AI 领域，重心已从学术界转移到了产业界，并且失衡还在继续。

Science 在最新一期正刊上发了一篇文章，整理了近几年 AI 领域的相关数据，结果也是一目了然：

AI 竞赛，学术界输了。

(相关资料图)

从 2016 年开始，产业界在领先的人工智能会议上发论文的占比开启了野蛮生长的趋势。

4 年时间，在论文数量上，产业界几乎从学术界 " 夺取 " 了 20%。

之后，产业界持续发力，到了 2016 年，再往后 10 大 AI 模型几乎全都来自产业界。

分析情感、语义分割和目标检测的 SOTA 大概是产业界和学术界各自一半的成果，机器翻译的 SOTA 则全都来自学术界。

之所以造成现在的局面，最最最重要的一个原因就是：

人才流失。

以北美大学的数据为例，目前专门从事 AI 研究的计算机博士正在涌入产业界：

2004 年，只有 21% 的博士选择进入产业界，到了 2020 年，进入产业界的博士比例已经将近70%。

可以从近几年的数据看出，普通计算机科学的产业需求并没有明显的变化，倒是专攻 AI 领域的人才，市场需求从 2006 年至今翻了8 倍。

从大的层面上来讲，和 Science 之前提到的算力有关。

显而易见，在这块儿，产业界相较于学术界有很大的优势。

但其实说白了，算力强不强大很大程度上依赖于资金投入。

举个栗子：

学术界的科研资金来源主要来自政府的支持，2021 年美国相关部门在人工智能上的投入是 15 亿美元，同年欧盟的投入是 12 亿美元。

而相比之下，全球 AI 产业这一年的支出已经超过了 3400 亿美元。甚至，2019 年谷歌母公司 Alphabet 在其子公司 DeepMind 上的投资就已经高达 15 亿美元。

除此之外，产业界对人工智能投入的增加可能会实现技术的商业化，这样一来，不仅可以为社会提供实质性的利益，对于产业本身来说，也有所回报。

而学术界呢，资金来源的大头要靠相关机构拨款。

对留校的 AI 人才来说，虽说发论文可以拿奖金升职，但科研也不是唯一的工作，他们还有授课任务。

并且一般来说学术性研究室都是非盈利性的，比如说 Rowan Zellers 在加入 OpenAI 之前，曾在艾伦人工智能研究所工作：时间倒是花了不少，钱呢。。。

emmmmm，这么看来，这一把 AI 竞赛，学术界是彻底输麻了。

当然 AI 竞赛，也不能说学术界彻底输了，在 Zeta Alpha 统计的论文引用排行榜前 100 中，学术界和产业界之间还是平衡得很好的。

话说回来对于学术界和产业界的 AI 竞赛，你怎么看？

参考链接：

[ 1 ] https://www.science.org/doi/10.1126/science.ade2420

[ 2 ] https://rowanzellers.com/blog/rowan-job-search2/

[ 3 ] https://twitter.com/ZetaVector/status/1631590035756654594