如何量化中美 AI 產學研領域的差距？從人才和論文數量等維度觀測，是一個較為客觀的衡量標準。
7 月 3 日消息，在 2025 全球數字經濟大會上，全球首份基于高質量論文數據系統分析人工智能十年科研演進的報告——《全球人工智能科研態勢報告（2015-2024）》，現場還揭曉了五份聚焦全球人工智能科研人才的榜單。
該報告由聯合國工業發展組織投資和技術促進辦公室與東壁科技數據有限責任公司（東壁科技數據）聯合發布，基于東壁指數（Dongbi Index）評價體系，對 2015-2024 年間發表的 96961 篇人工智能領域文獻進行深度分析。
報告中多位 AI 產學研大佬位列其中，《中國人工智能人才榜 TOP100》中的張祥雨，其身份是曠視科技研究院基礎模型組負責人，他的團隊曾獲 CVPR2016 最佳論文獎，并多次問鼎 ImageNet、COCO 等頂級視覺競賽。代表作包括 Res Net、Shuffle Net 系列，已成為工業界廣泛應用的基石技術，Google Scholar 引用數高達 40000 多次。
同時躋身全球及中國百人榜、并任職于企業的研究者還有華為的田奇、王云鶴以及謝凌曦，商湯科技的王曉剛、石建萍，蔚來汽車的任少卿，以及 MiniMax 閆俊杰、Sand.AI 曹越等 AI 新銳企業的領軍人。
與此同時，美國頂尖機構中活躍著大量杰出的華人學者身影。全球 100 人榜單里，在美任職的 20 位學者中，華人學者占 10 位，除何愷明、楊明玄外，還有在卡內基梅隆大學任職的朱俊彥等人。以及女性榜單中，11 位在美國任職的學者里有 3 位華人女性，包括斯坦福大學的李飛飛。
另一方面，中國也成為吸引全球 AI 人才的重要磁極。《報告》顯示，從國家分布來看，盡管美國在全球 AI 人才聚集方面仍占據主導地位，谷歌、微軟、IBM、Meta 和亞馬遜超過 60% 至 90% 的人才均分布在美國。但中國展現出強勁的崛起態勢，成為第二大人才聚集地，騰訊（94.6%）、阿里巴巴（90.2%）的人才高度集中于本土，微軟也在中國部署了 714 名人才，占其全球 AI 人才的 29.0%。
人工智能產業十年，三大階段演進
東壁科技數據創始人、深圳大學特聘教授吳登生提到：" 從早期的多元探索，到深度學習的爆發式增長，再到如今的工程化落地與新興方向涌現，這份報告勾勒出全球人工智能研究鮮明的階段性特征，發文量總體呈上升趨勢，粗略可分為初始起步期 ( 2015-2016 年 ) 、快速發展期 ( 2017-2019 年 ) 、成熟高峰期 ( 2020-2023 年 ) 、波動調整期 ( 2024 年 ) 。
2015-2016 年是初始起步期，全球 AI 年度論文數量出現了小幅下滑，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。"
快速發展的黃金期出現在 2017-2019 年，此時論文數量迎來 " 三連跳 "，至 2019 年一舉突破萬篇大關。2017-2018 年是關鍵轉折點，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模走向實際應用的廣闊天地。
隨后的 2020-2023 年是成熟高峰期，雖有 2022 年的短暫回調，但 AI 科研整體呈現強勁勢頭。其中，2020-2021 年堪稱 " 深度學習 " 的全面爆發季，2023 年論文量飆升至 17,074 篇，較 2015 年實現了近 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，數據則揭示出一個重要的調整信號—— 2024 年發文量回落至 14786 篇。" 這并非退步，而是學術研究的戰略聚焦，" 吳登生表示，"AI 研究正告別‘廣撒網’，開始進入深度專業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 年主要集中在傳統機器學習算法和神經網絡基礎研究方面，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、多智能體系統等新興方向涌現。
中美 AI 差距在哪
榜單數據印證了中美在全球 AI 研究中的核心地位?！度蛉斯ぶ悄軝C構榜 TOP100》顯示，中國機構占據 38 席，美國機構占 35 席。根據《人工智能領域科研態勢分析報告（2015-2024）》，中國科學院以 2386 名頂尖人才、4639 篇頂刊論文的體量展現出絕對的優勢，清華大學與北京大學分別以 1753 人和 1377 人的人才數和 4583 篇和 3609 篇的發文量緊隨其后，共同構筑了中國頂尖研究機構的 " 三駕馬車 "。
《人工智能領域科研態勢報告（2015-2024）》則印證了美國的深厚底蘊，美國以 35117 篇論文（2534 篇核心論文）和超過 228 萬次總被引位居全球學術影響力之首，遠超其他國家。中國以 31694 篇論文（1557 篇核心論文）和約 94.9 萬次總被引位居第二。
數據顯示，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。美國和中國的研究人員數量合計占全球 57.7%，凸顯了兩國在該領域的主導地位。
中國的研究人員數量從 2015 年不足萬人到 2024 年的 5.2 萬人規模，以 28.7% 的年復合增長率展現出驚人的張力。其中，中國科學院 3453 人、清華大學 2667 人、北京大學 2123 人，這些高校人才構成了中國 AI 人才第一梯隊。另一方面，騰訊、阿里巴巴等科技企業的研發團隊分別以 992 人、633 人的規模超越部分實力高校。
美國以 6.3 萬余人的人才數量居全球領先地位，其中，斯坦福大學 2385 人、麻省理工學院 2191 人，與谷歌 2569 人、微軟 2461 人形成高校企業雙引擎。
" 中國人才規模的增長速度很快，以 5.3 萬人緊追美國的 6.3 萬人 "，吳登生對比數據指出，" 這不僅是數量上的追趕，也是多維度的靠近。"
谷歌公司和微軟公司各有約 2500 名人工智能人才，穩居第一梯隊，占據了全球 AI 人才的主導地位。第二梯隊則由擁有 1640 名相關人才的美國 IBM 公司，以及擁有 1249 名人工智能人才的美國 Meta 公司占據。
來自中國的騰訊和阿里巴巴公司也表現突出，兩家公司分別擁有 992 名和 633 名人工智能人才，在全球競爭中占據重要位置。
從論文數量來看，在機構競爭力層面，中國呈現 " 國家隊引領 " 的特征。中國科學院以 585 篇高影響力論文位居全球科研機構榜首，清華大學、北京大學也進入全球發文量前十。然而，企業端的差距較為明顯。美國頭部企業人均科研產出效率顯著領先，谷歌、微軟、Meta 三大科技巨頭的總發文量為 5896 篇，是中國 TOP3 企業騰訊、阿里、華為的 1.8 倍，這背后是美國基礎研究數十年的沉淀，尤其在機器學習、自然語言處理等基礎領域，美國企業論文的平均被引頻次為 63.3 次，較中國企業的 55 次高出 15%。
《報告》還揭示了一個有趣的現象，即中美兩國企業在人工智能領域的研究上呈現出明顯的路徑分化特征。
2015-2024 年，美國企業 AI 學術發文總量為 10,330 篇，而中國企業為 5,748 篇，美國企業發文量是中國企業的 1.8 倍，領先優勢達 4,582 篇（79.7%）。這反映出美國企業在 AI 基礎研究投入和學術產出能力方面具有顯著的優勢。
而平均發文量方面，美國企業平均發文 543 篇，中國企業平均發文 302 篇，美國企業在平均學術產出上同樣是中國企業的 1.8 倍。這表明美國企業單體研發實力也較中國企業具有明顯優勢。
AI 作為技術密集型產業，其學術研究也高度集中于頭部企業，中美兩國 TOP15 企業的發文集中度均超過 99%。
中國發文最多的前三名企業分別為騰訊（1,354 篇）、阿里巴巴（1,034 篇）和華為（885 篇），而美國前三名企業為谷歌（2,895 篇）、微軟（1,582 篇）、Meta（ 1,419 篇）。
其中，美國谷歌公司發文量超過中國前兩名企業的總和，這體現了美國科技巨頭在 AI 基礎研究方面的深厚積累。
吳登生還提到關鍵發現：" 美國形成了典型的‘人才旋轉門’機制，如卡內基梅隆大學與當地企業人才流動率達 37%。而中國高校與企業間互通率不足 15%，這堵‘隱形墻’亟待打破。"
報告顯示，美國 AI 研究展現出基礎理論扎實、技術創新驅動和均衡發展的特點，在機器學習、智能機器人、專家系統等基礎理論和技術創新領域擁有絕對優勢，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 研究呈現出鮮明的應用導向和產業結合緊密的特點，在計算機視覺、知識圖譜和自然語言處理方面具有相對優勢。
" 中國在計算機視覺領域的論文數量比美國高 40.8%，知識圖譜領域高 50.1%，在自然語言處理領域也略有優勢，" 吳登生援引報告數據指出，" 這與中國在自動駕駛、互聯網應用、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。"
中國企業也在推薦系統、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，但也展現出良好的發展態勢。
中國 AI 女性人才占比較低
報告揭示的人才性別失衡問題引發關注。數據顯示，總樣本量為 13 萬余人，男性科學家占比 79.9%，女性科學家占比 20.1%。其中，中美 AI 領域女性人才占比差異明顯。
" 最令人驚訝的差距在這里。" 吳登生直言，" 中國 AI 女性人才占比僅 9.3%，美國 20.1%，這個比例，中國在全球 Top20 中排名倒數第二，不及美國的一半。"
在中國頭部機構中，清華大學女性人才占比 7.88%，北京大學 9.18%，而美國斯坦福大學、麻省理工學院的女性人才占比達 25%-30%。
性別差距在企業端更為突出。中國科技企業 AI 團隊女性僅占 6.1%，谷歌、微軟則女性占比達 18.7%。從全球范圍來看，新加坡以 36.6% 的女性占比位居首位，澳大利亞 28.7%、韓國 28.1% 緊隨其后。報告分析認為，傳統文化觀念、科研評價體系對女性的隱性偏見，以及高強度研發工作的性別適配性問題，是導致 AI 人才性別結構失衡的三大主因。
" 不過，我們也發現了一處亮點。" 吳登生特意提到：" 在中國 AI 領域，信息技術類院校如西安電子科技大學和綜合性大學如四川大學的性別包容性優于傳統工程院校，香港大學的國際化特征亦顯示制度環境對性別平等的促進作用。說明制度變革能打破傳統桎梏。"
活動現場展示了全球 AI 人才熱力圖，可以清晰看到 " 核心 - 邊緣 " 的結構，在前 20 大區域中，亞洲地區占據重要比例，包括北京、香港、上海、深圳、新加坡、首爾等，表明亞太地區正在成為全球科技創新的重要增長極。美國的紐約、硅谷地區、波士頓地區等傳統創新中心仍保持強大的人才吸引力。歐洲地區以倫敦、蘇黎世等為代表，展現了多元化的創新格局。
數據顯示，國家層面來看，美國在全球 AI 人才聚集方面占據絕對主導地位。谷歌、微軟、IBM、Meta 和亞馬遜超過 60% 至 90% 的人才均分布在美國。" 但中國正成為新磁極。" 吳登生表示，中國成為第二大人才聚集地，不僅吸引了本土騰訊和阿里巴巴的絕大部分人才，美國微軟也在中國部署了 714 名人才，占其總量的 29.0%。
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%，展現出驚人的爆發力。但他也指出，"2024 年其增速首次降至 30%，進入平臺期，預示著單靠模型規模擴張的發展模式面臨瓶頸。"
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。
機器學習基礎理論持續夯實，"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" 保持相對穩定的熱度，體現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 AI 領域。"Feature extraction" 和 "optimization" 等工程化關鍵詞在 2020 年后呈現持續升溫趨勢，表明研究重心正從算法創新轉向工程優化和實際部署，是技術成熟和產業需求雙重驅動的結果。
此外，報告還揭示了不同技術領域之間的融合趨勢。報告發現，傳統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。" 這生動體現了 AI 發展的‘融合’大趨勢，孤島式研究已成過去時。" 吳登生總結道。（本文首發于鈦媒體 APP，作者 | 張帥，編輯 | 蓋虹達）
