近日，基于高质量论文数据系统分析人工智能科研演进的报告——《全球人工智能科研态势报告(2015-2024)》(以下简称《报告》)，由联合国工业发展组织投资和技术促进办公室与东壁科技数据联合发布。
《报告》的撰写团队基于东壁指数评价体系，对2015-2024年间发表的96961篇人工智能领域文献进行深度分析。
技术演进：从基础算法到多模态创新
《报告》通过关键词分析，清晰勾勒出AI技术演进的三个阶段：2015-2017年主要集中在传统机器学习算法和神经网络基础研究方面；2018-2020年，深度学习、计算机视觉、自然语言处理等应用领域兴起；2021-2023年，大型语言模型、生成式AI、多模态模型成为研究前沿；2024-2025年，可解释性AI、自适应学习、多智能体系统等新兴方向涌现。
在计算机视觉领域，“目标检测”(object detection)以高达78%的出现率成为该领域“最热”关键词。“语义分割”(semantic segmentation)在2022-2023年热度登顶，标志着计算机视觉技术形成了“目标检测-语义分割-视觉应用”的完整闭环。
更值得深思的是，传统的计算机视觉关键词(如“object detection”“segmentation”)与深度学习关键词(如“neural networks”“deep learning”)在热度变化上呈现高度同步性，印证了技术融合已成为AI创新的重要特征。
人才格局：中美双雄的科研力量对比
《报告》数据显示，全球AI研究人才分布具有显著的不均衡性和地域集中特征，中美两国以57.7%的占比形成"双强并立"格局。美国凭借6.3万研究人员的总量优势，构建起斯坦福大学(2385人)、麻省理工学院(2191人)与谷歌(2569人)、微软(2461人)协同的高校-企业双引擎。
中国则以28.7%的年复合增长率实现人才规模跃升，从2015年不足万人发展至2024年的5.2万人，形成以中国科学院(3453人)、清华大学(2667人)、北京大学(2123人)为核心的第一梯队，同时腾讯(992人)、阿里巴巴(633人)等企业研发团队规模已超越部分顶尖高校。
在科研产出层面，中国科学院以585篇高影响力论文领跑全球科研机构，清华、北大跻身发文量前十，呈现“国家队引领”的特征。
然而，中美在企业端的差距较为明显。美国头部企业人均科研产出效率显著领先，谷歌、微软、Meta三大科技巨头的总发文量为5896篇，是中国TOP3企业腾讯、阿里、华为的1.8倍，其论文平均被引频次(63.3次)较中国企业(55次)高出15%，折射出美国在基础研究领域的深厚积淀。
路径分野：基础研究与应用导向的差异
技术路线选择上，美国AI研究展现出基础理论扎实、技术创新驱动和均衡发展的特点，在机器学习、智能机器人、专家系统等底层领域拥有绝对优势，注重AI安全、隐私保护等伦理问题研究。
中国AI研究则呈现出鲜明的应用导向和产业结合紧密的特点，在计算机视觉(论文量超美40.8%)、知识图谱(超美50.1%)、自然语言处理等领域形成比较优势，这与自动驾驶、互联网应用、移动支付等庞大市场需求和丰富应用场景密不可分。
这种差异在具体领域表现尤为明显：中国企业在推荐系统、智能金融、自动驾驶等强落地场景表现突出，在智能算法、边缘计算等新兴领域虽起步较晚但发展迅速。而美国在机器学习、自然语言处理等基础领域的持续投入，为其技术创新提供了不竭动力。
这份由联合国工业发展组织与东壁科技数据联合发布的《报告》，不仅揭示了全球AI科研的十年变迁，更凸显了中美作为"双引擎"的互补性。当美国在基础理论领域持续深耕，中国在应用创新层面不断突破，这种差异恰恰为全球AI发展提供了多元路径。面向未来，如何构建开放协作的创新生态，让技术演进与人才培养形成良性互动，将是决定全球AI发展格局的关键命题。
(资料来源：中国科学报等)
