美国还是中国，谁在主导 AI 研究？
两篇有影响力文章对中美 AI 领先地位给出相反结论，但它们比较的样本与方法完全不同。争议本质不是“谁撒谎”，而是“谁在测量什么”。
本文写于2023年，部分内容可能已发生变化。
最近我看到两篇标题和结论差异很大的文章：
- China trounces U.S. in AI research output and quality（日经）
- Must read: the 100 most cited AI papers in 2022（Zeta Alpha）
Zeta Alpha 在文中写道：从 top-cited 论文来源看，美国仍占主导，并指出此前（引用日经）关于“中国可能已超越美国”的说法，从 citation 角度看“可能被夸大”。
这自然让我很好奇。
Nikkei 是可信媒体，日本又是美国盟友，理论上并没有明显动机“偏向中国叙事”。所以我决定看一下两篇到底差在哪。
结果是：其实不需要挖太深，就能发现两者可能同时为真——因为它们的研究方法和样本空间不同。
而 Zeta Alpha 既然在更晚发布时间里引用了日经，理应更明确地把方法差异直接写给读者，让读者自己判断。
方法论不一样，结论自然会分叉
Nikkei 的方法
Nikkei 与 Elsevier 合作，使用约 800 个 AI 相关关键词筛选学术与会议论文。
在数量层面，他们看到 AI 论文从 2012 年约 25,000 篇增长到 2021 年约 135,000 篇。
Zeta Alpha 的方法
Zeta Alpha 的做法是：
- 在平台里收集每年高引用论文
- 人工核对首发年份
- 再结合 Semantic Scholar 补齐高引用论文
- 用 Google Scholar 引用数做代表指标
- 最终排序得到每年的 Top 100
核心差异在于：Nikkei 看的是一个大得多的论文池；Zeta Alpha 只看每年 top 100。
两者都用 citation 作为“质量信号”，但样本边界完全不同。
例如 Nikkei 提到“2021 年中国在最被引用论文中达到 7,401 篇，比美国高约 70%”，这里对应的是Top 10% 论文池，即约 13,500 篇（基于 135,000 规模）。
而 Zeta Alpha 全文分析主要围绕“每年 top 100”展开。
这显然不是 apples-to-apples 对比。
哪个方法更好？
我不是 AI 学术方法论专家，没法武断说哪个一定更优。
但我确定它们不在同一口径。
如果要认真判断“哪个更好”，至少要先回答：
- 你定义“更好”的标准是什么？
- 更大样本覆盖更多 AI 细分领域。
- 只看 top 100 可能更贴近“头部商业/战略价值集中”的假设，但这个假设本身也需要证明。
- 除了 citation，是否有更好的论文价值衡量方式？
- citation 是常见指标，但并不完美。
- 一个国家 AI 能力与其 top 100 或 top 1000 引用论文占比之间，究竟是什么关系？
- 例如有些高军工或高商业价值研究可能根本不会公开发表。
这里还有很多可继续展开，我就先停在这里。
一些我认为值得再商榷的结论
“OpenAI 在把论文变成 blockbuster 上独一档”
Zeta Alpha 文中提到：OpenAI、DeepMind 不在论文总量 top 20，但影响力高；并进一步提出 OpenAI 在“把论文变成 blockbuster”上独一档。
我会问：这个 conversion rate 为什么是关键指标？它到底代表什么？
另一种同样合理的解释是：
- OpenAI 研究范围更聚焦，发文数量更少
- Google、Meta 等机构研究面更宽，平行推进多个方向，因此发文更多
- 这不必然等于“OpenAI 更擅长把论文做成 blockbuster”
哪种组织方式更好？我不认为答案是单一的。
“美国主导 AI 研究论文”
这类结论在文中主要由以下图表支撑：
我同意：在 top 100（或 top 1000）里的强存在感，确实是国家 AI 实力的重要信号。
但我不认为它应是唯一信号。更合理的是使用一组指标（人才、算力、产业落地、专利、资本投入、关键系统部署等）综合判断。
还有一个方法问题：为什么是 top 100，不是 top 1000？
是理论上就应该看 100，还是因为人工核对工作量限制导致只能看 100？
结论
这又是一个典型案例：现实比标题复杂。
我理解媒体和研究报告会简化叙事帮助传播，但“过度简化”会带来误读。
你觉得评估一个国家 AI 能力，最合理的指标组合是什么？
只看高引用论文数量够吗，还是应加入更广泛的能力信号？欢迎交流。
致敬，
Chandler
