的分數差距在一年內從 11.9% 下降到 5.4%，而排名前兩名的模型現在僅相差 0.7%。前沿領域的競爭日益激烈——且參與者越來越多。 - AI 因其對科學的影響而獲得最高榮譽。
AI 日益增長的重要性反映在重大的科學獎項中：兩項諾貝爾獎表彰了促成深度學習的研究（物理學獎）及其在蛋白質摺疊上的應用（化學獎），而圖靈獎則表彰了對強化學習的開創性貢獻。 - 複雜推理仍然是一項挑戰。
AI 模型擅長處理像國際數學奧林匹亞競賽 (IMO) 問題這樣的任務，但在像 PlanBench 這樣的複雜推理基準測試上仍然表現掙扎。即使存在可證明的正確解法，它們也常常無法可靠地解決邏輯任務，這限制了它們在精確度至關重要的高風險場景中的有效性。
第一章：研究與發展
本章探討 AI 研究與發展的趨勢，涵蓋了學術界與產業界的角色、地理分佈、模型規模、成本效益及專利活動等面向。報告指出，產業界在 AI 領域持續進行重大投資，尤其在開發值得關注的 AI 模型方面處於領先地位，2024 年近 90% 的重要模型來自產業界，相較於 2023 年的 60% 顯著增加。然而，學術界在高引用研究方面仍扮演關鍵角色，過去三年中，學術機構是高引用（前 100 名）出版物的最大單一貢獻者。
在地域分佈上，中國在 AI 研究出版物總量和引用總量上領先（2023 年分別佔 23.2% 和 22.6%），但美國在高影響力研究（前 100 名引用）方面貢獻最多。美國仍然是重要 AI 模型的主要來源國，2024 年美國機構產生了 40 個重要模型，遠超中國的 15 個和歐洲的 3 個。AI 出版物總量持續增長，並在電腦科學領域佔據主導地位，從 2013 年佔比 21.6% 上升至 2023 年的 41.8%。
AI 模型的規模持續擴大，隨之而來的是更高的計算需求和能源消耗。研究顯示，重要 AI 模型的訓練計算量約每五個月翻倍，大型語言模型的訓練數據集大小每八個月翻倍，年度訓練所需電力也隨之增加。儘管如此，AI 模型的使用成本正變得越來越低廉。以 MMLU 基準測試中達到 GPT-3.5 水平的模型為例，查詢成本從 2022 年 11 月的每百萬 token 20 美元降至 2024 年 10 月的僅 0.07 美元，降幅超過 280 倍。大型語言模型的推論成本（Inference Cost）每年下降 9 到 900 倍不等。
AI 硬體方面也取得顯著進展，機器學習硬體效能（以 16 位元浮點運算衡量）每年增長 43%，約每 1.9 年翻倍。成本效益提高，成本每年下降 30%，而能源效率每年提升 40%。然而，AI 訓練的碳排放量也隨之穩步增加，從早期模型的少量排放（如 AlexNet 的 0.01 噸）到近期模型（如 Llama 3.1 405B 的 8,930 噸），對環境的影響日益顯著。AI 專利申請量亦持續上升，從 2010 年的 3,833 件激增至 2023 年的 122,511 件，中國在總量上領先，佔 69.7%，而韓國和盧森堡在人均專利數上領先。
第二章：技術性能
本章深入探討 2024 年 AI 技術的進展，重點關注模型性能、基準測試表現、以及不同模型類型（如開源 vs. 閉源）和地域（中美）間的比較。報告指出，AI 在極具挑戰性的新基準測試上，如 MMMU、GPQA 和 SWE-bench，展現了前所未有的學習速度。例如，在 SWE-bench 上，AI 解決編碼問題的能力從 2023 年的 4.4% 躍升至 2024 年的 71.7%。
值得注意的是，開源模型的性能正迅速追趕閉源模型。2024 年初，閉源模型在 Chatbot Arena 上的領先優勢為 8.0%，但到 2025 年初，這一差距已縮小至 1.7%。中美模型間的性能差距也在快速縮小。2023 年底，美國模型在 MMLU、MMMU、MATH 和 HumanEval 等主要基準上的領先幅度分別為 17.5、13.5、24.3 和 31.6 個百分點，但到 2024 年底，這些差距已分別大幅縮減至 0.3、8.1、1.6 和 3.7 個百分點。
AI 模型的性能在技術前沿趨於收斂。Chatbot Arena 排行榜前十名模型的 Elo 分數差距從一年前的 11.9% 降至 5.4%，前兩名模型的差距更從 4.9% 縮小至 0.7%，顯示高品質模型來源日益多元化。新的推理範式，如 OpenAI 的 o1 和 o3 模型採用的「測試時計算」(test-time compute)，顯著提升了模型性能，例如 o1 在國際數學奧林匹亞資格考中得分 74.4%，遠超 GPT-4o 的 9.3%，但代價是更高的成本和更慢的速度。
傳統基準測試（如 MMLU）趨於飽和，促使研究人員開發更具挑戰性的新基準，如 Humanity’s Last Exam、FrontierMath 和 BigCodeBench，目前頂尖 AI 在這些基準上的表現仍遠未達到人類水平。同時，AI 在影片生成方面取得重大突破，如 OpenAI 的 SORA、Meta 的 Movie Gen 等模型產出的影片品質較 2023 年顯著提高。
另一個趨勢是小型模型展現出更強的性能。2022 年，在 MMLU 上得分超過 60% 的最小模型是擁有 5400 億參數的 PaLM，而到了 2024 年，僅有 38 億參數的微軟 Phi-3-mini 就達到了相同門檻，參數規模縮減了 142 倍。然而，複雜推理仍是 AI 的一大挑戰，即使引入了思維鏈（Chain-of-Thought）等機制，LLM 在需要可靠邏輯推理（如算術、規劃）的問題上仍表現不佳。最後，AI 代理（AI agents）展現出早期潛力，在 RE-Bench 等複雜任務基準測試中，短期內表現優於人類專家，但在長時間任務上仍有差距，不過在特定任務（如編寫 Triton 核心）上已能匹敵人類專家。
第三章：負責任 AI
本章聚焦負責任 AI（Responsible AI, RAI）的發展現況，涵蓋了評估標準、AI 事件、風險認知與緩解、政策制定、數據生態、透明度、事實性以及特定議題（如選舉假資訊和 AI 代理）。報告指出，儘管對 AI 系統進行 RAI 標準評估仍不普遍，但新的基準如 HELM Safety 和 AIR-Bench 已開始填補空白。然而，AI 相關事件報告持續增加，2024 年達到創紀錄的 233 起，較 2023 年增長 56.4%。
企業組織層面，雖然普遍認知到 RAI 的風險（如不準確性、合規性、網絡安全），但實際的緩解行動相對滯後。麥肯錫調查顯示，僅有部分領導者針對已識別的風險採取積極措施。相對地，全球政策制定者對 RAI 展現出顯著興趣與急迫性，2024 年國際合作加強，OECD、歐盟、聯合國和非洲聯盟等主要組織紛紛發布框架，強調透明度、可解釋性和可信賴性等核心原則。
然而，AI 訓練賴以維生的「數據公域」（data commons）正快速縮小。研究發現，由於許多網站實施新協議限制數據抓取，數據使用限制在 2023 至 2024 年間顯著增加，C4 數據集中受限制的 token 比例從 5-7% 躍升至 20-33%。這對數據多樣性、模型對齊和可擴展性構成挑戰。在模型透明度方面，基礎模型透明度指數顯示，主要開發者的平均透明度分數從 2023 年 10 月的 37% 提升至 2024 年 5 月的 58%，雖有進展但仍有改善空間。
評估模型事實性和真實性的基準測試也在進步。為應對早期基準（如 HaluEval）未獲廣泛採用的問題，更新、更全面的評估方法如 HHEM Leaderboard、FACTS 和 SimpleQA 應運而生。選舉假資訊方面，2024 年全球多國出現 AI 相關案例，但其對選舉結果的確切影響仍不明朗。
隱性偏見問題依然存在。即使是經過訓練以消除顯性偏見的先進 LLM（如 GPT-4、Claude 3 Sonnet），仍表現出隱性偏見，例如將負面詞彙與特定族群聯繫、在 STEM 領域和領導角色上存在性別偏見。儘管標準偏見指標有所改善，模型偏見仍是普遍問題。最後，學術界對 RAI 的關注度持續提升，頂尖 AI 會議接受的 RAI 論文數量從 2023 年的 992 篇增至 2024 年的 1,278 篇，延續了自 2019 年以來的穩定增長趨勢。
第四章：經濟
本章探討 AI 對經濟的影響，聚焦於投資、企業應用、勞動力市場、機器人部署以及生產力等面向。報告指出，2024 年全球對 AI 的企業投資達到創紀錄的 2523 億美元，較前一年增長 26%。其中，私人投資增長 44.5%，併購增長 12.1%。自 2014 年以來，AI 領域的總投資額增長了超過 13 倍。生成式 AI（Generative AI）的投資尤為強勁，2024 年達到 339 億美元，較 2023 年增長 18.7%，是 2022 年水平的 8.5 倍以上，佔所有 AI 相關私人投資的 20% 以上。
美國在全球 AI 私人投資領域的領先地位進一步擴大，2024 年投資額達 1091 億美元，幾乎是中國（93 億美元）的 12 倍、英國（45 億美元）的 24 倍。在生成式 AI 方面，美國的投資額比中國、歐盟加英國的總和還多出 254 億美元。企業對 AI 的應用達到前所未有的水平，2024 年有 78% 的受訪組織表示使用了 AI，遠高於 2023 年的 55%。使用生成式 AI 的比例也從 33% 翻倍至 71%。
從地域來看，雖然北美在企業 AI 應用方面保持領先，但大中華地區的增長最為顯著，年增長率達 27 個百分點，歐洲則以 23 個百分點的增長緊隨其後，顯示全球 AI 應用格局正在快速演變。AI 已開始在不同業務功能中產生財務影響，但多數企業仍處於早期階段。49% 在服務運營中使用 AI 的受訪者報告了成本節省，但多數低於 10%。在營收方面，71% 在行銷和銷售中使用 AI 的企業報告了增長，但最常見的增長幅度也低於 5%。
工業機器人領域，中國儘管增速略有放緩，但仍保持主導地位，2023 年安裝了 276,300 台，是日本的 6 倍、美國的 7.3 倍，佔全球總量的 51.1%。協作型和互動型機器人的安裝量顯著增加，從 2017 年僅佔 2.8% 增長至 2023 年的 10.5%，顯示部署重點正轉向人機協作。AI 也推動了能源領域的轉變，對核能的興趣增加，微軟、谷歌和亞馬遜等公司已簽訂核能協議以支持其 AI 運營。最後，持續的研究證實 AI 能夠提升生產力，並且在多數情況下有助於縮小低技能和高技能工人之間的差距。
第五章：科學與醫學
本章聚焦 AI 在科學和醫學領域的應用與突破，涵蓋蛋白質定序、科學發現、臨床知識、醫療任務、醫療器材審批、合成數據、倫理考量以及基礎模型等多個方面。2024 年，更大規模、更高性能的蛋白質定序模型（如 ESM3、AlphaFold 3）相繼問世，模型規模的增長持續推動蛋白質預測準確性的提升。AI 在加速科學發現方面扮演日益重要的角色，繼 2022、2023 年的初步突破後，2024 年出現了更顯著的進展，例如用於生物任務的 LLM 代理 Aviary 和顯著增強野火預測能力的 FireSat。
領先大型語言模型（LLM）的臨床知識持續精進。OpenAI 新發布的 o1 模型在 MedQA 基準測試上創下 96.0% 的新紀錄，較 2023 年的最佳分數提升 5.8 個百分點。自 2022 年底以來，該基準的性能已提升 28.4 個百分點，顯示其可能接近飽和，需要更具挑戰性的評估方法。在特定臨床任務上，AI 已展現出超越醫生的能力。一項新研究發現，GPT-4 在診斷複雜臨床病例方面優於醫生（無論醫生是否使用 AI）。其他研究也顯示 AI 在癌症檢測和高死亡風險患者識別方面超越醫生。不過，早期研究暗示 AI 與醫生的協作能產生最佳結果。
美國食品藥物管理局（FDA）批准的 AI 醫療器材數量呈爆炸式增長。自 1995 年批准首個 AI 醫療器材以來，到 2015 年僅有 6 個獲批，但到 2023 年底，這一數字已飆升至 223 個。合成數據在醫學領域展現出巨大潛力，2024 年的研究表明，AI 生成的合成數據有助於模型更好地識別健康的社會決定因素、增強保護隱私的臨床風險預測，並促進新藥化合物的發現。
醫學 AI 倫理相關的出版物數量逐年增加，從 2020 年的 288 篇增長至 2024 年的 1,031 篇，幾乎翻了兩番。2024 年，一系列大規模醫學基礎模型被發布，涵蓋了從通用多模態模型（如 Med-Gemini）到特定領域模型（如用於超聲心動圖的 EchoCLIP、眼科的 VisionFM、放射學的 ChexAgent）。公開可用的蛋白質科學數據庫規模顯著增長，自 2021 年以來，UniProt、PDB 和 AlphaFold 的條目數分別增長了 31%、23% 和 585%。最後，AI 驅動的研究獲得了兩項諾貝爾獎的最高榮譽：物理學獎授予了對神經網路有基礎性貢獻的科學家，化學獎則表彰了 AlphaFold 在蛋白質摺疊方面的開創性工作。
第六章：政策與治理
本章探討全球及美國 AI 政策與治理的最新發展，涵蓋立法、監管、投資及安全等多個層面。報告指出，在美國，州級層面在 AI 立法方面走在前列，而聯邦層級進展緩慢。2023 年，美國州級通過的 AI 相關法律達 49 項，僅 2024 年一年就翻倍至 131 項。相較之下，聯邦層級提出的 AI 法案雖有增加，但通過的數量仍然很低。
全球各國政府正加大對 AI 基礎設施的投資。加拿大宣布了 24 億美元的 AI 基礎設施計畫，中國啟動了 475 億美元的半導體基金，法國承諾投入 1170 億美元於 AI 基礎設施，印度承諾 12.5 億美元，沙烏地阿拉伯的「超越計畫」(Project Transcendence) 更涉及 1000 億美元的 AI 投資。全球範圍內，立法程序中提及 AI 的次數持續攀升。在 75 個國家中，2024 年立法程序中提及 AI 的次數達到 1,889 次，較 2023 年的 1,557 次增加了 21.3%。自 2016 年以來，AI 提及總數增長了九倍以上。
國際間 AI 安全機構正在擴展並加強協調。繼 2023 年 11 月美英成立首批機構後，2024 年 5 月的 AI 首爾峰會上，日本、法國、德國、義大利、新加坡、韓國、澳洲、加拿大及歐盟承諾建立更多此類機構，顯示全球在 AI 安全治理方面的合作日益加強。美國聯邦層級的 AI 相關法規數量激增。2024 年共出台 59 項 AI 相關法規，是 2023 年 25 項的兩倍多。這些法規來自 42 個不同的機構，是 2023 年 21 個機構的兩倍。美國各州也加強了對深度偽造（Deepfake）的監管。2024 年之前，僅有五個州立法監管選舉中的深度偽造，到了 2024 年，新增了 15 個州採取類似措施。此外，截至 2024 年，已有 24 個州通過了針對深度偽造的普遍性法規。
第七章：教育
本章探討 AI 與電腦科學（CS）教育在全球及美國的發展現況、挑戰與機會。報告指出，美國高中提供 CS 課程的比例及學生註冊率雖略有增加，但仍存在顯著差距。學生參與情況因州別、種族、學校規模、地理位置、收入、性別和殘疾狀況而異。儘管 81% 的美國 CS 教師認為 AI 應納入基礎 CS 學習體驗，但只有不到一半的高中 CS 教師覺得自己有能力教授 AI。
全球範圍內，提供或計畫提供 K-12 CS 教育的國家比例已從 2019 年的三分之一翻倍至三分之二。非洲和拉丁美洲國家進展最快。然而，由於基礎設施（如電力缺乏）的限制，非洲國家的學生獲得 CS 教育的機會最少。
在高等教育方面，美國 AI 碩士畢業生人數在 2022 年至 2023 年間幾乎翻倍。雖然 AI 熱潮對學士和博士學位畢業生數量的影響較為滯後，但碩士學位的激增可能預示著所有學位層級的未來趨勢。美國在各級資訊、技術與通訊（ICT）畢業生數量上持續保持全球領先地位，西班牙、巴西和英國緊隨其後。值得注意的是，土耳其在 ICT 畢業生的性別平等方面表現最佳。
總體而言，AI 教育正處於快速發展階段，但也面臨公平性、教師準備度、基礎設施和標準化數據收集等多重挑戰。為培養具備 AI 素養和技能的未來勞動力，解決這些差距並推動負責任的 AI 教育至關重要。
第八章：公眾輿論
本章探討全球及美國公眾對 AI 的態度與看法，數據來源包括益普索（Ipsos）的跨國調查、美國汽車協會（AAA）對自動駕駛汽車的調查，以及針對美國地方政策制定者的研究。報告顯示，全球公眾對 AI 產品和服務的態度呈現謹慎樂觀的趨勢。在益普索 2022 年和 2024 年調查的 26 個國家中，有 18 個國家認為 AI 利大於弊的人口比例有所增加。全球範圍內，認為 AI 利大於弊的比例從 2022 年的 52% 上升至 2024 年的 55%。
公眾對 AI 將影響日常生活的預期和認知也在提升。全球約三分之二的人認為 AI 產品和服務將在未來三到五年內顯著影響其日常生活，較 2022 年增加了 6 個百分點。除了少數例外，幾乎所有受訪國家的這一比例都有所上升，其中加拿大（+17%）和德國（+15%）增幅最大。然而，公眾對 AI 公司的道德行為和 AI 系統的公平性仍存疑慮，且這種懷疑態度正在加劇。全球範圍內，信任 AI 公司會保護個人數據的比例從 2023 年的 50% 下降至 2024 年的 47%。同時，相信 AI 系統公正無偏見的人數也較去年減少。
對 AI 的樂觀程度存在顯著的地域差異。中國（83%）、印尼（80%）和泰國（77%）等亞洲國家的大多數人認為 AI 利大於弊，而在加拿大（40%）、美國（39%）和荷蘭（36%）等西方國家，持此觀點的僅為少數。不過，一個值得注意的趨勢是，先前最為懷疑的國家，其樂觀情緒增長最為顯著。例如，英國、德國、美國、加拿大和法國的樂觀比例自 2022 年以來分別增加了 8%、10%、4%、8% 和 10%。
在具體應用方面，美國公眾對自動駕駛汽車仍持不信任態度。AAA 調查發現，61% 的美國人害怕自動駕駛汽車，僅 13% 表示信任。儘管害怕比例較 2023 年高峰（68%）有所下降，但仍高於 2021 年（54%）。勞動者普遍預期 AI 將重塑工作方式（60% 同意未來五年會改變），但對被取代的擔憂相對較低（36% 認為未來五年會取代其工作）。公眾普遍將 AI 視為節省時間和提升娛樂的工具（分別有 55% 和 51% 的人持此看法），但對其健康（38%）和經濟（36%）效益的信心較低。
在政策方面，美國地方政策制定者普遍支持對 AI 進行監管（73.7% 支持，高於 2022 年的 55.7%），但在政策優先級上存在分歧。對更嚴格的數據隱私規則（80.4%）、失業者再培訓（76.2%）和 AI 部署法規（72.5%）的支持度最高，而對執法面部識別禁令（34.2%）、工資補貼（32.9%）和全民基本收入（24.6%）的支持度則顯著降低。
延伸閱讀：
史丹佛 2025 AI 報告（Artificial Intelligence Index Report 202）
AI 零售未來與透明供應鏈：零售中小企業如何透過3個策略方向抓住新機遇？
AI數位轉型，從「優化」開始–打造中小企業成功的數位轉型計畫
想知道更多關於 企業數位轉型、如何導入 AI 和 成功實施 AI 導入策略 的方法？我們的團隊將為您量身打造適合的解決方案。讓我們協助您邁出數位轉型的第一步！請參考：AI 應用學院 或 airabbi 企業AI培訓。
想瞭解更多企業 AI 數位轉型的細節？歡迎與我們聯絡，請點擊下方 LINE 連結：
