十年來，人工智能（Artificial Intelligence,AI）作為當代科技革命的核心驅(qū)動力，正以前所未有的速度重塑全球科技創(chuàng)新格局和社會發(fā)展模式。7月3日，全球首份基于高質(zhì)量論文數(shù)據(jù)系統(tǒng)分析人工智能十年科研演進的報告——《全球人工智能科研態(tài)勢報告（2015-2024）》，在北京舉辦的2025全球數(shù)字經(jīng)濟大會上面向全球發(fā)布。現(xiàn)場還揭曉了五份聚焦全球人工智能科研人才的榜單。

十年發(fā)展 從低谷到爆發(fā)增長

這份報告由聯(lián)合國工業(yè)發(fā)展組織投資和技術促進辦公室與東壁科技數(shù)據(jù)有限責任公司（東壁科技數(shù)據(jù)）聯(lián)合發(fā)布，基于東壁指數(shù)（Dongbi Index）評價體系，對2015-2024年間發(fā)表的96961篇人工智能領域文獻進行深度分析。

東壁指數(shù)（Dongbi Index）是東壁科技數(shù)據(jù)在今年1月發(fā)布的全球?qū)W術期刊評價指標體系，是一個由中國機構(gòu)自主構(gòu)建、采用“種子期刊引文追溯+引文網(wǎng)絡層級結(jié)構(gòu)分級”模型的創(chuàng)新評價系統(tǒng)，被中國科協(xié)官方平臺視為“中國爭取學術話語權(quán)的標志性事件”。

活動現(xiàn)場，東壁科技數(shù)據(jù)創(chuàng)始人、深圳大學特聘教授吳登生揭曉了報告核心內(nèi)容。他提到：“從早期的多元探索，到深度學習的爆發(fā)式增長，再到如今的工程化落地與新興方向涌現(xiàn)，這份報告繪制了一幅清晰的AI科研十年‘躍遷圖景’。”

報告勾勒出全球人工智能研究鮮明的階段性特征，發(fā)文量總體呈上升趨勢，粗略可分為初始起步期(2015-2016年)、快速發(fā)展期(2017-2019年)、成熟高峰期(2020-2023年)、波動調(diào)整期(2024年)。

2015-2016年是初始起步期，全球AI年度論文數(shù)量出現(xiàn)了小幅下滑，從2015年的4421篇滑落至2016年的3628篇。“這個階段就像是在技術森林中摸索，”吳登生形容道，“傳統(tǒng)研究中，機器學習是主流，沒有‘超級明星’，大家都在多元化嘗試。”

快速發(fā)展的黃金期出現(xiàn)在2017-2019年，此時論文數(shù)量迎來“三連跳”，至2019年一舉突破萬篇大關。2017-2018年是關鍵轉(zhuǎn)折點，關鍵詞“深度學習”熱度陡增，標志著AI研究開始從實驗室的理論探索大規(guī)模走向?qū)嶋H應用的廣闊天地。

隨后的2020-2023年是成熟高峰期，雖有2022年的短暫回調(diào)，但AI科研整體呈現(xiàn)強勁勢頭。其中，2020-2021年堪稱“深度學習”的全面爆發(fā)季，2023年論文量飆升至17,074篇，較2015年實現(xiàn)了近4倍的跨越式增長。在這個階段，AI工程化落地全面推進。

進入最近的2024年，數(shù)據(jù)揭示出一個重要的調(diào)整信號——2024年發(fā)文量回落至14786篇。“這并非退步，而是學術研究的戰(zhàn)略聚焦，”吳登生表示，“AI研究正告別‘廣撒網(wǎng)’，開始進入深度專業(yè)化與精準應用導向的新階段。”

另一方面，從技術演進路徑看，2015年到2017年主要集中在傳統(tǒng)機器學習算法和神經(jīng)網(wǎng)絡基礎研究方面，2018年到2020年深度學習、計算機視覺、自然語言處理等應用領域興起，2021年至2023年，大型語言模型、生成式AI、多模態(tài)模型成為研究前沿，再到2024年至2025年，可解釋性AI、自適應學習、多智能體系統(tǒng)等新興方向涌現(xiàn)。

深度學習主導 融合與工程化成未來可能趨勢

通過關鍵詞分析，報告清晰地描繪出人工智能核心技術路線的變化。

“‘深度學習’無疑是過去十年的絕對主角，”吳登生介紹道。“深度學習”關鍵詞頻率累計增長84倍，尤其在2018-2023年，年均增速高達217%，展現(xiàn)出驚人的爆發(fā)力。但他也指出，“2024年其增速首次降至30%，進入平臺期，預示著單靠模型規(guī)模擴張的發(fā)展模式面臨瓶頸。”

在計算機視覺領域，“目標檢測”（object detection）以高達78%的出現(xiàn)率成為該領域“最熱”關鍵詞。“語義分割”（semantic segmentation）在2022-2023年熱度登頂，標志著計算機視覺技術形成了“目標檢測-語義分割-視覺應用”的完整閉環(huán)。

機器學習基礎理論持續(xù)夯實，“reinforcement learning”等子領域在10個年度保持活躍，年均增長12%。語義理解相關關鍵詞如“semantics”在2022年后年均增長45%，預示著“認知智能”可能是下一輪突破的焦點。

報告還揭示了基礎理論類關鍵詞如“machine learning”“classification”“clustering”保持相對穩(wěn)定的熱度，體現(xiàn)了這些基礎概念的重要性。

新興技術崛起方面，“Transformers”關鍵詞在2022年后異軍突起，深刻改變自然語言處理和多模態(tài)AI領域。“Feature extraction”和“optimization”等工程化關鍵詞在2020年后呈現(xiàn)持續(xù)升溫趨勢，表明研究重心正從算法創(chuàng)新轉(zhuǎn)向工程優(yōu)化和實際部署，是技術成熟和產(chǎn)業(yè)需求雙重驅(qū)動的結(jié)果。

此外，報告還揭示了不同技術領域之間的融合趨勢。報告發(fā)現(xiàn)，傳統(tǒng)的計算機視覺關鍵詞（如“object detection”“segmentation”）與深度學習關鍵詞（如“neural networks”“deep learning”）在熱度變化上高度同步。“這生動體現(xiàn)了AI發(fā)展的‘融合’大趨勢，孤島式研究已成過去時。”吳登生總結(jié)道。

中美產(chǎn)業(yè)優(yōu)勢明顯 路徑各異

報告清晰呈現(xiàn)出中美兩國在AI領域“雙核驅(qū)動”的格局，以及各具特色的發(fā)展路徑。

報告顯示，美國AI研究展現(xiàn)出基礎理論扎實、技術創(chuàng)新驅(qū)動和均衡發(fā)展的特點，在機器學習、智能機器人、專家系統(tǒng)等基礎理論和技術創(chuàng)新領域擁有絕對優(yōu)勢，研究注重底層突破和技術倫理，如AI安全與隱私保護。中國AI研究呈現(xiàn)出鮮明的應用導向和產(chǎn)業(yè)結(jié)合緊密的特點，在計算機視覺、知識圖譜和自然語言處理方面具有相對優(yōu)勢。

“中國在計算機視覺領域的論文數(shù)量比美國高40.8%，知識圖譜領域高50.1%，在自然語言處理領域也略有優(yōu)勢，”吳登生援引報告數(shù)據(jù)指出，“這與中國在自動駕駛、互聯(lián)網(wǎng)應用、知識管理方面具有龐大市場需求和豐富應用場景密不可分。”

中國企業(yè)也在推薦系統(tǒng)、智能金融（如移動支付）、自動駕駛等強應用、強落地的領域表現(xiàn)突出。此外，在智能算法、邊緣計算等新興探索領域，中國雖起步相對較晚，但也展現(xiàn)出良好的發(fā)展態(tài)勢。

基于報告的核心數(shù)據(jù)，本次發(fā)布會現(xiàn)場還重磅揭曉了五份全球人工智能人才榜單，分別是《全球人工智能人才榜TOP100》《全球人工智能南方國家人才榜TOP 20（不含中國）》《全球人工智能女性人才榜TOP50》《中國人工智能人才榜TOP100》《全球人工智能機構(gòu)榜TOP100》，更清晰明了地展現(xiàn)了全球AI人才分布、機構(gòu)實力與生態(tài)發(fā)展的最新格局。

吳登生介紹，榜單基于東壁全球科技文獻數(shù)據(jù)平臺收錄的頂級期刊、重要會議論文等公開高質(zhì)量數(shù)據(jù)源統(tǒng)計分析得出，具有公開、透明、可重復、可驗證等優(yōu)點，反映的是近10年來科研活躍的一線學者，可能會遺漏部分早期做出重要貢獻的學者，后續(xù)將增加對早期學者和新興學者的關注，完善相關數(shù)據(jù)，更加全面地反映人工智能領域人才分布情況。

“這些榜單是對過去十年AI科研成就的致敬。”吳登生在發(fā)布榜單時表示，期待報告與榜單能為學術界、產(chǎn)業(yè)界及政策制定者提供全球人工智能研究的全景數(shù)據(jù)和全新視角，更好地觀察人工智能研究的過去與未來。

（主辦方供圖）