图片系 AI 生成

如何量化中美 AI 产学研领域的差距？从人才和论文数量等维度观测，是一个较为客观的衡量标准。

7 月 3 日消息，在 2025 全球数字经济大会上，全球首份基于高质量论文数据系统分析人工智能十年科研演进的报告——《全球人工智能科研态势报告（2015-2024）》，现场还揭晓了五份聚焦全球人工智能科研人才的榜单。

该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有限责任公司（东壁科技数据）联合发布，基于东壁指数（Dongbi Index）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。

报告中多位 AI 产学研大佬位列其中，《中国人工智能人才榜 TOP100》中的张祥雨，其身份是旷视科技研究院基础模型组负责人，他的团队曾获 CVPR2016 最佳论文奖，并多次问鼎 ImageNet、COCO 等顶级视觉竞赛。代表作包括 Res Net、Shuffle Net 系列，已成为工业界广泛应用的基石技术，Google Scholar 引用数高达 40000 多次。

同时跻身全球及中国百人榜、并任职于企业的研究者还有华为的田奇、王云鹤以及谢凌曦，商汤科技的王晓刚、石建萍，蔚来汽车的任少卿，以及 MiniMax 闫俊杰、Sand.AI 曹越等 AI 新锐企业的领军人。

与此同时，美国顶尖机构中活跃着大量杰出的华人学者身影。全球 100 人榜单里，在美任职的 20 位学者中，华人学者占 10 位，除何恺明、杨明玄外，还有在卡内基梅隆大学任职的朱俊彦等人。以及女性榜单中，11 位在美国任职的学者里有 3 位华人女性，包括斯坦福大学的李飞飞。

另一方面，中国也成为吸引全球 AI 人才的重要磁极。《报告》显示，从国家分布来看，尽管美国在全球 AI 人才聚集方面仍占据主导地位，谷歌、微软、IBM、Meta 和亚马逊超过 60% 至 90% 的人才均分布在美国。但中国展现出强劲的崛起态势，成为第二大人才聚集地，腾讯（94.6%）、阿里巴巴（90.2%）的人才高度集中于本土，微软也在中国部署了 714 名人才，占其全球 AI 人才的 29.0%。

人工智能产业十年，三大阶段演进

东壁科技数据创始人、深圳大学特聘教授吴登生提到：" 从早期的多元探索，到深度学习的爆发式增长，再到如今的工程化落地与新兴方向涌现，这份报告勾勒出全球人工智能研究鲜明的阶段性特征，发文量总体呈上升趋势，粗略可分为初始起步期 ( 2015-2016 年 ) 、快速发展期 ( 2017-2019 年 ) 、成熟高峰期 ( 2020-2023 年 ) 、波动调整期 ( 2024 年 ) 。

2015-2016 年是初始起步期，全球 AI 年度论文数量出现了小幅下滑，从 2015 年的 4421 篇滑落至 2016 年的 3628 篇。" 这个阶段就像是在技术森林中摸索，" 吴登生形容道，" 传统研究中，机器学习是主流，没有‘超级明星’，大家都在多元化尝试。"

快速发展的黄金期出现在 2017-2019 年，此时论文数量迎来 " 三连跳 "，至 2019 年一举突破万篇大关。2017-2018 年是关键转折点，关键词 " 深度学习 " 热度陡增，标志着 AI 研究开始从实验室的理论探索大规模走向实际应用的广阔天地。

随后的 2020-2023 年是成熟高峰期，虽有 2022 年的短暂回调，但 AI 科研整体呈现强劲势头。其中，2020-2021 年堪称 " 深度学习 " 的全面爆发季，2023 年论文量飙升至 17,074 篇，较 2015 年实现了近 4 倍的跨越式增长。在这个阶段，AI 工程化落地全面推进。

进入最近的 2024 年，数据则揭示出一个重要的调整信号—— 2024 年发文量回落至 14786 篇。" 这并非退步，而是学术研究的战略聚焦，" 吴登生表示，"AI 研究正告别‘广撒网’，开始进入深度专业化与精准应用导向的新阶段。"

另一方面，从技术演进路径看，2015 年到 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 年到 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 年至 2023 年，大型语言模型、生成式 AI、多模态模型成为研究前沿，再到 2024 年至 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。

中美 AI 差距在哪

榜单数据印证了中美在全球 AI 研究中的核心地位。《全球人工智能机构榜 TOP100》显示，中国机构占据 38 席，美国机构占 35 席。根据《人工智能领域科研态势分析报告（2015-2024）》，中国科学院以 2386 名顶尖人才、4639 篇顶刊论文的体量展现出绝对的优势，清华大学与北京大学分别以 1753 人和 1377 人的人才数和 4583 篇和 3609 篇的发文量紧随其后，共同构筑了中国顶尖研究机构的 " 三驾马车 "。

《人工智能领域科研态势报告（2015-2024）》则印证了美国的深厚底蕴，美国以 35117 篇论文（2534 篇核心论文）和超过 228 万次总被引位居全球学术影响力之首，远超其他国家。中国以 31694 篇论文（1557 篇核心论文）和约 94.9 万次总被引位居第二。

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。美国和中国的研究人员数量合计占全球 57.7%，凸显了两国在该领域的主导地位。

中国的研究人员数量从 2015 年不足万人到 2024 年的 5.2 万人规模，以 28.7% 的年复合增长率展现出惊人的张力。其中，中国科学院 3453 人、清华大学 2667 人、北京大学 2123 人，这些高校人才构成了中国 AI 人才第一梯队。另一方面，腾讯、阿里巴巴等科技企业的研发团队分别以 992 人、633 人的规模超越部分实力高校。

美国以 6.3 万余人的人才数量居全球领先地位，其中，斯坦福大学 2385 人、麻省理工学院 2191 人，与谷歌 2569 人、微软 2461 人形成高校企业双引擎。

" 中国人才规模的增长速度很快，以 5.3 万人紧追美国的 6.3 万人 "，吴登生对比数据指出，" 这不仅是数量上的追赶，也是多维度的靠近。"

谷歌公司和微软公司各有约 2500 名人工智能人才，稳居第一梯队，占据了全球 AI 人才的主导地位。第二梯队则由拥有 1640 名相关人才的美国 IBM 公司，以及拥有 1249 名人工智能人才的美国 Meta 公司占据。

来自中国的腾讯和阿里巴巴公司也表现突出，两家公司分别拥有 992 名和 633 名人工智能人才，在全球竞争中占据重要位置。

从论文数量来看，在机构竞争力层面，中国呈现 " 国家队引领 " 的特征。中国科学院以 585 篇高影响力论文位居全球科研机构榜首，清华大学、北京大学也进入全球发文量前十。然而，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，这背后是美国基础研究数十年的沉淀，尤其在机器学习、自然语言处理等基础领域，美国企业论文的平均被引频次为 63.3 次，较中国企业的 55 次高出 15%。

《报告》还揭示了一个有趣的现象，即中美两国企业在人工智能领域的研究上呈现出明显的路径分化特征。

2015-2024 年，美国企业 AI 学术发文总量为 10,330 篇，而中国企业为 5,748 篇，美国企业发文量是中国企业的 1.8 倍，领先优势达 4,582 篇（79.7%）。这反映出美国企业在 AI 基础研究投入和学术产出能力方面具有显著的优势。

而平均发文量方面，美国企业平均发文 543 篇，中国企业平均发文 302 篇，美国企业在平均学术产出上同样是中国企业的 1.8 倍。这表明美国企业单体研发实力也较中国企业具有明显优势。

AI 作为技术密集型产业，其学术研究也高度集中于头部企业，中美两国 TOP15 企业的发文集中度均超过 99%。

中国发文最多的前三名企业分别为腾讯（1,354 篇）、阿里巴巴（1,034 篇）和华为（885 篇），而美国前三名企业为谷歌（2,895 篇）、微软（1,582 篇）、Meta（ 1,419 篇）。

其中，美国谷歌公司发文量超过中国前两名企业的总和，这体现了美国科技巨头在 AI 基础研究方面的深厚积累。

吴登生还提到关键发现：" 美国形成了典型的‘人才旋转门’机制，如卡内基梅隆大学与当地企业人才流动率达 37%。而中国高校与企业间互通率不足 15%，这堵‘隐形墙’亟待打破。"

报告显示，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、专家系统等基础理论和技术创新领域拥有绝对优势，研究注重底层突破和技术伦理，如 AI 安全与隐私保护。中国 AI 研究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、知识图谱和自然语言处理方面具有相对优势。

" 中国在计算机视觉领域的论文数量比美国高 40.8%，知识图谱领域高 50.1%，在自然语言处理领域也略有优势，" 吴登生援引报告数据指出，" 这与中国在自动驾驶、互联网应用、知识管理方面具有庞大市场需求和丰富应用场景密不可分。"

中国企业也在推荐系统、智能金融（如移动支付）、自动驾驶等强应用、强落地的领域表现突出。此外，在智能算法、边缘计算等新兴探索领域，中国虽起步相对较晚，但也展现出良好的发展态势。

中国 AI 女性人才占比较低

报告揭示的人才性别失衡问题引发关注。数据显示，总样本量为 13 万余人，男性科学家占比 79.9%，女性科学家占比 20.1%。其中，中美 AI 领域女性人才占比差异明显。

" 最令人惊讶的差距在这里。" 吴登生直言，" 中国 AI 女性人才占比仅 9.3%，美国 20.1%，这个比例，中国在全球 Top20 中排名倒数第二，不及美国的一半。"

在中国头部机构中，清华大学女性人才占比 7.88%，北京大学 9.18%，而美国斯坦福大学、麻省理工学院的女性人才占比达 25%-30%。

性别差距在企业端更为突出。中国科技企业 AI 团队女性仅占 6.1%，谷歌、微软则女性占比达 18.7%。从全球范围来看，新加坡以 36.6% 的女性占比位居首位，澳大利亚 28.7%、韩国 28.1% 紧随其后。报告分析认为，传统文化观念、科研评价体系对女性的隐性偏见，以及高强度研发工作的性别适配性问题，是导致 AI 人才性别结构失衡的三大主因。

" 不过，我们也发现了一处亮点。" 吴登生特意提到：" 在中国 AI 领域，信息技术类院校如西安电子科技大学和综合性大学如四川大学的性别包容性优于传统工程院校，香港大学的国际化特征亦显示制度环境对性别平等的促进作用。说明制度变革能打破传统桎梏。"

活动现场展示了全球 AI 人才热力图，可以清晰看到 " 核心 - 边缘 " 的结构，在前 20 大区域中，亚洲地区占据重要比例，包括北京、香港、上海、深圳、新加坡、首尔等，表明亚太地区正在成为全球科技创新的重要增长极。美国的纽约、硅谷地区、波士顿地区等传统创新中心仍保持强大的人才吸引力。欧洲地区以伦敦、苏黎世等为代表，展现了多元化的创新格局。

数据显示，国家层面来看，美国在全球 AI 人才聚集方面占据绝对主导地位。谷歌、微软、IBM、Meta 和亚马逊超过 60% 至 90% 的人才均分布在美国。" 但中国正成为新磁极。" 吴登生表示，中国成为第二大人才聚集地，不仅吸引了本土腾讯和阿里巴巴的绝大部分人才，美国微软也在中国部署了 714 名人才，占其总量的 29.0%。

深度学习主导 融合与工程化成未来可能趋势

通过关键词分析，报告清晰地描绘出人工智能核心技术路线的变化。

" ‘深度学习’无疑是过去十年的绝对主角，" 吴登生介绍道。" 深度学习 " 关键词频率累计增长 84 倍，尤其在 2018-2023 年，年均增速高达 217%，展现出惊人的爆发力。但他也指出，"2024 年其增速首次降至 30%，进入平台期，预示着单靠模型规模扩张的发展模式面临瓶颈。"

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。

机器学习基础理论持续夯实，"reinforcement learning" 等子领域在 10 个年度保持活跃，年均增长 12%。语义理解相关关键词如 "semantics" 在 2022 年后年均增长 45%，预示着 " 认知智能 " 可能是下一轮突破的焦点。

报告还揭示了基础理论类关键词如 "machine learning"、"classification"、"clustering" 保持相对稳定的热度，体现了这些基础概念的重要性。

新兴技术崛起方面，"Transformers" 关键词在 2022 年后异军突起，深刻改变自然语言处理和多模态 AI 领域。"Feature extraction" 和 "optimization" 等工程化关键词在 2020 年后呈现持续升温趋势，表明研究重心正从算法创新转向工程优化和实际部署，是技术成熟和产业需求双重驱动的结果。

此外，报告还揭示了不同技术领域之间的融合趋势。报告发现，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"）在热度变化上高度同步。" 这生动体现了 AI 发展的‘融合’大趋势，孤岛式研究已成过去时。" 吴登生总结道。（本文首发于钛媒体 APP，作者 | 张帅，编辑 | 盖虹达）