2023年全球人工智能最具创新力城市排名发布了!
7月6日,中国国际数字和软件服务交易会(简称“数交会”)在辽宁省大连市开幕。在会议期间举办的第二届中国计算机学会东北论坛中,AMiner联合智谱研究发布2023年全球人工智能最具创新力城市榜单(https://www.aminer.cn/ranks/aicity),以及全球人工智能创新城市500强分析报告。美国在全球人工智能创新城市的数量和影响力均处领先位置。中国共有42个城市进入500强,总城市数量位居第二。

全球人工智能创新城市前100强中,中国有19个城市,分别是:北京、上海、香港、杭州、深圳、南京、西安、广州、台北、武汉、合肥、沈阳、成都、天津、哈尔滨、长沙、新竹、大连、济南。值得注意的是,北京、上海、香港作为中国的超级大都市,其人工智能创新指数进入全球前十一位。其中北京的人工智能创新研究指数位于全球排名第二。
以下内容提取了报告的几个要点。
全球人工智能创新城市地理分布
人工智能高速发展,在全球科技发展当中掀起浪潮。其中,以德国、英国和法国为代表的欧洲地区;中国、日本和韩国为代表的亚洲地区;美国、加拿大为代表的北美洲地区为全球人工智能创新城市三大分布区。

图表 1 全球人工智能创新城市前500城市数量4以上国家分布
全球人工智能创新500强的城市分布在57个国家,城市数量在4个及以上的国家有27个。其中,美国有143个城市入围500强的榜单,占城市量的28.6%。同时,数据显示,美国旧金山湾区在全球人工智能最具创新力城市评选中排名第一。全球人工智能创新力城市前100的榜单中,美国入围的城市有33个,中国的城市有19个。可以发现,美国仍然是全球人工智能创新城市的集中地。



图表2 全球人工智能创新力排名前100城市
全球人工智能创新城市500强中,中国有42个城市,城市数量居第二。全球人工智能创新城市前100强中,中国的城市有19个,分别是:北京、上海、香港、杭州、深圳、南京、西安、广州、台北、武汉、合肥、沈阳、成都、天津、哈尔滨、长沙、新竹、大连和济南,其中北京排名全球第二。
北京引领中国人工智能发展
全球人工智能城市创新指数是反映城市人工智能创新水平的重要指标。该创新城市指标模型包括4个一级指标:论文、学者、机构和国际合作。
通过对创新指标分析得出,北京的创新指数位列全球前十,排名全球第二。而在论文、学者、机构和国际合作四个维度的得分中,北京居国内首位。香港、上海、杭州、深圳和南京的综合得分进入全球前二十,表现也十分亮眼。

图表 3 全球人工智能学者指数排名前20城市学者占比

图表 4 全球人工智能国际合作指数排名前20城市
全球热门研究为CV、机器学习
对收集的全球人工智能的191237篇论文研究其子领域分布。一共包括了20个子领域,论文较多的领域分别是计算机视觉、机器学习、机器人、经典AI、语音识别、自然语言处理、人机交互和物联网,均在10000篇以上。
虽然现在网络上有不同的语言说计算机视觉“已死”,但是从全球人工智能发表的论文中可以看出,计算机视觉方向的论文依然最多,有24075篇,占12.59%。
其中,大模型作为最近的热门研究领域,在整体论文量的占比当中并不多,但是在自然语言处理领域也占据11%。

图表 5 全球人工智能子领域研究分布
中美人工智能研究呈现差异化
中国和美国作为人工智能研究的两大强国,论文数量及子领域研究分布呈现了较大的差异。目前全球人工智能研究美国仍处于领先位置,相关论文量是中国的2倍。美国侧重于机器学习、计算机视觉、机器人等的研究,而中国则是计算机视觉、经典AI、物联网;尤其是物联网,论文量约是美国的2倍。

图表 6中美人工智能子领域研究论文量(单位:篇)
本报告基于AMiner科技情报大数据平台(https://www.aminer.cn/ranks/aicity),对2013-2022年间顶级人工智能领域期刊和会议的所有出版物进行分析。通过计算机算法计算公式从论文指数、学者指数、机构指数和国际合作指数四个维度进行分析,按照权重计算得出城市的创新指数,得出全球人工智能创新城市500强分析报告。
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。