改革网讯 7月3日，全球首份基于高质量论文数据系统分析人工智能十年科研演进的报告——《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面向全球发布。

这份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有限责任公司（东壁科技数据）联合发布，基于东壁指数（Dongbi Index）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。

活动现场，东壁科技数据创始人、深圳大学特聘教授吴登生揭晓了报告核心内容。他提到：“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’。”

报告勾勒出全球人工智能研究鲜明的阶段性特征，发文量总体呈上升趋势，粗略可分为初始起步期(2015-2016年)、快速发展期(2017-2019年)、成熟高峰期(2020-2023年)、波动调整期(2024年)。

2015-2016年是初始起步期，全球AI年度论文数量出现了小幅下滑，从2015年的4421篇滑落至2016年的3628篇。“这个阶段就像是在技术森林中摸索，”吴登生形容道，“传统研究中，机器学习是主流，没有‘超级明星’，大家都在多元化尝试。”

快速发展的黄金期出现在2017-2019年，此时论文数量迎来“三连跳”，至2019年一举突破万篇大关。2017-2018年是关键转折点，关键词“深度学习”热度陡增，标志着AI研究开始从实验室的理论探索大规模走向实际应用的广阔天地。

随后的2020-2023年是成熟高峰期，虽有2022年的短暂回调，但AI科研整体呈现强劲势头。其中，2020-2021年堪称“深度学习”的全面爆发季，2023年论文量飙升至17,074篇，较2015年实现了近4倍的跨越式增长。在这个阶段，AI工程化落地全面推进。

进入最近的2024年，数据则揭示出一个重要的调整信号——2024年发文量回落至14786篇。“这并非退步，而是学术研究的战略聚焦，”吴登生表示，“AI研究正告别‘广撒网’，开始进入深度专业化与精准应用导向的新阶段。”

另一方面，从技术演进路径看，2015年到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年到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年至2023年，大型语言模型、生成式AI、多模态模型成为研究前沿，再到2024年至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。