【IFF国际金融论坛】2025年全球人工智能竞争力指数洞察报告第二期

hLhLFZ·IFF·INTERNATIONALFINANCEFORUMsince2003关于IFF国家以及联合国、世界银行、国际货币基金组织等相关机构及领导人共同发起成立，是全球金融领域高级别常设对话机制和多边合作机构，被誉为全球金融领域国际金融论坛（IFF）的目标是通过国际化、市场化、专球经济、金融和公共政策领域战略对话、交流合作、实践创新、学术研究和人才宗旨新价值、新世界”的宗旨，致力于打造具有战略远见、国际一流的学术智库和多国际金融论坛（IFF）通过公开、公平、公正的运行机制，确保独立、客观、前瞻和包容性，以促进国际金融合作与交流；通过对全球金融领域的深入研究，促关于IFF全球人工智能竞争力指数系列洞察报告INTERNATIONALFINANCEFORUM关于IFF全球人工智能INTERNATIONALFINANCEFORUM人工智能作为新一轮科技革命和产业变革的核心驱动力，正在深刻改变全球的创新版图和竞争格局。在这一背景下，科学评估和把握各国在人工智能领域的发展态势和竞争人工智能作为新一轮科技革命和产业变革的核心驱动力，正在深刻改变全球的创新版图和竞争格局。在这一背景下，科学评估和把握各国在人工智能领域的发展态势和竞争实力，对于理解全球人工智能发展动态、制定相关政策具有重要的现实意义。国际金融论坛IFF开启全球人工智能竞争力指数项目，致力于构建一个全面、客观、可量化的全球人工智能竞争力评估体系，通过多维度指标，系统性地评估和同时采集全量数据，进行数据清洗、归一，确保量化结果的客观性。对部分国家的案例分析，不仅评估现状，更注重发国际金融论坛（IFF）InternationalFinanceForuUIAInternationalOrganizationID:AA2980IFF人工智能委员会/IFFArtificialIntelligenceCommittee协调员/CoordinatorPatrickGlauner委员会成员/CommitteeMembersRudolfScharping鲁道夫·梅林霍夫RudolfMellinghoffVolkerRömermann克里斯托夫·肖默ChristophSchommerDavidWood作者/AuthorsZHOUJian,PatrickGlauner,DmitryKaminskiy编委会/EditorialBoard张继中祝宪林建海ZHANGJizhong,ZHUXian,LINJianhai编辑部/EditorialDepartment庄珏周鑫本尼迪克特·彼得·阿默隋仪新JoannaZhuang,ZHOUXin,BenedictPeterArmour,SUIYixin地址/Address中国北京市东城区东长安街1号东方广场W3座OrientalPlazaW3,DongchengDistrict,Beijing,Chin邮编/PostCode100738版权声明/CopyrightStatemenThecontentofthispublicationisanexclusivepropertyoftheIFF,andmaynotbereproducedorexcerptedwithoutpermission国际金融论坛IFF全球人工智能竞争力指数洞察报告0102关于IFF全球人工智能竞争力指数系列洞察报告技术发展与应用（AI企业为代表）每个维度下设若干二级指标，通过定量与定性相结合的方法进行评估。本报告作为系列研究的第二篇，也是竞争力入分析。后续发布剩余三个维度的分析报告，共同构建起完摘要：本文对全球各国200余万篇人工智能相关科研论文及人工智能发明授权专利进行数据分析。在论文数量上，加坡、瑞士、英国、澳大利亚这四个国家，每百万人口贡献度。本文从论文平均被引用次数及期刊平均影响因子两个维示，瑞士、加拿大的影响力数值排名全球前二，数值均超过0.8。英国、荷兰、美国、澳大利亚排名3-6位，数值均超过的国际合作情况进行分析发现，美国、法国、德国学者作为第一作者发表的论文中，中国学者均成为上述三国学者论文对中美两国的人工智能专利co-occurrence共现分析发现，美国企业还更多地在人工智能底层基础层和中间技术层布局，例如处理器架构和配置、基带系统零部件、机器学习等，中关键词：人工智能、竞争力指数、研究、创新、论文、关于IFF全球人工智能竞争力指数系列洞察报告01国际金融论坛IFF全球人工智能竞争力指数洞察报告03关于人工智能相关科研论文的定义，我们暂且认定，所有科研论文中，涉及到机器学习、深度学习、监督学习、强业应用及其他伦理及跨学科研究的，统一定义为人工智能相Scholar三大数据库中进行检索查询，并刊论文。在开始本次研究之前，我们抽样了一批数据进行对当研究全球各国AI论文的时候，摆在面前的首要问题1768,643549.02368,1041,082.73118,51384.74107,6921547.3585,1321,025.7675,569604.6771,0041,365.5866,1861,741.7958,034892.857,323955.353,5922,061.248,0841,023.138,5651,641.136,289437.229,639823.329,2131,622.925,3934,378.125,129174.525,0622,880.72023,844111.42123,459279.320,689626.920,100528.92417,38975.62516,6631,666.32615,5641,353.42714,1431,414.32813,666128.92912,8061,422.912,26012,260国际金融论坛IFF全球人工智能竞争力指数洞察报告05中国大陆以76.9万篇，成为全球AI论文总量最高的地日本、韩国在AI论文总量维度上，均进入全球前10，显示出东亚地区对人工智能研究的热情，对全球总量贡献较大；欧洲地区，英国、德国处于世界第四和第五位。此外，业数量方面表现突出。在本次研究中，中国香港和阿联酋这两个地区和国家的AI论文总数分别是6,532篇和3,126篇，国际金融论坛IFF全球人工智能竞争力指数洞察报告071768,643549.02US368,1041,082.73118,51384.74UK107,6921547.35Germany85,1321,025.76Japan75,569604.67SouthKorea71,0041,365.58Canada66,1861,741.79France58,034892.857,323955.3Australia53,5922,061.2Spain48,0841,023.1Taiwan,China38,5651,641.136,289437.2SaudiArabia29,639823.329,2131,622.9Singapore25,3934,378.1Russia25,129174.525,0622,880.72023,844111.421Turkey23,459279.3Malaysia20,689626.920,100528.924Pakistan17,38975.625Sweden16,6631,666.32615,5641,353.427Greece14,1431,414.32813,666128.929Austria12,8061,422.93012,2601,290.5*arXiv并非专门的学术期刊，但考虑到WebofScience这样的数据平台，仍然将arXiv作为一个论文的发表来源，图2-2全球AI科研论文前10名国家/地区逐年发表论文数（不包含中国大陆地区）的总量是衡量一个国家AI科研竞争力的维度，但更重要的是，科研论文的水平高低，也是竞争力水平。论文的数量并非唯一的评价标准，其影响力在学术和实践领域的贡献同样影响力，包括论文的引用次数、发表期刊的影响因子以及国际合作的影响等方面。通过这些指标，我们将揭示不同国家国际金融论坛IFF全球人工智能竞争力指数洞察报告09表3-全球AI科研论文数量前312US27.138.94UK31.25Germany25.26Japan14.97SouthKorea8Canada35.79France20.826.7Australia43.6Spain24.8Taiwan,ChinaSaudiArabia16.638.9Singapore31.7Russia9.043.92021Turkey14.8Malaysia20.924Pakistan24.225Sweden2622.927Greece21.02829Austria32.330表4-全球AI科研论文数量前30名16.52US9.533.04UK8.55Germany7.86Japan5.57SouthKorea5.38Canada8.29France6.85.8Australia6.3Spain4.8Taiwan,China5.02.5SaudiArabia2.27.3Singapore7.2Russia3.57.5202.821Turkey3.3Malaysia2.33.824Pakistan25Sweden6.2265.227Greece4.32829Austria4.5308.3国际金融论坛IFF全球人工智能竞争力指数洞科研论文，所发布期刊拥有较高的影响因子，同时论文也拥所有论文的平均引用次数是相对片面的。同样，只看所有发表论文期刊的平均影响因子也无法综合评估。这里我们利用统计学的方法，对两个维度的数据进行归一化，随后按照各50%的比例，计算出一个综合影响系数，以此来测量不同国设平均引用次数为X，样本中的最大值为，最小值为；公式：公式：公式：这里就是最终衡量不同国家或地区AI论文影响力的综合指标，通过对平均引用次数和论文所发表期刊平均影响因10.316320.738930.086440.762950.635860.333370.329680.810390.46410.50190.71560.40850.24970.16540.09860.75060.64940.13780.8523200.1930210.21290.19260.2563240.2153250.3165260.4205270.3091280.1435290.500330以色列0.4969中国大陆虽然在论文数量上大幅领先其他国家，但综合印度、沙特在这份榜单汇总中，排名较低，得分均不足国际金融论坛IFF全球人工智能竞争力指数洞科研合作是现代科学研究的重要特征之一。我们本次研出明显的地缘特点。比如中国和韩国、日本之间，英国和法第一作者为中国学者的文章中，其合作作者来源最为广泛，韩国相对较多一些，其余英国、美国、法国等来源较为均等。英国学者作为第一作者的文章中，法国学者是非常重美国、法国、德国学者作为第一作者发表的论文中，中国学者均成为上述三国学者论文最重要的合作方，我们推定这跟中国的海外留学生有较强关联，因为中国有大量的海外留学生在上述三国进行科学研究，所以在论文发布中有显著法国学者的论文国际化程度，相比英国、德国，存在较Mathematics39.7%38.9%41.4%38.5%36.5%34.3%37.4% Neurology Neurology我们将全球AI论文总量前十的国家相关论文数据提取，分析所有论文的关键词和主题，划定以下十个关键主题，包括：Computer-Science、Engineering、Communication、Mathematics、AutomationControlSystems、MathematicalMedicalImaging、Neuros未能全部囊括全球所有AI论文的研究方向，但经过数据对比，我们发现，这十个主题是所有论文中出现频率最高的，工程等主要研究方向占比均类似，但中国在医学相关领域、国际金融论坛IFF全球人工智能竞争力指数洞中接近50%的比例，是中国AI科研最重要的力量的主要参与者。英国则集中在伦敦大学学院、帝国理工学院、牛津大学这三军，包括德国的亥姆霍兹联合会、法国国家科学研究中心CNRS、意大利国FSIEESIESEAAFSIEESIESEAA中科院作为中国科技领域的“国家队”，其科研布局始终与国家战略深度绑定。人工智能被中国列为国家科技创新2030重大项目之一，中科院作为核心承担单位，在算力基础设施、算法创新、多学科交叉等领域获得持续支持。例如，中科院自动化研究所、计算技术研究所等专门机构长期深耕AI基础理论与应用研究，形成了从基础算法到产业落中科院的科研项目较多依托国家自然科学基金、科技创），通过统筹全国科研数据平台（如国家天文台、生物信息中心等），构建了多领域数据池，支撑深度学习模型的训练与验证。此外，中科院计算所主导的“寒武纪”类脑芯片研发，人工智能的突破性进展往往依赖与其他学科的深度交叉。中科院及中国科学院大学依托其综合性科研体系，推动“AIforScience”（AI4S）新范式，将人工智能技术应用于础科学交叉领域的突破，中科院在类似研究中表现突出。科研团队通过联合实验室（如自动化所与物理所的合作），将模拟技术正在改变这一模式。中科院团队在光量子计算领域的研究即体现了这一趋势：通过超导纳米线技术实现多光子中科院及国科大在人工智能领域的人才储备具有显著优势，其“计算机科学、神经科学等多领域。此外，中科院与企业的联合实验室国际金融论坛IFF全球人工智能竞争力指数洞科学、信息与通信工程、统计学乃至医学等领域均处于国内领先地位。校内各院系及科研机构能够有效联动，运用多种工程学院在智能电网、大数据分析方面开展深度合作；医学院与人工智能研究院合作探讨智能诊断、医疗影像识别等，浙江大学在人工智能研究上拥有清晰的前瞻性布局，紧密契合国际前沿热点。在深度学习、智能感知、自然语言处理、智能机器人、自动驾驶等方向上，浙大均设立了重点科研团队和实验室，并积极参与国家重大科技项目，为自身的浙江地处长三角经济带，拥有高度成熟的产业链和完善杭州更是数字经济的高地，阿里巴巴已经在互联网时代为杭州和浙江打下良好的基础，云计算、大数据、互联网金融等新兴产业蓬勃发展，与高校的前沿研究形成双向互动，共同杭州通过设立科技创新专项资金，重点支持AI核心技术研发、产品转化及市场推广等环节。符合条件的企业可以获得研发补贴、项目经费支持，最高补贴金额可达数杭州智算中心作为公共算力平台，提供自主化算力底座（如昇腾AI集群），企业可申请“算力券”补贴，按算力杭州通过“算力券杭州通过“算力券+资金补贴+场景落地+人才生态”的多维政策组合，构建了从基础研发到产对领军企业、细分领域提供专项激励；应用导向：推动AI与实体经济深度融合（如制造业）；美国的加州大学系统（UniversityofCaliforniaSystem,UC系统）由多所世界著名的研究型大学组产业孵化等方面占有重要地位。我们尝试从数NSF（美国国家科学基金会根据2022研究占比约15%（约9,450万美元）。例如，UC伯克利的“BAIR实验室”（BerkeleyArtificialIntelligenceResearch））：国际金融论坛IFF全球人工智能竞争力指数洞察报告21名研究生/博士后，年均发表顶级AI会议论文（NeurIPS、ICML、CVPR）200篇以上，2023年论文引用量位列全球高UCLAVCLA实验室（视觉、认知与学习实验室）：在2.0”算法（与DeepMind合作）在蛋白质结构预测领域准确专利与技术转化：UC系统近五年累计申请AI毕业生去向：UC伯克利计算机科学专业毕业生中，约35%进入硅谷顶尖科技公司（谷歌、Meta、OpenAI等15%自主创业（如OpenAI联合创始人WojciechZa亿美元，重点投资AI、生物科技等领域，单笔投资额在50数据开放政策：加州通过《公共数据访问法》（AB1360），要求政府向UC系统开放交通、医疗、环量子计算布局：UC伯克利与IBM合作建设“量子计算），综上所述，我们可以发现，美国的加州大学系），亥姆霍兹协会（HelmholtzAssociation）是德国最大的科《Science》等顶级期刊以及学术会议（如国家财政支持：亥姆霍兹协会的研究经费约占德国联邦政府科研总预算的20%，是德国科技创新的核心机构之一。德国政府的“国家人工智能战略”明确将亥姆霍兹协会前，德国政府在AI研发方面共投入50亿欧元，其中亥姆霍兹协会预计占比超过25%；计划到2030年使德国主导工业AI的标准化定义，增强全球影响力；德国政府会提供超1万个专用数据集（如欧洲地球观测数据、高速医疗数据）供亥姆），会每年获得约5000万欧元专项科研资金，涵盖AI基础算法划，2022年从中获得超过2亿欧元的项目拨款，与欧企业合作：与西门子、博世、SAP等德国工业巨头合作Jülich超级计算中心：拥有欧洲最强超级计算机之一（JUWELS计算能力达85PetaFlops“亥姆霍兹AI平台”：整合了18个研究中心形成一个覆盖能源、健康、交通、环境和计算科学的人工智德国癌症研究中心（DKFZ主要关注医疗AI（如癌德国航空航天中心（DLR）：专注于自动驾驶和空天无个国家的研究人员组成，其中包括多名国家级科学奖得主和进行训练，大幅增强了其科研创新能力。例如：Prof.Klaus-），源分配，预计每年可提高可再生能源利用率15%。气候变化预测：德国地学与环境研究中心（GFZHelmholtz）运用深度学习和气候科学数据集开发工业与自动化：德国航空航天中心开发的AI导航系统应用于自动驾驶汽车和无人机，大幅增强了在复杂城市环境中的导航能力，精确度提高25%。与博世、西门子联合工MPER工AL府，多年来稳居全球大学排名前十。学院以其尖端的研究生态系统享誉全球，尤其在人器人手术中心（HamlynCentreforRoboticSurgery）和发用于早期癌症检测的神经网络，设计面向城市交通的自主系统，以及研发在复杂模拟中超越人类操作水平的强化学习模型。此外，帝国理工还建成了全英国首个专注于人工帝国理工学院凭借卓越的学术表现主导全球AI研究。在2024年QS世界大学排名中，学院位列全球第6，其计算中发表了帝国理工38篇论文，而学院共有23位研究人员入选科睿唯安（Clarivate）2023年度“高被引科学家”榜单。战略性资金投入为帝国理工在AI领域的领导地位提供了有力支撑。2022-2023年度，学院年科研经费达到1.17亿以及产业合作（32%）。人均科研经费达38.6万英镑，远超借助14项欧盟ERC高级研究项目（单项目资助金额250万帝国理工的人才培养体系结合了顶尖学术招聘与产业深度融合。学院目前拥有67位AI教授（包括9位皇家学会院士），指导312名博士生，这些学生平均每年发表3.2篇论并孵化了37家AI创业公司，总估值达到12亿英镑。2023镑，同比增长22%。实际应用成果包括98.2%准确率的心电伦敦作为欧洲的AI枢纽进一步扩大了帝国理工的影响研发费用抵扣）降低了企业研发成本达40%。跨学科研究中技术的研究，而能源未来实验室（EnergyFuturesLab）开发首先，我们需要定义什么样的专利是人工智能专利？本次研究暂且认为所有发明专利中，涉及到机器学习、深度学习、监督学习、强化学习等技术（具体关键词组，详见附录1运用人工智能代表性的神经网络等算法的专利，包括AI相关工具、行业应用，统一定义为人工智能相关专利。根据WIPO组织的IPC分类代码，人工智能相关专利，我们认定为G06N全部以及G06K中涉及图像识别、字符识别等技术相关的部分发明授权专利，都作为我们的研究范围，不仅包括利用AI算法本身以及利用AI技术发明创中国和美国成为世界前两大AI专利生成国，且显著领先其他国家。距跟上一部分我们对AI科研论文的研究，不太一致，这可能跟欧洲当地国际金融论坛IFF全球人工智能竞争力指数洞察报告251529,591367.82465,6841,365.23218,0571,751.24118,2072,317.9529,926360.6615,636228.6714,905218.26812,944338.8912,558701.610,9261,114.99,3901,055.17,012667.85,545232.05,346200.24,4603.14,193762.43,725726.13,32756.53,114552.1202,768474.0212,304197.41,824200.21,45530.6241,18935.0259366.426800145.5277061,103.12868391.129666129.830403330.3国际金融论坛IFF全球人工智能竞争力指数洞察报告27117,702212,380311,43448,17657,52167,31676,52386,47096,2795,8425,5345,4625,4515,1244,786IBM作为全球最老牌的信息技术公司以及对AI研究拥有悠久历史沉淀的公司，目前持有全球最多的人工智能相关专利，此外，中国的腾讯以及韩国三星，在数量上排在第二、第三位。美国公司中，谷歌、微软、英特尔、腾讯作为中国市值最高的科技公司之一，其在长期战略投入、业务整合能力、开放生态），腾讯人才战略强调“全球顶尖科学家+工程化团队”结学家张正友博士（IEEEFellow）、优图实验室负责人贾佳亚腾讯在计算机视觉方面的专利占比超过35%，覆盖图像识别、视频分析等，支撑微信“刷脸支付”、视频影像处理腾讯的专利质量指标同样亮眼：全球PCT专利申请量4200+件（2022年世界知识产权组织数据），授权率达72%（高于行业平均的55%），核心专利如“多模态人机交互系统”（专利号CN113742016A）已进入美国、欧洲、日本等作：与清华、港科大等高校共建联合实验室，累计合作项目180多项，孵化专利430件。开发者生态：腾讯云TI工信部“智能语音交互系统”攻关项目），获得政府研发补贴超25亿元。各地政府合作项目中，腾讯AI技术已应用于国际金融论坛IFF全球人工智能竞争力指数洞察报告29域布局最深的两大国家，此外，为了进一步探索中国两国，尤其是头部企业对于人工智能专利技术布局上的差异，我们100项技术进行共现分析（co-occurrenceanalysis），可以发现，中国头部智能企业的相关专利较为松散地构成了8个技术集群。比较突出的技术集群主要围绕识别方法或装置、语美国头部人工智能企业专利中出现频率最高的前100项技术的共现关系；这些企业的专利数量更多，并且形成了更为明显的6个技术集群。除了中国企业大力布局的识别方法或装置、语音识别和数据错误检测等技术，美国企业还更多地在人工智能底层基础层和中间技术层布局，例如处理器架国际金融论坛IFF全球人工智能竞争力指数洞察报告31[1].关于人工智能科研论文的定义，我半监督学习（Semi-supervisedLearning）、强化学习（ReinforcementLearning）、策略梯度（PolicyGradient）、Q-learning、深度强文本分类（TextClassification）、情感分析（SentimentAnalysis）、机器翻译（MachineTranslation）、问答系统（QASystem）、对话图像识别（ImageRecognition）、目标检测（ObjectDetection）、图像分割（ImageSegmentation）、视频分析（VideoAnalysis语音识别（SpeechRecognitio深度学习工具:神经架构搜索（NeuralArchitecturalSearch）、模型压缩（ModelCompression）、量化（Quantization）数据处理:数据增强（DataAugmentation）、特征提取（FeatureExtraction）、数据预处理（DataPreprocessing）AI芯片及硬件:GPU、TPU、神经形态计算（NeuromorphicComputing）上述词组，未必穷尽所有人工智能相关的科研论文及专利主题，基于穷举本文末尾关于共现分析的研究，引用了上海科技大学杨中的图，原文载于中国科学院院刊2024年第6期“科学与社会”。[2].WIPO.(2023).GlobalAIPatentLandscapeReport2022.WorldIntellectualPropertyOrganization.[3].Lee,K.,&Wong,C.Y.(2023).AIIndustrialPoliciesandGlobalPowerDynamics.NatureMachineIntelligence,5(4),287-299.[5].EuropeanCommission.(2023).AIWatch:BenchmarkingAIDevelopmentintheEU.PublicationsOfficeoftheEU.[6].Cockburn,I.,etal.(2022).TheGlobalAITalentTracker.MITSloanSchoolWorkingPaper.[7].Floridi,L.,etal.(2023).EthicalAIGovernanceandNationalCompetitiveness.Science,379(6638),1108-1111.[8].Allen,G.,&Husain,A.(2021).AIandthe