解码AI科研十年演进与产业脉动 焦点热闻

本报讯  （记者 张伟）  7月3日，全球首份基于高质量论文数据系统分析人工智能科研十年演进的报告——《全球人工智能科研态势报告（2015-2024）》（以下简称“报告”），在北京举行的2025全球数字经济大会上面向全球发布。

(资料图片仅供参考)

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（以下简称“东壁科技数据”）联合发布，基于东壁指数评价体系，对2015-2024年间发表的9.696万篇人工智能领域文献进行了深度分析。

“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，这份报告绘制了一幅清晰的AI科研十年‘跃迁图景’。”东壁科技数据创始人、深圳大学特聘教授吴登生在揭晓报告核心内容时表示。

报告勾勒出全球人工智能（AI）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1.7074万篇，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，数据揭示出一个重要的调整信号——2024年发文量回落至1.4786万篇。“这并非退步，而是学术研究战略聚焦的结果，”吴登生表示，“AI研究告别‘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，2015-2017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，2018-2020年深度学习、计算机视觉、自然语言处理等应用领域兴起，2021-2023年，大型语言模型、生成式AI、多模态模型成为研究前沿，再到2024-2025年，可解释性AI、自适应学习、多智能体系统等新兴方向涌现。

通过关键词分析，报告清晰地描绘出AI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。”

该报告还揭示了基础理论类关键词如“machine learning”（机器学习）、“classification”（分类）、“clustering”（聚类）保持相对稳定的热度，体现了这些基础概念的重要性。

此外，报告指出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”（目标检测）、“segmentation”（分割）与深度学习关键词如“neural networks”（神经网格）、“deep learning”（深 度学习）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。

关键词： 中国创投网 最新资讯