近日，基于高質(zhì)量論文數(shù)據(jù)系統(tǒng)分析人工智能科研演進(jìn)的報告——《全球人工智能科研態(tài)勢報告(2015-2024)》(以下簡稱《報告》)，由聯(lián)合國工業(yè)發(fā)展組織投資和技術(shù)促進(jìn)辦公室與東壁科技數(shù)據(jù)聯(lián)合發(fā)布。
《報告》的撰寫團(tuán)隊基于東壁指數(shù)評價體系，對2015-2024年間發(fā)表的96961篇人工智能領(lǐng)域文獻(xiàn)進(jìn)行深度分析。
技術(shù)演進(jìn)：從基礎(chǔ)算法到多模態(tài)創(chuàng)新
《報告》通過關(guān)鍵詞分析，清晰勾勒出AI技術(shù)演進(jìn)的三個階段：2015-2017年主要集中在傳統(tǒng)機(jī)器學(xué)習(xí)算法和神經(jīng)網(wǎng)絡(luò)基礎(chǔ)研究方面；2018-2020年，深度學(xué)習(xí)、計算機(jī)視覺、自然語言處理等應(yīng)用領(lǐng)域興起；2021-2023年，大型語言模型、生成式AI、多模態(tài)模型成為研究前沿；2024-2025年，可解釋性AI、自適應(yīng)學(xué)習(xí)、多智能體系統(tǒng)等新興方向涌現(xiàn)。
在計算機(jī)視覺領(lǐng)域，“目標(biāo)檢測”(object detection)以高達(dá)78%的出現(xiàn)率成為該領(lǐng)域“最熱”關(guān)鍵詞。“語義分割”(semantic segmentation)在2022-2023年熱度登頂，標(biāo)志著計算機(jī)視覺技術(shù)形成了“目標(biāo)檢測-語義分割-視覺應(yīng)用”的完整閉環(huán)。
更值得深思的是，傳統(tǒng)的計算機(jī)視覺關(guān)鍵詞(如“object detection”“segmentation”)與深度學(xué)習(xí)關(guān)鍵詞(如“neural networks”“deep learning”)在熱度變化上呈現(xiàn)高度同步性，印證了技術(shù)融合已成為AI創(chuàng)新的重要特征。
人才格局：中美雙雄的科研力量對比
《報告》數(shù)據(jù)顯示，全球AI研究人才分布具有顯著的不均衡性和地域集中特征，中美兩國以57.7%的占比形成"雙強(qiáng)并立"格局。美國憑借6.3萬研究人員的總量優(yōu)勢，構(gòu)建起斯坦福大學(xué)(2385人)、麻省理工學(xué)院(2191人)與谷歌(2569人)、微軟(2461人)協(xié)同的高校-企業(yè)雙引擎。
中國則以28.7%的年復(fù)合增長率實(shí)現(xiàn)人才規(guī)模躍升，從2015年不足萬人發(fā)展至2024年的5.2萬人，形成以中國科學(xué)院(3453人)、清華大學(xué)(2667人)、北京大學(xué)(2123人)為核心的第一梯隊，同時騰訊(992人)、阿里巴巴(633人)等企業(yè)研發(fā)團(tuán)隊規(guī)模已超越部分頂尖高校。
在科研產(chǎn)出層面，中國科學(xué)院以585篇高影響力論文領(lǐng)跑全球科研機(jī)構(gòu)，清華、北大躋身發(fā)文量前十，呈現(xiàn)“國家隊引領(lǐng)”的特征。
然而，中美在企業(yè)端的差距較為明顯。美國頭部企業(yè)人均科研產(chǎn)出效率顯著領(lǐng)先，谷歌、微軟、Meta三大科技巨頭的總發(fā)文量為5896篇，是中國TOP3企業(yè)騰訊、阿里、華為的1.8倍，其論文平均被引頻次(63.3次)較中國企業(yè)(55次)高出15%，折射出美國在基礎(chǔ)研究領(lǐng)域的深厚積淀。
路徑分野：基礎(chǔ)研究與應(yīng)用導(dǎo)向的差異
技術(shù)路線選擇上，美國AI研究展現(xiàn)出基礎(chǔ)理論扎實(shí)、技術(shù)創(chuàng)新驅(qū)動和均衡發(fā)展的特點(diǎn)，在機(jī)器學(xué)習(xí)、智能機(jī)器人、專家系統(tǒng)等底層領(lǐng)域擁有絕對優(yōu)勢，注重AI安全、隱私保護(hù)等倫理問題研究。
中國AI研究則呈現(xiàn)出鮮明的應(yīng)用導(dǎo)向和產(chǎn)業(yè)結(jié)合緊密的特點(diǎn)，在計算機(jī)視覺(論文量超美40.8%)、知識圖譜(超美50.1%)、自然語言處理等領(lǐng)域形成比較優(yōu)勢，這與自動駕駛、互聯(lián)網(wǎng)應(yīng)用、移動支付等龐大市場需求和豐富應(yīng)用場景密不可分。
這種差異在具體領(lǐng)域表現(xiàn)尤為明顯：中國企業(yè)在推薦系統(tǒng)、智能金融、自動駕駛等強(qiáng)落地場景表現(xiàn)突出，在智能算法、邊緣計算等新興領(lǐng)域雖起步較晚但發(fā)展迅速。而美國在機(jī)器學(xué)習(xí)、自然語言處理等基礎(chǔ)領(lǐng)域的持續(xù)投入，為其技術(shù)創(chuàng)新提供了不竭動力。
這份由聯(lián)合國工業(yè)發(fā)展組織與東壁科技數(shù)據(jù)聯(lián)合發(fā)布的《報告》，不僅揭示了全球AI科研的十年變遷，更凸顯了中美作為"雙引擎"的互補(bǔ)性。當(dāng)美國在基礎(chǔ)理論領(lǐng)域持續(xù)深耕，中國在應(yīng)用創(chuàng)新層面不斷突破，這種差異恰恰為全球AI發(fā)展提供了多元路徑。面向未來，如何構(gòu)建開放協(xié)作的創(chuàng)新生態(tài)，讓技術(shù)演進(jìn)與人才培養(yǎng)形成良性互動，將是決定全球AI發(fā)展格局的關(guān)鍵命題。
(資料來源：中國科學(xué)報等)
