Nature:谷歌 AI 研究引用量登全球榜首,中国企业腾讯、阿里、华为前十

Nature 最近报道了一个新发布的 AI 行业数据库 PARAT,分析显示,在论文引用、专利申请等方面,美国和中国企业占据了主导地位。在 AI 领域,硅谷巨头 Alphabet(谷歌母公司)和微软的论文引用量最高,远超其他公司。不过,中国企业百度和腾讯在专利方面领先。这些结果来自新兴技术观察站(ETO)发布的 PARAT 数据库,该工具跟踪私营部门的 AI 相关活动,包括研究和专利的发表,以及人才指标,帮助我们洞见 AI 发展趋势。ETO 是隶属于安全与新兴技术中心(CSET),后者的总部设在乔治城大学外交学院,

Nature 最近报道了一个新发布的 AI 行业数据库 PARAT,分析显示,在论文引用、专利申请等方面,美国和中国企业占据了主导地位。

在 AI 领域,硅谷巨头 Alphabet(谷歌母公司)和微软的论文引用量最高,远超其他公司。

不过,中国企业百度和腾讯在专利方面领先。

Nature:谷歌 AI 研究引用量登全球榜首,中国企业腾讯、阿里、华为前十

这些结果来自新兴技术观察站(ETO)发布的 PARAT 数据库,该工具跟踪私营部门的 AI 相关活动,包括研究和专利的发表,以及人才指标,帮助我们洞见 AI 发展趋势。

Nature:谷歌 AI 研究引用量登全球榜首,中国企业腾讯、阿里、华为前十

ETO 是隶属于安全与新兴技术中心(CSET),后者的总部设在乔治城大学外交学院,是致力于 AI 领域政策分析的智库。

CSET 高级分析师 Ngor Luong 表示,由于 AI 领域的尖端研究在工业界和大学中同样频繁,因此监控商业活动是很重要的。

AI 巨头

观察站的首席分析师 Zachary Arnold 表示,PARAT 数据可以证明,中国的大型企业在 AI 领域非常具有竞争力。

按高被引 AI 论文和预印本数量排序时,三家中国科技巨头 —— 腾讯、阿里巴巴和华为都位列前十

Arnold 说,「很多人仍然存在一种偏见,认为中国规模大,可以产出很多结果,但不是真正的一流。」

然而,ETO 计算了多种质量调整指标,中国公司在这些指标上「表现出色」。

Nature:谷歌 AI 研究引用量登全球榜首,中国企业腾讯、阿里、华为前十

根据 PARAT 数据,所有 AI 研究中被引用次数最多的论文是 2017 年发表的《Attention Is All You Need》。

根据谷歌学术,这篇论文的引用量已经超过 12.7w

▲ 根据谷歌学术,这篇论文的引用量已经超过 12.7w

这篇论文的作者团队主要来自谷歌,提出了实现「大一统」的 Transformer 架构

中国机构同样产出了很多高质量研究,比如这篇由港中文、腾讯、商汤等机构共同撰写的论文,提出了一种实时的语义分割方法 ICNet,引用量超过 1.7k。

Nature:谷歌 AI 研究引用量登全球榜首,中国企业腾讯、阿里、华为前十

论文地址:https://arxiv.org/ pdf/1704.08545

过去十年中,提交 AI 专利最多 top10 公司中仅有三家位于美国,其余则分布在中国、德国和韩国。

顶级雇主

数据还突显了 AI 行业的多样性。

除了五大巨头 —— Alphabet、亚马逊、苹果、Meta、微软之外,还有许多公司位于「长尾」部分,引用量同样很高。

其中比较知名的公司包括 OpenAI 和苹果,以及不太以 AI 创新闻名的迪士尼和日本三菱。

Luong 指出,数据库收集的论文和专利数据仅截至 2023 年底,因此错过了最近的发展。

Arnold 表示,PARAT 中的其他指标揭示了有时被忽视的 AI 活动。比如,PARAT 涵盖了各公司 AI 岗位的数量,从社交媒体平台 LinkedIn 进行收集。

这些数据对美国公司最为准确,从中我们可以看到哪些公司吸引到了最多的 AI 人才

按这一指标,亚马逊以 1.4w 个 AI 岗位成为榜首,但紧随其后的是跨国咨询公司埃森哲。按照 Arnold 的形容,大型咨询公司现在是其他公司和政府 AI 项目的「雇佣兵」。

这些数据能让我们通过多种视角审视公司的在 AI 领域的动态。

「我们看到很多关于『谁在 AI 领域领先』的讨论。我们是数据迷,我们知道有许多不同类型的数据可以用来回答这个问题,而且它们并不总是指向完全相同的方向。」

参考资料:

https://www.nature.com/articles/d41586-024-02515-1

本文来自微信公众号:微信公众号(ID:null),作者:新智元,原标题《Nature:谷歌 AI 研究引用量登全球榜首,中国企业表现亮眼》

相关资讯

芝大、清华团队分析了6800万份论文表明,AI可能会降低科学家的创造力?

编辑 | 白菜叶一项新研究表明,采用人工智能工具分析数据和建模结果对年轻科学家的职业前景有着巨大的影响,大大增加了他们在各自领域晋升到有影响力职位的机会。 但这种对个体研究人员的利好似乎以牺牲科学为代价。 芝加哥大学和清华大学的研究人员分析了六个科学学科(生物学、医学、化学、物理学、材料学和地质学,不包括计算机科学)的近 6800 万份研究论文,发现融入人工智能技术的论文被引用的次数更多,但同时也集中在更窄的主题上,而且重复性更强。

Transformer要变Kansformer?用了几十年的MLP迎来挑战者KAN

MLP(多层感知器)用了几十年了,真的没有别的选择了吗?多层感知器(MLP),也被称为全连接前馈神经网络,是当今深度学习模型的基础构建块。MLP 的重要性无论怎样强调都不为过,因为它们是机器学习中用于逼近非线性函数的默认方法。然而,MLP 是否就是我们能够构建的最佳非线性回归器呢?尽管 MLP 被广泛使用,但它们存在明显的缺陷。例如,在 Transformer 模型中,MLP 几乎消耗了所有非嵌入式参数,并且通常在没有后处理分析工具的情况下,相对于注意力层来说,它们的可解释性较差。所以,是否有一种 MLP 的替代选

网友反馈微软 Copilot 引用谷歌 Gemini 内容,点击链接无法跳转指定内容页面

Reddit 网友近日发布帖子,表示微软旗下的 Copilot 在其参考信息中,引用了来自谷歌 Gemini 的数据。用户反馈这就导致了混乱,点击 Copilot 中的链接,并不会跳转到 Copilot 引用的指定信息内容,而是会跳转到 Gemini 的主页。IT之家附上截图如下:用户对此的反应不一,有些人的观点认为:Copilot 应该只能引用来自 Bing 搜索的内容,不应该和 Gemini 等其它聊天机器人有所交互;而另外一些人认为 Copilot 可以和其它聊天机器人交互,为用户提供更丰富、全面的信息。