《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聯合發布。撰寫團隊基于東壁指數評價體系，對2015-2024年間發表的96961篇人工智能領域文獻進行深度分析。

7月3日，《全球人工智能科研態勢報告(2015-2024)》在北京舉辦的2025全球數字經濟大會上發布。東壁科技數據供圖

“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，這份報告繪制了一幅清晰的AI科研十年‘躍遷圖景’。”東壁科技數據創始人、深圳大學特聘教授吳登生說。

圍繞技術演進路徑，《報告》認為，2015-2017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；2018-2020年，深度學習、計算機視覺、自然語言處理等應用領域興起；2021-2023年，大型語言模型、生成式AI、多模態模型成為研究前沿；2024-2025年，可解釋性AI、自適應學習、多智能體系統等新興方向涌現。

通過關鍵詞分析，《報告》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。”吳登生說，“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。

《報告》提出，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。

《報告》還揭示了不同技術領域之間的融合趨勢。比如，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。”吳登生說。

發布會現場同時揭曉了五項全球AI榜單，以期全景式展現全球AI人才圖景。“這些榜單就像全球AI人才生態的導覽圖。”吳登生表示，中國正站在人才紅利釋放的關鍵節點，要實現從“跟跑”到“并跑”的跨越，必須打破人才結構瓶頸，在保持應用優勢的同時，夯實基礎研究根基，拆除流動壁壘，構建多元包容的創新生態。

　　 原標題：全球人工智能科研態勢報告發布 描繪核心技術路線變化