章节 01
研究与开发
Stanford 把 AI 研发描述为一个工业系统，而不只是研究竞赛：前沿实验室、超大规模云厂商、芯片供应链和环境约束，正在共同决定什么能够被构建。
为什么重要
这一章解释了为什么前沿 AI 的进步越来越受披露水平、资本强度、硬件集中度和能源需求的限制。
如何运用
可以把它当成一张瓶颈地图：谁能训练，谁能披露，谁控制算力，谁承担环境代价。
核心信号
核心信号
本章由两个信号主导：前沿模型生产已经工业化，而支撑它的硬件基础集中在少数参与者手中。
前沿能力已经工业化
2025 年超过 90% 的重要 AI 模型来自产业界，这说明最前沿的开发已集中在少数高资本化参与者手中。
基础设施集中本身就是战略风险
报告把模型进步与狭窄的硬件基础直接关联起来：美国主导数据中心，Nvidia 占据主要算力份额，TSMC 则是先进芯片制造的核心节点。
精选数据点
精选数据点
从 Stanford 官方章节材料中提炼出的数字和对比。
| 信号 | 数值 | 上下文 |
|---|---|---|
| 重要模型中的产业界占比 | >90% | 2025 年超过 90% 的重要 AI 模型由产业界发布。 |
| 重要模型数量，美国对中国 | 59 vs 35 | 2025 年美国发布 59 个重要模型，中国为 35 个。 |
| 全球 AI 算力容量 | 17.1M H100-eq | 自 2022 年以来，全球 AI 算力容量按年约 3.3 倍增长。 |
| 美国数据中心数量 | 5,427 | 美国拥有的数据中心数量超过任何其他国家的十倍。 |
| 训练排放信号 | 72,816 tCO2e | Stanford 估算 Grok 4 在 2025 年的训练排放为 72,816 吨二氧化碳当量。 |
影响与启示
- 讨论模型能力时，越来越不能脱离基础设施和能源背景。
- 披露质量正在成为竞争定位的一部分，而不只是研究规范问题。
- 开源规模在增长，但并没有消除算力和制造上的集中度。