全球AI论文数10年激增近3倍，复旦与自然集团发布《科学智能白皮书》

复旦大学今天（5月26日）与施普林格·自然集团合作发布《科学智能白皮书》。白皮书显示，从2015年都2024年间，AI和AI4S研究正经历规模扩张与范式变革的双重突破。AI 不仅是科学研究中可用工具集的扩展和创新，更是推动科学范式变革的“元技术”。一场 AI4S 革命，正在重塑人类科学发现的未来图景。人工智能每6个月就会有一次天翻地覆的发展，并影响全球科学领域。

白皮书显示，中国在数学科学智能研究领域方面占据非常领先的地位；在地球与环境科学的科学智能领域，中国的研究遥遥领先；在生命科学领域，在美国与欧盟长期主导该领域研究的背景下，中国加速追赶，2024年已超过欧盟。

全球AI4S出版物2020年后井喷式增长

白皮书显示，2015至2024年间，全球AI核心和AI4S领域的学术出版物总量快速增长。AI4S异军突起，尤其是2020年后增速明显，有力推动了AI研究整体的井喷态势。全球AI论文数量在过去十年间激增近三倍——从 30.89 万篇增至 95.45 万篇，年均增长率为 13.7%。

调查显示，2020年是重要加速点，前后相较，相关论文数量年均增长率从10.9%跃升至16.0%。同期AI核心领域论文占比从44.5%降至38.0%，而AI4S占比相应提升了6.4个百分点，2020前AI4S论文年均增长10.5%，2020年后则以19.3%的速度扩张。其中，工程科学和生命科学最为突出，年均增长率从2020年前的8.8%和15.3%，分别升至16.1%和28.9%。

2015年至2024年间，全球AI出版物排名前五的国家/地区格局发生了变化，中国增长势头尤为显著，出版物总量从2015年的6.01万篇上升至2024年的27.39万篇，占全球总量28.7%。2018年，中国AI出版物总量超越欧盟，居全球首位，2022 年超越欧盟和美国的总和。印度也展现出明显的追赶态势，2015年出版物总量为1.82万篇（仅为美国的 1/3），2024年提升至8.51万篇，几乎与美国（8.57 万篇）齐平。

美国仍保持质量优势，中国崛起颇具颠覆性

白皮书数据显示，就科研质量而言，美国仍保持优势。基于自然指数追踪的高质量前沿研究期刊发表的AI相关论文引用量，美国始终保持领先地位，2020年达到30.28万次。中国的崛起也颇具颠覆性，引用量从2015年的1.03万次跃升至 2020年的14.48万次，并于2021年首次超越欧盟。

至2024年，中国AI 相关论文引用量占全球总量的40.2%，实现了对美国（占全球总量的42.9%）的快速追赶。需要指出的是，由于引用数据随着时间推移而积累，尽管目前统计显示 2020 年后引用数据趋势下降有所失真，但大体不影响国别间比较趋势分析。

中国在 AI 应用领域的创新同样体现了从“跟随者”到“引领者”的跨越。聚焦于专利、政策文档与临床试验中的引用数据。中国凭借持续高速增长，于2016年以2.32万次的引用量超越欧盟（2.23 万次），2019年以2.60万次超越美国（1.96 万次）。

至2024年，中国AI出版物在专利、政策文档与临床试验中的引用占比高达 41.6%，遥遥领先。

AI4S国别优势各异，中美仍是最重要科研合作伙伴

白皮书显示，2024年AI出版物领域构成揭示了不同国家/地区在AI4S研究方向上的优势和特点。美国、欧盟和英国聚焦工程科学（美 24.8%，欧盟29.8%，英28.1%）、生命科学（美20.6%，欧盟14.6%，英15.3%）及人文社会科学（美9.0%，欧盟9.4%，英10.8%）三大领域；中国以工程科学（38.9%）为主导，物质科学（7.4%）和生命科学（6.2%）次之；印度则形成工程科学（25.9%）为主，人文社会科学与生命科学（分别为 9.4% 和 9.0%）并行的研究格局。

数据显示，AI和AI4S的全球合作依旧稳步攀升。国际合作的AI出版物总量从2015年的 4.72万篇跃升至2024年的13.30万篇，同期，国际合作的AI4S出版物总量从2.99万篇跃升至9.48万篇，均增长了三倍左右。

AI出版物的中美合作在2020年到达顶峰后有所下滑，但依旧是全球规模最大的双边合作。至2024年，中美合作的AI出版物总量为1.22万篇，较2015年的0.62万篇增长近两倍。同期，中国与欧盟、英国、加拿大及澳大利亚的科研纽带显著增强，中欧合作从 2015年的0.22万篇增长至2024年的0.98万篇。

2015 至 2024 年间，全球数学领域AI 出版物从 2.12 万篇增至 4.12 万篇，呈现近两倍增长。中国于 2017年后持续超越欧盟与美国；印度 2020年后增长加速，逐步拉近与美国的差距。在基础理论、模型设计以及算法层面，数学是AI理论和创新之基础。在运筹优化、科学计算和复杂系统等领域，数学和AI深度融合，协同创新。数据分析和关键词词云显示，强化学习、循环神经网络、生成模型和扩散模型等关键词最被这一领域科学家看重，体现了底层理论创新和跨学科融合的范式演进。