北京
最近，AI三大頂會之一ICLR 2026放榜，中國大陸論文占比43.7%，加上香港7.7%，中國機構合計拿下全球超過一半的錄用席位，首次超過美國的31.9%。
高校端，清華大學332篇，位列全球第一。斯坦福177篇，MIT 167篇，清華一家的數量大約等于這兩所學校相加。上交、浙大、北大、港大也都排進全球前列，中國高校在這份榜單上已經不是零星出現，而是密集鋪開。
企業端同樣如此。阿里巴巴和上海AI Lab各135篇，華為111篇，字節跳動107篇，騰訊94篇，五家合計582篇，超過很多國家的全國總產出。上海AI Lab的出現值得單獨注意，這家介于高校和企業之間、有政府資本背景的新型科研機構，正在成為中國AI研究生態里越來越重要的第三極。
ICLR是AI三大頂會之一，同行評審，沒有主場優勢。這些數字是真實的。
中國每年工程類博士畢業生數量已經是美國的數倍，相當大比例集中在AI相關方向。頭部高校和企業研究院之間的聯培體系，把工業界的算力和數據資源直接接入了學術產出的鏈條。過去十年從985高校到國家實驗室，AI方向的資源注入是持續性的、系統性的。
這三件事疊在一起，論文數量的上升是結構性的結果。
但論文數量不等于質量。
在ICLR里更受關注的是Oral論文，它們的 評審標準不只是結果好不好，還包括這項工作有沒有改變研究者思考這個問題的方式，是更有原創性、更能影響未來方向成果。
ICLR的Oral論文通常只占總錄用量的4%左右，本屆Oral論文里，美國機構占比約40%，中國約30%。杰出論文獎，仍然更多落在歐美機構手里。
中國AI目前產出密度最高的方向，是把已有的問題解決得更好，比如工程優化、benchmark提升、規模化落地。這些工作的價值是真實的，很多也相當扎實。
只是在另一類工作上，也就是提出一個新問題、讓全球研究者跟著這個問題走上好幾年，中國機構還沒有形成穩定的產出。
這可能也不是能力的問題。現有的激勵結構——論文發表與畢業、考核、融資掛鉤——傾向于選擇兩年內能出結果的方向。自由探索需要更長的周期和更寬的容錯空間，而這些在現有體系里屬于稀缺資源。
科研話語權的核心，是誰在定義問題，定義問題的重要性。
Transformer、擴散模型、RLHF，這些范式都從北美的實驗室里長出來，然后被全球研究者跟著做了很多年，中國研究者也在其中。數量上的領先，意味著中國已經充分進入了這個舞臺。但定義下一個重要問題的能力，還沒有隨之轉移過來。
DeepSeek R1是一個值得認真對待的信號。MoE架構的規模化路徑帶有一定的范式性，不只是工程層面的改進。如果類似的工作能持續出現，這個差距收窄的速度可能快于外界的預期。
中國AI研究者正在做一件前所未有的事，用工業化的速度在全球頂級學術舞臺建立存在感，同時試圖完成從跟跑到并跑的切換。
半壁江山是一個真實的位置。但下一個被全球AI研究者集體追著解答的問題，會不會第一次從中國的實驗室里提出來，這個問題還沒有答案。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
