7月3日，在北京举办的2025全球数字经济大会上，一份名为《全球人工智能科研态势报告(2015-2024)》（以下简称《报告》）的科研演进分析报告，基于高质量论文数据系统，正式对外公布。
《报告》系联合国工业发展组织投资和技术促进办公室以及东壁科技数据共同推出。该团队依托东壁指数评价体系，对2015至2024年期间发布的96961篇人工智能相关文献进行了深入的剖析。
7月3日，在2025全球数字经济大会上，《全球人工智能科研态势报告（2015-2024）》正式对外公布。东壁科技提供了相关数据图表。
吴登生，东壁科技数据创始人兼深圳大学特聘教授，如此评价：“这份报告呈现了AI科研领域从起初的多样化尝试，到深度学习的迅猛发展，再到如今工程化应用和新兴领域的不断涌现，勾勒出了AI科研十年来的清晰‘跃迁图景’。”
《报告》指出，在技术发展的轨迹上，2015至2017年间，研究焦点主要落在传统的机器学习算法及神经网络的基础理论研究上；到了2018至2020年，深度学习、计算机视觉、自然语言处理等应用领域开始崭露头角；进一步地，2021至2023年，大型语言模型、生成式AI以及多模态模型成为了研究的前沿；展望2024至2025年，可解释性AI、自适应学习以及多智能体系统等新兴领域将不断涌现。
《报告》通过关键词分析展现了人工智能核心技术路线的演变趋势。“深度学习”在过去十年间无疑是当之无愧的领军者。”吴登生指出，“深度学习”一词的提及频率累计增长了84倍，特别是在2018至2023年期间，其年均增长速度达到了217%，这一增长速度令人瞩目。
《报告》指出，在计算机视觉这一领域，“目标检测”一词以78%的高频出现率，荣登“最热”关键词的宝座。“语义分割”则在2022至2023年间，其热度攀升至顶峰，这一现象标志着计算机视觉技术已形成了一个从“目标检测”到“语义分割”，最终应用于视觉领域的完整技术闭环。
《报告》进一步阐述了技术领域间的相互融合态势。例如，计算机视觉领域的经典术语（诸如“目标检测”、“分割”）与深度学习领域的专业词汇（例如“神经网络”、“深度学习”）在关注度上呈现出显著的一致性。这一现象生动地展现了人工智能领域“融合”这一显著的发展趋势。”吴登生说。
在发布会上，五项国际AI排行榜一同揭晓，旨在全面呈现全球AI人才的格局。“这些排行榜宛如全球AI人才生态的指南。”吴登生指出，我国正处于人才红利释放的临界点，若要从追赶者变为并行者，就必须突破人才结构的限制，在巩固应用领域优势的同时，加固基础研究的基石，消除人才流动的障碍，营造一个多元共融的创新环境。(完)
