中國與美國的AI差距有多大？真相比你想的更恐懼：根據(jù)AI領(lǐng)域頂會NIPS兩年論文統(tǒng)計結(jié)果，無論是學術(shù)、產(chǎn)業(yè)，還是產(chǎn)學結(jié)合，美國至少領(lǐng)先中國10倍。是時候給國內(nèi)浮躁的AI圈，澆一盆清醒的涼水了。

西方在AI研究方面仍然遙遙領(lǐng)先，中國并沒有展現(xiàn)出要取代西方地位的迫在眉睫的威脅。

這是美國風險投資公司Thundermark的執(zhí)行合伙人 、MIT計算機科學和AI實驗室碩士和賓夕法尼亞大學沃頓商學院的金融與戰(zhàn)略管理MBAGleb Chuvpilo通過深入研究最負盛名的國際AI研究會議——神經(jīng)信息處理系統(tǒng)會議（NIPS）得出的結(jié)論。

NIPS 2017在加州長灘舉行，吸引了8000多位注冊參會者，比前一年增加了2000人。3240篇投稿論文中有679篇被接收，錄取率為21%。其中，華人（第一）作者占了不小的比例，但是，換一個角度看，你就能發(fā)現(xiàn)完全不一樣的事實。

中國論文數(shù)量并沒有想象的多，先進AI研究方面美國領(lǐng)先中國10倍

通過這些會議會議論文集，我們查閱了 679 篇被接受的論文，并編制了一個完整的列表，列出了 2497 名作者和他們的所屬機構(gòu)（當然，很多都是重復的），然后計算出一個發(fā)表指數(shù)（Publication Index）。

下面是生成的圖表，大致遵循了因子為3的冪律分布：美國處于明顯領(lǐng)先的地位，發(fā)表指數(shù)為414；其次是西歐，指數(shù)為136；中國第三，但較美國和西歐的距離很大，發(fā)表指數(shù)只有39。（需要提一下的是，西歐的定義為歐洲經(jīng)濟區(qū)EEA+瑞士，EEA包括歐盟、挪威和盧森堡；我們認為將這些歐洲國家作為一個整體是合理的，因為它們在研究資金協(xié)調(diào)和跨國合作方面十分緊密。）

圖：在NIPS 2017上發(fā)表AI研究的Top 10地區(qū)（藍色為學術(shù)發(fā)表指數(shù)，橙色為企業(yè)發(fā)表指數(shù)）

發(fā)表指數(shù)（Publication Index）的機制是這樣的：每發(fā)表一篇文章得一分，然后在它的N個作者之間平均分配，每個作者的得分就是1/N（我們假設(shè)每個作者貢獻相等）。然后，我們將這些得分分配給每個作者的主要所屬機構(gòu)（有些作者所屬多個機構(gòu)，這些在本研究中被忽略）。

例如，如果一篇論文有5位作者——3位來自麻省理工學院，1位來自牛津大學，1位來自谷歌——每個作者將得到1/5分，即0.2分。因此，僅從這篇論文來看，MIT的發(fā)表指數(shù)增加3*0.2=0.6，牛津大學的發(fā)表指數(shù)增加0.2，谷歌也是增加0.2。由于MIT是美國大學，所以MIT的隸屬關(guān)系將使美國的發(fā)表指數(shù)增加0.6。同樣，由于牛津大學是英國的大學，EEA + 瑞士這一項的發(fā)表指數(shù)將增加0.2。最后，谷歌是一家總部位于美國的跨國公司，因此美國的發(fā)表指數(shù)再增加0.2，總增加0.8。

某篇NIPS論文：五位作者（3位來自MIT，1位來自牛津大學，1位來自Google）

MIT：+0.6

牛津大學：+0.2

Google：+0.2

美國：+0.8

EEA+瑞士：+0.2

這里的想法是建立一種一致的方法論，即根據(jù)發(fā)表論文中作者數(shù)量的反比來分配分數(shù)，從而得出一套公平的綜合統(tǒng)計數(shù)據(jù)。

具體國家/地區(qū)的排名如下圖：

在NIPS 2017上發(fā)表AI研究排名Top 10的國家

具體國家的排名結(jié)果更加引人注目，美國以414的發(fā)表指數(shù)（一如既往地）主導著AI領(lǐng)域的研究；接下來的三個國家的發(fā)表指數(shù)都比美國要小一個數(shù)量級，中國為39，法國為37，英國為34。換句話說，在發(fā)表先進的AI研究方面，美國領(lǐng)先中國10倍。

這些數(shù)據(jù)還顯示了什么呢？猜猜看，學術(shù)界和工業(yè)界的全球AI研究領(lǐng)導者Top 5分別是哪些呢？

基于NIPS 2017的論文發(fā)表數(shù)，AI研究領(lǐng)域全球排名前25的機構(gòu)（學術(shù)界和產(chǎn)業(yè)界）

這個類別也是美國領(lǐng)先。毫無疑問，谷歌憑借DeepMind、Google Brain和Google Research等研究部門，以及可獲取PB級的消費者數(shù)據(jù)和商業(yè)數(shù)據(jù)，位列第一。接下來是任何AI和機器人學PhD學生夢想進入的四大強?！▋?nèi)基梅隆大學（CMU）、麻省理工學院（MIT）、斯坦福大學和加州大學伯克利分校（UC Berkeley），分別排名第二，第三，第四和第五。

接下來，讓我們看看在AI人才爭奪戰(zhàn)中學術(shù)界和產(chǎn)業(yè)界的競爭態(tài)勢：

NIPS 2017中學術(shù)界vs產(chǎn)業(yè)界的AI研究情況

有意思的的是，近五分之一的AI研究來自產(chǎn)業(yè)界。即將畢業(yè)的博士生、博士后和主要研究人員在進入企業(yè)工作時，不得不放棄公開發(fā)表研究成果的日子一去不復返了。

這是一件大事，AI研究社區(qū)堅持保持研究結(jié)果開放，這令人鼓舞。這場戰(zhàn)斗尚未取得勝利，因為我們沒有看到蘋果公司在NIPS 2017上發(fā)表任何研究，而蘋果是AI領(lǐng)域的關(guān)鍵參與者之一，憑借其Siri應(yīng)用程序和HomePod產(chǎn)品。

接下來，讓我們看看企業(yè)之間的競爭情況：

NIPS 2017上AI研究領(lǐng)先的全球Top 20企業(yè)

當然，我們已經(jīng)預料到谷歌是第一。微軟以其精英研究部門Microsoft Research unit位居第二，而Facebook以其FAIR位居第三。IBM Watson排在第四。得益于豐田研究院，豐田排名第五。

最后一個問題是，如果你想要與頂尖的AI研究人員一起工作，你應(yīng)該去哪里讀研究生（僅參考從NIPS 2017得到的了解）？從美國的學校開始:

在NIPS 2017發(fā)表AI研究領(lǐng)先的Top 20美國大學

如果將范圍擴大到全世界，以下是排名前25的大學：

在NIPS 2017發(fā)表AI研究領(lǐng)先的全球Top 25大學

僅從在NIPS 2017發(fā)表AI研究的數(shù)量來看，全球Top 25大學中，中國僅清華大學入榜，排名第19。

在此基礎(chǔ)上，我們總結(jié)了對NIPS 2017的分析。當然，仍有許多懸而未決的問題。例如，你可能會問，中國是否對最新的AI研究保密，這是中國的大學和企業(yè)沒有發(fā)表更多論文的原因。雖然存在這種可能性，但我們傾向于認為這不太可能。畢竟，在NIPS發(fā)表論文對任何中國的AI研究人員來說，都是在全球獲得就業(yè)機會的一個敲門磚（假設(shè)這是有價值的）。

更有可能的解釋是，中國落后了，他們的AI策略很大程度上是從其他地方復制研究結(jié)果，然后應(yīng)用到國內(nèi)數(shù)據(jù)集。用Peter Thiel《從0到1》一書的觀點來說：“中國已經(jīng)直接復制了發(fā)達國家的有用之物：19 世紀的鐵路、20 世紀的空調(diào)，甚至整個城市。也許這種復制可以使中國在建設(shè)道路上少走幾步—比如，不用安裝陸上線路，直接實現(xiàn)無線通信，但是，這依然是在復制?！?/p>

美國新安全中心的一份人工智能報告也傾向于認為：“在奧巴馬執(zhí)政的最后一年，白宮發(fā)布了幾份旨在使美國走向更加連貫的人工智能策略的白皮書。這些報告涵蓋了從監(jiān)管到創(chuàng)新再到偏見的各種問題，推動了科學家與政府官員之間的一系列對話。該報告的一些作者認為，中國的人工智能戰(zhàn)略反映了奧巴馬政府報告中的關(guān)鍵原則 ——現(xiàn)在是中國采納了這些原則，而不是美國?！?/p>

NIPS 2018：美國依舊是老大哥，高校和產(chǎn)業(yè)論文數(shù)量質(zhì)量均占優(yōu)

再來看看今年 NIPS 2018的論文接收情況。

產(chǎn)業(yè)界論文入選，谷歌加上 DeepMind，一共入選了 152（107+45）篇，幾乎占了所有論文的 15%。

騰訊 AI Lab的表現(xiàn)也算搶眼，以 17 篇論文接收排在第 8。但不要忘記，根據(jù)此前騰訊 AI Lab 負責人張潼在接受采訪時表示，騰訊 AI Lab 的考核指標之一，就是發(fā)頂會論文的數(shù)量。

不僅如此，看第一作者，谷歌研究院也是產(chǎn)業(yè)機構(gòu)里數(shù)量最多的，其次是 DeepMind。這說明，谷歌和 DeepMind 不僅參與/資助了大量研究，不少原創(chuàng)性的新想法或者新技術(shù)也源自這里。

在產(chǎn)學結(jié)合方面，根據(jù)高校與企業(yè)合作的被接收論文數(shù)量，可以看出谷歌與許多高校有著密切合作關(guān)系，排名前17的名單中，谷歌就與7所頂尖高校有著合作。

不僅如此，谷歌共與其他企業(yè)/院校合作并入選了85篇論文！

學術(shù)機構(gòu)方面，今年排在NIPS入選論文數(shù)量前十名的依次為：MIT、斯坦福、CMU、伯克利、佐治亞理工、普林斯頓、牛津、UIUC、康奈爾和清華。

其中，清華大學以 21 篇論文被接收排在第 10 名，這個成果單獨看實際上已經(jīng)很優(yōu)秀，只是美國的高校占據(jù)了前十名中的 8 個位置，并且前 6 名都是美國。

而根據(jù)學術(shù)界論文的第一作者，可以看到，斯坦福、MIT、CMU、伯克利在附上“第一作者”這項約束條件下，論文接收數(shù)量依然排名前四（雖然具體位置有所變化），勢頭強勁。

不過，清華在這里排名有所上升，超過了康奈爾和UIUC，位列第 8。香港中文大學排在第14位。

進步中的東方古國：中國學者越來越多擔任頂會領(lǐng)域主席和程序主席

從 NIPS 論文接收當中，可以看出中美之間的學術(shù)實力差距還有很大的距離。不過，這也是國內(nèi)很多學者不斷在強調(diào)，并且已經(jīng)意識到且開始采取行動的。

中國確實是在進步。

今年7月的 IJCAI，中國學者獲多篇接觸論文獎，華人一作論文占總接收論文的 65.5%。南京大學教授周志華還當選 IJCAI 2021年 程序主席，成為 IJCAI 史上第二位華人大會程序主席。今年，南大也有多篇論文被 NIPS 接收，周志華教授本人署名參與的也有 5 篇。

此外，除了論文接收數(shù)量，我們更應(yīng)該看中國學者在各個頂會中擔任領(lǐng)域主席和各種主席的占比，特別是在大會報告上何時能有所突破。這些，是比論文（包括最佳論文獎）更重要的影響力的體現(xiàn)。

8 月 25 日，國際模式識別會議 ICPR 2018 歷經(jīng) 40 年首次在中國大陸舉辦。作為模式識別領(lǐng)域的旗艦學術(shù)會議，ICPR 自1972年起，每兩年召開一次。在2014年國際模式識別大會的理事會全體會議上，中國和澳大利亞圍繞2018年國際模式識別大會舉辦權(quán)展開了激烈角逐。中國科學院自動化所模式識別國家重點實驗室學術(shù)委員會主任、中科院院士譚鐵牛和實驗室主任劉成林代表中國作申辦報告并回答了理事會的質(zhì)詢，最終贏得理事會青睞。

AAAI 2019，兩位程序主席之一，是南京大學的周志華教授，這也是AAAI大會自 1980 年創(chuàng)辦以來，歐美之外國家的學者首次擔任AAAI大會程序主席。

計算機視覺領(lǐng)域的頂會，2019年的CVPR，微軟資深研究員華剛博士將擔任大會程序主席，華剛博士也是CVPR 2017、ICCV 2017的領(lǐng)域主席。

2020年多媒體領(lǐng)域頂會 ACM Multimedia（ACM MM），阿里巴巴副總裁華先勝博士將擔任大會主席，本屆大會也將由阿里巴巴與意大利佩魯賈大學和香港中文大學共同舉辦。

CVPR 2021 主辦團隊也歸屬中國，中科院譚鐵牛院士擔任大會主席，上?？萍即髮W的虞晶怡教授擔任程序主席之一。虞晶怡教授也是 CVPR 2017 的領(lǐng)域主席，他當時接收新智元采訪時表示：“CVPR 2017的大會主席張正友老師、程序主席吳郢和劉燕西老師，以及其他各個委員會近 40 名華人學者功不可沒！”

此外，京東副總裁的裴健博士，是現(xiàn)任的 ACM SIGKDD 主席（任期為 2017.07.01—2019.06.30）。ACL 2018 宣布成立國際計算語言學協(xié)會亞太地區(qū)分會（AACL，The Asia-Pacific Chapter of the ACL），百度高級副總裁、ACL前任主席王海峰將出任 AACL 創(chuàng)始主席，2020 年 AACL 的會議地點也將設(shè)置在亞太地區(qū)。更早一點，微軟亞洲研究院副院長周明博士在 2016 年當選為ACL 候任主席。

如今，中國的AI實力距離美國仍然有很大的差距。但是，我們也在追趕，我們也在進步?？陀^看待事實，并且不懈努力，沒有捷徑，通往第一的路都是一步一步走出來的。

附錄：以下是上文討論的所有排名的文本

在NIPS 2017發(fā)表AI研究的Top 10地區(qū)

USA

EEA + Switzerland

China

Japan

Canada

Israel

Korea

Australia

Singapore

India

在NIPS 2017發(fā)表AI研究的Top 10國家

USA

China

France

UK

Japan

Canada

Israel

Switzerland

Germany

Finland

基于NIPS 2017的論文發(fā)表數(shù)，AI研究領(lǐng)域全球排名前25的機構(gòu)（學術(shù)界和產(chǎn)業(yè)界）

Google (USA)

Carnegie Mellon University (USA)

Massachusetts Institute of Technology (USA)

Stanford University (USA)

UC Berkeley (USA)

Microsoft (USA)

University of Illinois at Urbana-Champaign (USA)

Inria (France)

ETH Zurich (Switzerland)

Duke University (USA)

University of Toronto (Canada)

Princeton University (USA)

University of Cambridge (UK)

Georgia Institute of Technology (USA)

University of Oxford (UK)

EPFL (Switzerland)

University of Michigan (USA)

New York University (USA)

Harvard University (USA)

Columbia University (USA)

Tsinghua University (China)

Cornell University (USA)

Technion (Israel)

University of Southern California (USA)

Facebook (USA)

NIPS 2017上發(fā)表AI研究領(lǐng)先的全球Top 20企業(yè)

Google (USA)

Microsoft (USA)

Facebook (USA)

IBM (USA)

Toyota (Japan)

Adobe (USA)

Amazon (USA)

NTT (Japan)

OpenAI (USA)

NEC (Japan)

Disney (USA)

Tencent (China)

Mitsubishi (Japan)

Curious AI Company (Finland)

prowler.io (UK)

Nokia (Finland)

NVIDIA (USA)

Baidu (China)

Intel (USA)

Salesforce (USA)

在NIPS 2017發(fā)表AI研究領(lǐng)先的Top 20美國大學

Carnegie Mellon University (CMU)

Massachusetts Institute of Technology (MIT)

Stanford University

UC Berkeley

University of Illinois at Urbana-Champaign

Duke University

Princeton University

Georgia Institute of Technology

University of Michigan

New York University

Harvard University

Columbia University

Cornell University

University of Southern California

UT Austin

University of California, Los Angeles (UCLA)

UC San Diego

University of Wisconsin-Madison

University of Massachusetts Amherst

University of Washington

在NIPS 2017發(fā)表AI研究領(lǐng)先的全球Top 25大學

Carnegie Mellon University (USA)

Massachusetts Institute of Technology (USA)

Stanford University (USA)

UC Berkeley (USA)

University of Illinois at Urbana-Champaign (USA)

Inria (France)

ETH Zurich (Switzerland)

Duke University (USA)

University of Toronto (Canada)

Princeton University (USA)

University of Cambridge (UK)

Georgia Institute of Technology (USA)

University of Oxford (UK)

EPFL (Switzerland)

University of Michigan (USA)

New York University (USA)

Harvard University (USA)

Columbia University (USA)

Tsinghua University (China)

Cornell University (USA)

Technion (Israel)

University of Southern California (USA)

UT Austin (USA)

University of California, Los Angeles (USA)

UC San Diego (USA)