·自指数创建五年来，美国一直排名(ming)全(quan)球(qiu)第一，中国从2020年起近四年一直排名(ming)第二(er)。中国人工智能发展还存在一些不足，尤其在数据开发利用、原始创新等方(fang)面需要进一步加强。
在7月4日下午举行的2024世界人工智能大会(hui)科学前沿主论坛上，由中国科学技术信息研(yan)究所联合北京大学共同研(yan)制(zhi)的《2023全(quan)球(qiu)人工智能创新指数报告》（“以下简称《报告》”）正式发布。中国科学技术信息研(yan)究所党委书记、中国软科学研(yan)究会(hui)副理事长赵(zhao)志耘在发布时介绍，尽管总(zong)体格局上，美国和中国稳居第一梯队，但中国尚未形成具(ju)有绝对领先优势的核心(xin)竞争(zheng)力。
该《报告》聚焦基础支撑、资源与环境、科技研(yan)发、产业与应用、国际合作交流等5个维度构建指标体系，对46个重点(dian)国家的人工智能创新发展和治理情况(kuang)进行量化评估(gu)。澎湃科技（www.thepaper.cn)注意到，综合考虑总(zong)得分、国家间分差、一级指标排名(ming)等因素，报告将参评国家划分为(wei)四个梯队，美国和中国稳居第一梯队，总(zong)得分明显(xian)高于其他国家，第二(er)梯队与第一梯队的差距进一步拉大。
中美两国AI水(shui)平稳居第一梯队
总(zong)体格局上，2023年全(quan)球(qiu)人工智能美国和中国稳居第一梯队，英(ying)国、日本、新加坡等9个国家位居第二(er)梯队。其中，美国以74.71的总(zong)分大幅领先，中国总(zong)分为(wei)52.69分，排名(ming)第二(er)，比排名(ming)第三的英(ying)国高出(chu)近15分。美国全(quan)面领先，中美在多数指标上处于“断层式”领先。自指数创建五年来，美国一直排名(ming)全(quan)球(qiu)第一，中国从2020年起近四年一直排名(ming)第二(er)。
《2023全(quan)球(qiu)人工智能创新指数报告》正式发布
《报告》指出(chu)，美国和中国在人工智能高层次人才数量和人工智能企(qi)业数量上均领先于第二(er)梯队国家。在主要国家人工智能顶级论文数量和主要国家人工智能专(zhuan)利授权数量上，中国远高于美国。比如，在主要国家人工智能顶级论文数量占比上，中国占比36.7%，美国占比22.6%。在主要国家人工智能专(zhuan)利授权数量占比上，中国占比34.7%，美国占比32%。
《报告》也提到，第二(er)梯队中，英(ying)国在整体教(jiao)育(yu)资源和高质量的学术研(yan)究成果方(fang)面比较突(tu)出(chu)，日本专(zhuan)利也较为(wei)突(tu)出(chu)。德(de)国在产业和应用方(fang)面，尤其是在人工智能风(feng)险投(tou)资以及国内(nei)市场规模方(fang)面很有优势。第三、四梯队部(bu)分国家有所进步，其中印(yin)度和沙特阿拉伯(bo)连续三年排位上升。
学习模型(xing)研(yan)发数量中，美国人工智能企(qi)业表现突(tu)出(chu)
统(tong)观当下全(quan)球(qiu)人工智能创新发展趋势，赵(zhao)志耘提到了当下全(quan)球(qiu)趋势呈现四个特点(dian)。
趋势一，大模型(xing)的突(tu)破带动人工智能技术创新加快，自然语言处理、多模态等领域研(yan)发提速。多模态领域的模型(xing)数量大幅增(zeng)长，从2022年的9个增(zeng)加到2023年的35个。需要注意的是，2023年AI for Science持续深入(ru)，面向生物/医药、地球(qiu)科学、数学、材料科学等科研(yan)领域的机器学习模型(xing)不断涌(yong)现。
全(quan)球(qiu)趋势观察
趋势二(er)，产业界在模型(xing)开发上的领先优势凸显(xian)。《报告》显(xian)示，2023年产业界独立(li)研(yan)发的机器学习模型(xing)达到176个，是学术界的3.5倍。
澎湃科技注意到，在2023年机器学习模型(xing)研(yan)发数量的机构中，美国人工智能企(qi)业表现尤为(wei)突(tu)出(chu)，2023年推出(chu)2个以上机器学习模型(xing)的13家机构中，美国7家，研(yan)发学习模型(xing)数量最多的来自谷(gu)歌，数量达到19个。中国2家（阿里巴巴、北京智源人工智能研(yan)究院(yuan)）、英(ying)国、加拿大、法国、阿联酋各占1家。
《报告》同时还提及，近十年产业界独立(li)研(yan)发的机器学习模型(xing)数量占比从2013年的25%上升到2023年的62.6%，学术界却不断下降，与产业界的差距拉大。
趋势三，生成式人工智能开源项(xiang)目激(ji)增(zeng)，开源仍是人工智能技术研(yan)发应用的重要模式。《报告》指出(chu)，近十年GitHub上人工智能开源项(xiang)目总(zong)数持续增(zeng)长，从2013年的1.2万个增(zeng)加到2023年的约190万个。印(yin)度成为(wei)最大的开源项(xiang)目来源国，每年贡献的人工智能开源项(xiang)目数量占全(quan)球(qiu)的比重从2013年的3.1%增(zeng)长到2023年的27.3%，2020年开始反(fan)超美国。
趋势四，人工智能企(qi)业新增(zeng)数量开始增(zeng)长，2023年生成式人工智能风(feng)险投(tou)资规模急剧扩大，主要集(ji)中在美国、法国、中国、以色列、英(ying)国等国家。在过去(qu)的2018-2022年，全(quan)球(qiu)新增(zeng)人工智能企(qi)业数量在逐年递减，但是这种递减趋势在2023年得到了抑制(zhi)，同时有回转的倾(qing)向，2023年新增(zeng)企(qi)业数量同比上涨了21.5%。
同时有一个更为(wei)乐观的趋势是，全(quan)球(qiu)人工智能风(feng)险投(tou)资额虽然还是下降的趋势，但是这种下降的幅度在明显(xian)缩(suo)减。尤其是2023年生成式人工智能的风(feng)险投(tou)资规模在快速扩大，也使得生成式人工智能在推动人工智能创新发展方(fang)面起到非常重要的作用。
原始创新需要加强
《报告》指出(chu)，中国人工智能综合水(shui)平保持全(quan)球(qiu)第二(er)，但尚未形成具(ju)有绝对领先优势的核心(xin)竞争(zheng)力。在人才培养、科研(yan)产出(chu)、产业发展等方(fang)面，中国取得积极成效。
在高层次人工智能人才队伍上，顶会(hui)顶刊论文作者数量从2018年的328人增(zeng)长到2022年的1674人，与美国的差距正逐渐缩(suo)小。高质量科研(yan)成果数量明显(xian)上升，顶会(hui)顶刊论文数量已经超过美国，位居全(quan)球(qiu)第一，累计贡献的高影(ying)响力人工智能开源项(xiang)目目前位居全(quan)球(qiu)第三，仅次于美国和印(yin)度。
不过，赵(zhao)志耘指出(chu)，从当前主流技术路线的趋势特征以及支撑技术大规模应用的基础条件来看，中国人工智能发展还存在一些不足，尤其在数据开发利用、原始创新等方(fang)面需要进一步加强。
《报告》也同时提到对中国人工智能发展的建议及展望。
赵(zhao)志耘表示，应加快高水(shui)平规模化的应用，这将是中国最大的优势。此外，加强数据资源建设，健全(quan)公共数据开放共享机制(zhi)，建设安全(quan)合规、大规模、高质量的语料库。加大高层次人才引育(yu)，加快高水(shui)平规模化应用，聚焦关键(jian)领域打造一批具(ju)有技术先进性和规模化潜力的重大场景，推动大小模型(xing)协同落地。