7月3日，基于高质量论文数据系统分析人工智能科研演进的报告——《全球人工智能科研态势报告(2015-2024)》(下称《报告》)，在北京举办的2025全球数字经济大会上发布。

《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联合发布。撰写团队基于东壁指数评价体系，对2015-2024年间发表的96961篇人工智能领域文献进行深度分析。

7月3日，《全球人工智能科研态势报告(2015-2024)》在北京举办的2025全球数字经济大会上发布。东壁科技数据供图

“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说。

围绕技术演进路径，《报告》认为，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；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》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。”吴登生说，“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。

《报告》提出，在计算机视觉领域，“目标检测”(object detection)以高达78%的出现率成为该领域“最热”关键词。“语义分割”(semantic segmentation)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。

《报告》还揭示了不同技术领域之间的融合趋势。比如，传统的计算机视觉关键词(如“object detection”“segmentation”)与深度学习关键词(如“neural networks”“deep learning”)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。”吴登生说。

发布会现场同时揭晓了五项全球AI榜单，以期全景式展现全球AI人才图景。“这些榜单就像全球AI人才生态的导览图。”吴登生表示，中国正站在人才红利释放的关键节点，要实现从“跟跑”到“并跑”的跨越，必须打破人才结构瓶颈，在保持应用优势的同时，夯实基础研究根基，拆除流动壁垒，构建多元包容的创新生态。

关键词：