摘要
本报告基于东壁科技数据DBdata数据库中2015-2024年间的96,961篇人工智能领域高质量文献，运用文献计量学方法对全球人工智能科研态势进行分析。研究发现，2015-2024年全球人工智能科研产出增长迅猛，2016-2023年复合增长率超50%,2023年发文量达17,074篇，2024年略有回调。中美两国在该领域占据主导地位，发文量占全球总量的77.8%,中国于2023年实现对美国的反超，2023年发文数量超出美国的20.9%。但美国在总被引频次及基础理论领域仍具较大优势。研究热点聚焦于深度学习及其跨学科应用，新兴技术如Transformer架构和生成模型发展迅猛。全球研究机构与人才分布呈现“核心-边缘”结构，顶尖机构与人才主要集中在中美两国，北京、旧金山等地区已成为人才汇聚的核心地带。同时，该领域人才存在性别与区域不均衡的特征，全球女性占比仅19.8%,东亚地区女性占比低至12.2%。此外，南方国家在人工智能领域的学术机构和企业逐渐崭露头角。在企业研究方面，中美两国的头部科技企业展示了各自的技术特色。中国企业更注重深度学习、目标检测和三维显示等技术应用，美国企业则在特征提取、识别和分割等基础研究领域表现突出。本报告旨在为学术界、产业界及政策制定者提供全球人工智能科研态势的全景数据和全新视角，更好地观察人工智能科研动态与未来趋势。
本报告由联合国工业发展组织投资和技术促进办公室(中国·北京)、东壁科技数据联合发布。
1.1研究背景与意义
人工智能(Artificial Intelligence,Al)作为当代科技革命的核心驱动力，正以前所未有的速度重塑全球科技创新格局和社会发展模式。自2015年深度学习技术实现突破性应用以来，人工智能领域经历了从传统机器学习向深度神经网络的范式转换，并在2020年后进入以大型语言模型(Large Language Models,LLMs)为代表的生成式AI时代，技术演进呈现出指数级增长态势。这一发展轨迹不仅体现在算法理论的持续创新、计算能力的指数级提升和数据规模的爆炸式增长，更反映在机器学习、深度学习、计算机视觉、自然语言处理、强化学习等核心技术方向的深度融合与交叉发展。在此背景下，人工智能已从实验室的理论探索转向产业化应用的大规模部署，成为推动数字经济发展、促进产业结构升级、增强国家科技竞争力的战略性技术。然而，面对AI技术的快速迭代和复杂演进，传统的定性研究方法已难以全面、客观地把握其发展规律和趋势特征。文献计量学作为一门运用数学和统计学方法分析科学文献的定量研究学科，能够通过对大规模文献数据的系统性分析，客观揭示学科发展的内在规律、知识结构演变、研究热点迁移以及学术影响力分布等关键特征。特别是在人工智能这一高度跨学科、快速发展的技术领域中，文献计量分析不仅能够识别核心研究方向和技术热点的演进轨迹，评估不同国家、机构和学者的科研贡献与影响力，还能够通过国际比较分析揭示全球Al竞争格局，为学术界的前沿探索、产业界的技术布局以及政策制定者的战略决策提供科学依据。当前，在中美科技竞争日益激烈、人工智能成为国家战略制高点的时代背景下，通过系统性的文献计量研究深入剖析Al领域的发展态势、竞争优势和未来趋势，对于客观评估我国在全球Al创新体系中的地位、识别技术发展的关键路径、制定科学合理的发展战略具有重要的理论价值和现实意义。
基于上述背景分析，本研究认为有必要运用文献计量学的理论方法和分析工具，对人工智能领域的科学文献进行系统性的定量分析。文献计量学作为一门以文献体系和文献计量特征为研究对象的学科，能够通过数学和统计学方法，客观地揭示科学研究的发展规律、学科结构演变以及知识传播模式。在人工智能这一快速发展且高度复杂的技术领域中，传统的定性分析方法往往难以全面把握其发展全貌，而文献计量分析则能够基于大规模文献数据，运用科学的量化指标体系，为理解AI领域的知识生产、传播和应用提供客观、准确的实证依据。特别是在当前AI技术迭代加速、国际竞争加剧的背景下，迫切需要通过系统性的文献计量研究，深入剖析该领域的发展态势、竞争格局和未来趋势，以期为我国Al科技创新战略的制定和实施提供科学支撑。
本文来自知之小站
PDF完整报告已分享至知识星球，微信扫码加入立享4万+最新精选报告
（星球内含更多专属精选报告.其它事宜可联系zzxz_88@163.com）
