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

　　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》，现场还揭晓了五份聚焦全球人工智能科研人才的榜单。

　　、阿里巴巴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%。

　　、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。

　　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。

　　、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%。

　　、阿里巴巴和华为，而美国前三名企业为谷歌、微软、Meta。

　　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”以高达78%的出现率成为该领域“最热”关键词。“语义分割”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与深度学习关键词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。