在2025全球数字经济大会的盛会上，一份详尽描绘人工智能科研发展轨迹的报告——《全球人工智能科研态势报告(2015-2024)》正式亮相。该报告由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推出，基于对过去十年间96961篇人工智能领域的高质量学术论文的深度剖析。
东壁科技数据创始人、同时担任深圳大学特聘教授的吴登生，对这份报告给予了高度评价。他指出，报告如同一幅细腻的画卷，展现了人工智能科研从多元探索起步，经历深度学习的井喷式增长，到如今工程化应用与新兴研究方向不断涌现的壮阔历程。
在技术演进的脉络上，报告细致划分了几个关键阶段。2015至2017年间，研究主要聚焦于传统机器学习算法和神经网络的基础研究；随后，从2018年到2020年，深度学习、计算机视觉、自然语言处理等应用领域迅速崛起；进入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新前沿；而展望2024至2025年，可解释性AI、自适应学习、多智能体系统等新兴方向正蓄势待发。
报告还通过关键词分析，揭示了人工智能核心技术路线的变迁。“深度学习”无疑是过去十年的核心关键词，其出现频率累计增长了惊人的84倍，特别是在2018至2023年间，年均增速高达217%，展现了极强的爆发力。在计算机视觉领域，“目标检测”以高达78%的出现率独占鳌头，成为最热门的关键词，而“语义分割”则在近两年热度登顶，标志着计算机视觉技术已形成了从目标检测到语义分割再到视觉应用的完整链条。
报告还深刻洞察了不同技术领域间的融合趋势。传统计算机视觉关键词与深度学习关键词在热度变化上的高度同步，生动展现了AI发展的“融合”大趋势。这一发现不仅揭示了技术间的相互影响和促进，也为未来的研究方向提供了重要启示。
发布会现场，还揭晓了五项全球AI榜单，旨在全面展现全球AI人才的现状。吴登生表示，这些榜单就像全球AI人才生态的地图，指引着行业发展的方向。他指出，中国正处于人才红利释放的关键时期，要实现从跟随到并跑的跨越，必须打破人才结构的瓶颈，在保持应用优势的同时，加强基础研究，打破流动壁垒，构建一个多元且包容的创新生态系统。
