中美AI差距有多大，AI竞争焦点在哪？《全球人工智能科研态势报告》全球首发

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）