7月3日，2025全球数字经济大会于北京召开。会上，联合国工业发展组织投资和技术促进办公室携手东壁科技数据，共同发布了《全球人工智能科研态势报告(2015-2024)》。该报告对2015年至2024年期间全球范围内发表的96961篇人工智能相关文献进行了深入分析，详尽地揭示了近十年来人工智能科研发展的脉络和产业趋势。
这份报告描绘了人工智能研究领域显著的阶段性特点。在过去十年里，全球范围内关于人工智能的学术论文数量总体上呈现出上升的趋势，这一过程大致可以划分为四个阶段：首先是初始阶段，大约在2015至2016年间；接着是快速发展的阶段，覆盖了2017至2019年；随后是进入成熟并达到高峰的时期，即2020至2023年；最后则是波动调整的时期，具体在2024年。
从技术发展的轨迹来看，在2015至2017年间，研究焦点主要落在传统的机器学习算法以及神经网络的基础理论之上；进入2018至2020年，深度学习、计算机视觉以及自然语言处理等应用领域开始崭露头角；而到了2021至2023年，大型语言模型、生成式AI和多模态模型成为了研究的热点；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的研究方向正逐渐崭露头角。
通过关键词的深入分析，报告对人工智能核心技术的发展路径进行了详尽的描绘。其中，“深度学习”在过去十年里无疑扮演了主角的角色，其关键词的累计出现频率增长了84倍。特别是在2018至2023年间，其年均增速达到了惊人的217%，体现了强大的爆发力。然而，到了2024年，其增速首次降至30%，标志着进入了一个平台期。这一变化预示着，仅依靠模型规模的扩张来推动发展的模式
报告明确揭示了中美两国在人工智能领域的“双核驱动”格局，并展现了各自独特的发展轨迹。具体来看，美国的AI研究以坚实的理论基础、以技术创新为动力，并实现了全面均衡的发展。在机器学习、智能机器人、专家系统等基础理论和创新技术方面，美国占据着绝对领先地位。此外，其研究还强调底层技术的突破以及技术伦理的考量，例如AI的安全性和隐私保护问题。中国的人工智能研究明显倾向于应用导向，并且与产业紧密结合，在计算机视觉、知识图谱以及自然语言处理等领域展现出较强的竞争力。国内企业在推荐系统、智能金融（例如移动支付）以及自动驾驶等应用性强、落地效果显著的领域表现出色。同时，尽管在智能算法、边缘计算等新兴领域起步较晚，中国同样展现出了积极的发展势头。
(责编：赵竹青、吕骞)
