美國與中國，十年五倍
2021 年共同發表 9,660 篇 AI 論文 — 是 2010 年的五倍，也是名單上第二名的 2.7 倍。
十年之間 AI 研究翻倍 — 而 2021 年發表最多的是中國
AI 指數 2022 第 1 章描繪 2021 年 AI 知識的產地：期刊論文、研討會論文、預印本、專利、研討會與開源程式庫。有兩件事特別明顯。產出持續複利成長 — AI 論文總數在 2010 至 2021 年間翻倍，專利申請的成長還遠比這更快。而「誰在產出」這張地圖裂成了兩半：中國贏在數量，美國贏在引用。先看數字：
334,4972021 年全球 AI 論文總數(2010 年為 162,444 篇)
63.2% 2021 年中國期刊、研討會與預印本論文合計超出美國的幅度
76.9% 2015 至 2021 年 AI 專利申請的年均複合成長率
9,6602021 年美中共同發表的 AI 論文篇數(為 2010 年的五倍)
88,7602021 年 16 場受追蹤 AI 研討會的參與人數(與 2020 年持平)
160,7002021 年 TensorFlow 累計的 GitHub 星數(約為 OpenCV 的三倍)
1.1 — 期刊悄悄成了 AI 最主要的發表場域
AI 論文總數從 2010 年的 162,444 篇翻倍到 2021 年的 334,497 篇。但這波成長底下的組成變了：2021 年期刊論文佔全部發表的 51.5%，研討會論文佔 21.5%，預印本佔 17.0% — 而研討會論文自 2018 年起就一直在減少。
過去 12 年間，期刊論文成長約 2.5 倍、預印本成長約 30 倍；研討會論文則在 2019 年見頂，2021 年比高峰低了約 19.4%。書籍、書籍章節、學位論文與無法分類的文件合計佔剩下的 10.1%。從佔比來看是同一個故事的另一面：2021 年 AI 論文佔所有期刊論文的 2.5%(2010 年為 1.5%)、佔所有研討會論文的 17.8%，並佔所有預印本的 15.3%。
這個領域實際在做什麼
- 2021 年最大的單一研究領域是模式識別，共 51,690 篇，其次是機器學習的 39,930 篇。兩者自 2015 年以來都成長超過一倍。
- 電腦視覺(24,800 篇)、演算法(18,300 篇)、資料探勘(15,270 篇)與自然語言處理(13,430 篇)的成長幅度都比較小，儘管它們才是被深度學習改造得最明顯的領域。
- 人機互動(9,700 篇)、控制理論(8,450 篇)與語言學(5,780 篇)則落在後段。
- 這份統計不含「其他 AI」這個很大的殘餘類別，因此它描述的是這個領域的形狀，而不是它的完整規模。
做事的主要還是大學
以全球來看，2021 年有 59.6% 的 AI 論文出自教育部門，非營利組織佔 11.3%、企業佔 5.2%、政府佔 3.2%；另有 20.8% 完全無法歸類。企業參與度最高的是美國，佔 9.8%，其次是歐盟加英國的 5.7%，中國最低，只有 3.9%。中國也是唯一教育部門佔比還在上升的地區 — 2021 年達到 60.2%，高於美國的 57.6% 與歐盟加英國的 54.8%。
中國贏在數量，美國贏在引用
2021 年，中國在期刊、研討會與預印本論文合計數量上領先全球，比美國高出 63.2%。但如果看的是真正被人引用的論文，三個場域裡有兩個排名整個翻了過來。
期刊：中國最強的一塊
- 2021 年中國產出全球 31.0% 的 AI 期刊論文，高於歐盟加英國的 19.1% 與美國的 13.7%。
- 中國在期刊引用上同樣領先，拿下 27.8%，高於歐盟加英國的 21.1% 與美國的 17.5%。這三個地區合計佔了全球 AI 期刊引用的 66% 以上。
- 以區域來看，東亞與太平洋地區拿下 42.9% 的期刊論文，歐洲與中亞佔 22.7%，北美佔 15.6%。成長最快的是南亞與中東北非，12 年間分別成長約 12 倍與 7 倍。
研討會與預印本：排名倒過來
- 2021 年中國產出 27.6% 的 AI 研討會論文，高於歐盟加英國的 19.0% 與美國的 16.9% — 但研討會引用有 29.5% 屬於美國，歐盟加英國佔 23.3%，中國只有 15.3%。
- 預印本則是美國全面領先：論文佔 32.5%、引用佔 38.6%，歐盟加英國分別為 23.9% 與 20.1%，中國分別為 16.6% 與 16.4%。
- 以區域來看，北美仍握有 35.9% 的預印本論文，高於歐洲與中亞的 27.3% 與東亞太平洋的 26.4% — 這是北美自 2014 年以來唯一還保住領先的論文類型。
- 研討會上動得最快的區域是南亞：它在 AI 研討會論文的佔比從 2010 年的 4.0% 上升到 2021 年的 10.4%。
地緣政治升溫，美中共同掛名的論文也在升溫
CSET 把跨國合作定義成同一篇論文作者所屬國家的不重複配對 — 一篇論文上有四位美國作者與四位中國作者，只算一次。2010 至 2021 年間，規模遙遙領先的組合是美國與中國；而跨部門合作裡最大的一組，並不是企業與大學。點卡片看細節。
世界其他地方的組合
把美中那一組拿掉之後，英國就站在所有事情的中間：2021 年英中 3,560 篇、美英 3,340 篇。
大學配非營利，而不是大學配企業
2021 年教育與非營利組織合作 29,839 次，是教育與企業合作的 2.5 倍。
幾乎不發生的組合
2021 年企業與政府只共同產出 660 篇 AI 論文，是這一章追蹤的組合裡最小的一組。
專利申請六年成長 30 倍以上 — 而中國幾乎一件也沒拿到
2021 年共有 141,240 件 AI 專利申請，是 2015 年的 30 倍以上，年均複合成長率 76.9%。其中 51.7% 來自中國。而中國拿到的，是全球 5.9% 的核准專利。
申請：東亞在 2014 年起飛
- 2021 年東亞與太平洋地區佔了全部 AI 專利申請的 62.1%，高於北美的 17.1% 與歐洲中亞的 4.2%。
- 以地理區塊來看，2021 年中國提出全球 51.7% 的 AI 專利申請，美國 16.9%，歐盟加英國 3.9%。
- 北美的 AI 專利申請幾乎全部來自美國 — 而美國的申請速度只有中國的三分之一。
核准：地圖翻轉
- 核准專利上由北美領先，佔 57.0%，高於東亞太平洋的 31.1% 與歐洲中亞的 11.3%。其餘所有區域加起來，大約只佔全球核准 AI 專利的 1%。
- 以地理區塊來看，美國握有 39.6% 的核准量，歐盟加英國 7.6%，中國 5.9%。
- 原始數字讓這道落差變得具體。2021 年中國提出 87,343 件 AI 專利申請，獲准 1,407 件；美國提出 19,610 件、獲准 9,450 件；歐盟加英國提出 4,880 件、獲准 1,810 件。
報告把申請與核准兩條線並排呈現，並沒有把它們湊成一個數字；讀任何 AI 專利排行榜時，也值得把這兩件事分開看。用申請量算，中國掌握了世界的一半以上；用核准量算，中國比歐盟加英國還少。同一份資料可以支撐兩個完全相反的標題。
這一章對 2021 年回答的五件事
研討會、Women in Machine Learning 工作坊、開源程式庫，以及論文數字證明了什麼、又沒有證明什麼。
第二年線上舉辦，改變了誰會出席嗎？
2021 年頂尖 AI 研討會的參與人數與 2020 年大致持平，指數追蹤的 16 場研討會合計超過 88,000 人 — 這也是歷來涵蓋最多場次的一版。幾乎全部改為線上舉行，只有 ICRA 與 EMNLP 採混合形式。主辦單位告訴 AI 指數團隊，線上會議很難精確計算出席人數，而線上形式也讓世界各地的研究者能大量參與。個別數字都帶著註腳：ICML 用議程造訪人次代替出席人數，這就是它 29,540 這個數字的來源；IROS 在 2020 年開放使用者最長三個月內回看；AAMAS 2020 年報的是現場使用者數，2021 年報的則是總報名人數。規模較小的場次裡，UAI 有 2,100 人、IJCAI 1,900 人、FAccT 1,350 人、AAMAS 1,080 人、ICRA 1,000 人。
Women in Machine Learning 工作坊有多大？
2021 年與 NeurIPS 併同舉辦的 WiML 工作坊，估計有 1,486 人參加，計算方式是登入 neurips.cc 線上平台的不重複人數。自 2006 年首度舉辦以來，這個數字一路穩定成長。2021 年改成三天多場次的形式(和 2020 年不同)，並因疫情再次以線上進行。在同意彙整資料的問卷填答者中，53.4% 住在北美、19.9% 在歐洲、16.2% 在亞洲、7.3% 在非洲。博士生佔 49.4%、碩士生 16.5%、研究科學家或工程師 14.2%、大學部學生 10.2%，而大學教職員只佔約 1.2%。
開發者實際上在用哪些開源 AI 程式庫？
以 2021 年累計 GitHub 星數來看，TensorFlow 仍遙遙領先，約有 160,700 顆 — 大約是第二名 OpenCV(58,600 顆)的三倍，而且比它自己 2020 年的數字只增加一點點。Keras(53,200)、PyTorch(52,700)與 Scikit-learn(48,000)彼此相當接近地跟在後面，再來是 DeepLearning-500-questions(46,700)與 TensorFlow-Examples(41,500)。星數 4 萬以下的榜單其實已經不太是程式庫的榜單：faceswap 以 39,880 顆居首，接著是 100-Days-Of-ML-Code(33,580)、AiLearning(32,270)、BVLC/caffe(32,140)、Real-Time-Voice-Cloning(32,020)、deeplearningbook-chinese(32,000)、Deep Learning Papers Reading Roadmap(31,280)與 DeepFaceLab(30,260) — 多半是教學、書單與換臉專案。
論文領先等於 AI 領先嗎？
這一章自己的數字就不支持這種讀法。2021 年中國在期刊、研討會與預印本論文合計數量上領先全球，比美國高 63.2%，期刊引用也以 27.8% 居首。但美國在研討會引用上以 29.5% 對中國的 15.3% 取得壓倒性領先，預印本引用是 38.6% 對 16.4%，而且預印本論文佔比是 32.5% 對中國的 16.6%。看的場域不同，數量和影響力就指向不同方向；報告選擇把兩邊都呈現出來，而不是替讀者做結論。
這些論文數字有多可靠？
報告對自己的限制講得很清楚。論文資料來自 CSET 整併的學術文獻庫 — 包含 Dimensions、Web of Science、Microsoft Academic Graph、中國知網、arXiv 與 Papers with Code — 再用分類器挑出 2010 年以來與 AI 及機器學習開發或應用相關的英文論文。也就是說，非英文的研究不在範圍內。2021 年的數字也可能低於實際值，因為這些資料庫收集論文中繼資料本身有時間落差。此外，這一版換了資料來源與分類方法，因此趨勢無法直接和過去幾版的 AI 指數報告對照。就算在資料之內，2021 年也有 20.8% 的論文根本無法歸到任何部門。
用四句話看這一章
第 1 章「研發」的頭條發現。
儘管地緣政治緊張升高，2010 至 2021 年間跨國 AI 論文合作最多的仍是美國與中國，自 2010 年以來成長五倍。兩國合作產出的論文，是名單上第二名的英國與中國的 2.7 倍。
2021 年，中國在 AI 期刊、研討會與預印本論文的數量上繼續領先全球 — 三種類型合計比美國高 63.2%。與此同時，美國在 AI 研討會與預印本的引用數上，於主要 AI 強權中取得壓倒性領先。
2010 至 2021 年間，發表最多 AI 論文的是教育機構與非營利組織之間的合作，其次是民間企業與教育機構之間、以及教育機構與政府機構之間的合作。
2021 年提出的 AI 專利申請件數是 2015 年的 30 倍以上，年均複合成長率達 76.9%。