文献分享 | AIGC全球格局暗藏危机!中美争霸,非洲崛起,我们该如何应对?

ChatGPT点燃全球AIGC研究热潮，但这份最新发布的“全球AI研究地图”却揭示出一个残酷现实：研究遍地开花，但成果与话语权仍高度集中于少数国家，且严重偏向应用，基础学科几乎缺席。

武汉大学研究团队通过系统分析2022年11月30日至2024年7月31日期间，来自Web of Science核心合集的11,638篇AIGC相关文献，绘制出一份详尽的 “后ChatGPT时代全球AIGC研究版图” 。这不仅是数字的堆砌，更是一次对AI时代全球知识生产格局的深度透视。

中美主导：亚洲46%的论文来自中国，美洲65%来自美国，巨头垄断格局清晰。

基础学科融合不足：研究扎堆于计算机、医疗、社科，而与数学、物理等基础学科的交叉仍属“荒漠地带”。

影响力严重不均：大洋洲、非洲论文总量虽少，却凭借高质量国际合作，在部分领域成就了惊人的影响力。

这映射出一个深层问题：AIGC的发展，依然在重复“技术追随经济”的旧剧本。若不能打破学科壁垒、推动资源更公平流动，所谓“AI赋能所有人”的愿景，或将始终停留在愿景。

人工智能生成内容（AIGC）服务旨在支持快速和个性化的多模态内容创作，并广泛应用于数字营销、标准知识服务、视频游戏设计和电影制作等领域（Cao等人，2023）。通过自动化生成大量丰富、个性化、高质量的内容，AIGC已成为创新的驱动力，在下一代互联网范式、元宇宙和数字孪生技术中发挥着关键作用。普华永道的一项研究估计，到2030年，人工智能可能推动全球GDP增长14%，约合15.7万亿美元（PwC, 2017）。这些数字突显了AIGC对经济增长的变革性影响及其在加速技术采纳方面的作用。

作为向数字文明新时代过渡不可或缺的驱动力，AIGC为全球技术和经济发展注入了新的活力，在医疗保健、教育和金融等行业带来了新机遇（Cooper, 2023; Dowling & Lucey, 2023; Khan等人, 2023; Lim等人, 2023; Thirunavukarasu等人, 2023）。然而，由于AI模型的固有特性，加上经济、技术和社会因素，AIGC也带来了伦理、隐私问题、算法偏见和监管监督等挑战（Cotton等人, 2024; Dwivedi等人, 2023; Gao等人, 2023; Lund等人, 2023）。此外，它加剧了全球在技术、经济、教育和资源分配等领域的不平衡（Regmi, 2024; Wang等人, 2024）。因此，探索AIGC如何在不同地区和部门间整合至关重要，这可以提供对其所造成不平衡的见解，并为制定应对策略提供信息，以应对AIGC在全球范围内塑造未来社会发展的角色。

尽管已有大量关于AIGC的研究，但其中许多研究侧重于特定领域或视角，如银行业（Beckmann & Hark, 2024; Chaouali等人, 2024; Kim & Song, 2024）、图书馆（Fruchauf等人, 2024; Lo, 2023; Oddone等人, 2024）和自动驾驶（Xu, Niyato, Chen等人, 2023; Xu, Niyato, Zhang等人, 2023; Zheng等人, 2023）。然而，很少有研究从全球视角探讨AIGC在不同国家和领域的广泛影响。研究者通过采用文献计量学方法绘制AIGC相关研究的全球版图来填补这一空白。它对不同大洲和关键国家在AIGC相关主题上的研究表现进行了宏观层面的分析，提供了关于AIGC跨区域发展的见解。这些发现可以为区域政策制定、国家战略规划、经济投资、资源分配和国际研究合作提供信息。

研究者首先通过回顾和回溯重要文献，识别了检索式的框架，该框架不仅包含AIGC，还包括AIGC工具、技术、任务和应用等；随后，研究者通过文献审查和专家咨询补充了相关关键词；最后，经过几轮调整，研究者获得了包含约100个检索关键词的检索式，以最大限度地提高查全率并确保检索AIGC相关文献的精确度。使用Web of Science核心合集，于2024年9月1日进行了检索，以获取2022年11月30日ChatGPT发布至2024年7月31日期间发表的相关文章、综述和会议论文。这得到了一个包含11,638篇文献的数据集。研究者以联合国成员国及其所属大洲为基准，确定了每篇文章对应的国家/地区及大洲信息。为完整捕捉跨国（地区）合作成果，在统计时将文章均视为其所有作者所在国家/地区的共同贡献，不区分作者位次与具体贡献度。这意味着一篇文章可能同时被归类于多个大洲和国家/地区。基于InCites中的引用主题，数据集中的每篇文章都被归类到唯一的宏观主题和微观主题。引用主题是由荷兰莱顿大学科学技术研究中心（CWTS）开发的算法派生的引用聚类。该系统使用三级层次分类，包括10个宏观主题、326个中观主题和2449个微观主题。宏观和中观主题根据内容进行人工标注，而微观主题则通过其最重要的关键词进行算法标注。这种分类方法具有清晰简洁的宏观主题和全面详细的微观主题，非常适合对不同大洲和国家/地区的AIGC文献进行宏观和微观层面的分析。

除了发表论文数量外，研究者还选择了两个标准化指标作为衡量各大洲和国家/地区学术影响力的主要指标：相对于世界的影响力（IRW）和学科规范化引文影响力（CNCI）。为了尽量减少极端论文数量或引用频率的影响，研究者还使用期刊规范化引文影响力（JNCI）、引文影响力、前1%和前10%的论文作为补充参考指标。

图1展示了ChatGPT发布后AIGC相关出版物的全球分布。数据表明，自那时起，越来越多的国家参与了AIGC研究。具体而言，亚洲和欧洲超过80%的国家/地区对此工作体系做出了贡献。2023年有相关成果的非洲国家增长了750%，截至数据收集日期，已有24个非洲国家发表了AIGC相关论文。这一趋势表明，AIGC研究和应用不再集中在少数技术发达地区，而是正在全球范围内传播。

数据显示了AIGC相关研究的区域不平衡。亚洲和欧洲的出版物数量最多，而美洲的AIGC相关论文比例最高，接近1%。值得注意的是，亚洲的AIGC相关论文主要集中在中国（46%），而美洲则主要集中在美国（65%），这反映了AI技术已成为全球技术竞争格局的焦点。尽管大洋洲总体出版物较少，但澳大利亚和新西兰的贡献引人注目。相比之下，大洋洲的小国尚未显著参与AIGC研究，可能是由于资源有限。非洲有24个国家发表了266篇论文，面临着研究资源和基础设施的限制，这可能减缓AIGC的发展。尽管如此，许多非洲国家正在努力探索AIGC的社会应用并建设其技术能力，即使仅通过一篇文章。

图2展示了全球AIGC文献中的关键词共现网络和主题词的演变趋势。随着时间的推移，研究人员的关注点已经从早期的“对话代理”等术语转向“聊天机器人”，最近转向“ChatGPT”，最终扩展到“生成式AI”。这一进展反映了人机交互从基本的对话机器人到复杂的生成式AI平台的进步，突出了用户体验、功能复杂性和应用场景的持续改进。在技术层面，关注点已从早期的“深度学习”、“GAN（生成对抗网络）”和“CNN（卷积神经网络）”等概念过渡到“NLP（自然语言处理）”和“Transformer”架构，现在则转向“LLM（大语言模型）”。这种转变展示了AI从传统的深度学习方法向以NLP为中心的生成式AI技术的演进，特别是Transformer模型和LLM的发展。

高频关键词表明，自ChatGPT发布以来，“人工智能”已成为AIGC研究的主导关键词。作为一个突出的应用，“ChatGPT”自然在该领域内引起了重大关注和讨论。此外，最近文献中“LLM”和“生成式AI”等术语频率的增加，表明对生成式AI基础技术和核心架构的关注日益增长。这种转变凸显了研究从以应用为导向的工具向基础技术的过渡，标志着AIGC研究从单一模型应用向更广泛的技术基础和理论框架的扩展。

围绕高频关键词的红色节点突出了AIGC研究的最新趋势。一方面，“教育”、“高等教育”、“患者教育”和“健康”等术语表明AIGC技术正在教育和医学领域扩大应用。这表明AIGC正超越科学和学术研究，扩展到各种社会领域，显示出解决实际问题的潜力。另一方面，“提示工程”、“任务分析”、“性能”、“准确性”、“质量”和“可读性”等关键词的频繁共现，反映了对AIGC模型性能和精度的日益关注。研究人员正在探索提高模型输出质量、改善内容可读性以及优化任务执行的方法。这种转变强调了随着AIGC技术从开发走向实际应用，性能优化的重要性。此外，“焦虑”、“挑战”和“未来”等术语的出现表明，虽然技术进步是重点，但研究人员也在考虑与AIGC相关的潜在挑战和社会风险。生成式AI的快速增长引发了与伦理、安全、隐私和社会焦虑相关的问题，促使学者们思考未来发展并应对这些关切。

图3展示了各大洲在宏观主题上AIGC相关研究表现的分布。已发表论文的数量表明，AIGC技术已从电气工程、电子学和计算机科学扩展到各个学科。然而，其在数学和物理学等基础领域的应用仍然有限。这表明，虽然AIGC技术推动了各个学科的进步，但其在基础科学中的潜力可能成为未来一个重要的关注领域，特别是在解决复杂的数学建模、理论验证和物理模拟问题方面。

按大洲检查AIGC论文在各学科的分布发现，亚洲在出版物数量上领先，其次是欧洲和美洲，大洋洲和非洲贡献的成果较少。亚洲的领先地位可能归因于其不断发展的科学基础设施、人口优势和强有力的国家政策。欧洲和美洲以其技术创新以及对AIGC在社会科学、临床和生命科学中应用的关注而引人注目，这反映了它们对AIGC社会和伦理影响的重视。这种关注得到了这些地区强大的科技政策、社会保障和学术自由的支持。在大洋洲，AIGC研究尚未在数学领域取得重大进展，可能是由于资源集中在特定应用领域以及基础理论研究相对薄弱。非洲的AIGC研究刚刚起步，各学科出版物较少，尚未在工程和材料科学领域产出研究，这表明该地区的科学资源和技术发展受到限制。

非洲和大洋洲在AIGC研究以及电气工程、电子学和计算机科学结合方面，在IRW和CNCI指标上得分最高。这一结果与最初的预期相反。对其他指标的分析显示，尽管非洲和大洋洲总体发表文章较少，但其研究的高影响力性质导致其在全球范围内具有相对较高的影响力。

对这些地区论文的详细审查表明，许多是与亚洲、欧洲和美洲的机构合作完成的。这表明，尽管资源有限，加强国际合作可以显著提高科学研究的产出和全球影响力。与此同时，美洲在所有指标上表现出色，显示出强大的整体影响力。亚洲和欧洲在CNCI上得分相近，但亚洲的高被引论文数量以及前1%论文比例均高于欧洲，突显了亚洲在高影响力研究方面的卓越表现。

在临床和生命科学领域，发现与后者有所不同。在亚洲、欧洲和美洲这些出版物数量允许比较的地区中，美洲在大多数影响力指标和标准化指标上领先，其次是欧洲和亚洲。尽管大洋洲出版物数量相对较少，但其高影响力论文的比例仍然可观，而非洲在所有指标上的表现相对较低。

在社会科学领域，大洋洲的影响力尤为突出。尽管仅有189篇论文，大洋洲前1%和前10%的论文比例分别约为15.64%和35.45%，显著超过其他大洲。此外，大洋洲的CNCI为4.28，是各大洲中最高的。非洲在社会科学领域有71篇出版物，其前1%论文比例约为9.86%，仅次于大洋洲。虽然亚洲、欧洲和美洲在社会科学领域表现接近，但欧洲的引文影响力高于亚洲和美洲，导致欧洲的IRW和CNCI相对较高。

值得注意的是，在美洲数学领域发表的24篇文章中，引文影响力超过10，前1%和前10%的论文比例分别为25%和37.5%，表明美洲在数学领域的AIGC研究具有强大影响力。由于论文数量较少，其他学科的测量参考价值有限。

基于发表论文的数量，研究者考察了每个大洲排名前10%的国家，并确定了它们的前5个微观主题。分析显示，来自亚洲、欧洲和美洲国家的研究主要集中在五个微观主题上：深度学习、医疗保健与医学中的人工智能、人机交互、自然语言处理（NLP）和开放数据。

中国在深度学习领域的论文数量上领先。此外，NLP是中国的一个重要研究课题，这与该国在人工智能应用和语言模型方面的快速发展相一致。然而，就引文影响力而言，来自中国的文章与全球和学科平均水平相比略低或相似，与美国相比则存在显著差距。这表明中国在积累高质量、高影响力的研究成果方面仍面临挑战。这种差距可能归因于论文质量的参差不齐，或者许多高被引论文来自其他国家的领先研究机构。

美国表现出卓越的引文影响力，尤其是在医疗保健与医学中的人工智能以及深度学习领域。值得注意的是，在深度学习领域，美国不仅发表了大量论文，而且取得了显著的全球影响力。这突显了美国在人工智能基础研究和技术应用方面的领先地位，特别是在医学和医疗保健等实际领域。

与亚洲、欧洲和美洲的其他国家不同，英国的前五大研究主题中不包含开放数据。相反，它专注于抄袭检测，在该领域具有显著的引文表现。这表明英国在学术伦理、反作弊措施和教育技术中AI应用的研究获得了学术界的重大关注。

尽管非洲国家的AIGC出版物较少，但它们通过国际合作，特别是与亚洲、欧洲和美洲的合作，提高了其科学研究的影响力。埃及的研究与欧美国家的研究高度一致，而南非的关注领域则有所不同。除了人机交互和技术接受模型外，南非的研究还涉及健康素养、西布曲明和抄袭等具体问题。

澳大利亚在深度学习、医疗保健与医学中的人工智能以及人机交互等全球热门主题上表现出强大的引文影响力。此外，澳大利亚在抄袭和西布曲明方面的研究也值得关注，反映了其对学术诚信和健康技术应用的重视。

尽管不同国家在各主题上发表的论文数量相对相似，但引文影响力差异显著。例如，印度在人机交互和开放数据方面表现出色。意大利和西班牙在人机交互方面具有显著的引文影响力，其中西班牙的NLP论文尤其具有影响力，但其深度学习论文的影响力较小。这些差异突显了各国在AIGC相关资源分配、技术优势和研究需求方面的不同，为全球发展格局提供了宝贵的见解。

AIGC的爆发并未带来均衡发展，反而凸显并加剧了全球在技术、资源与影响力上的鸿沟。

研究发现，全球研究高度集中在中美两国及计算机、医疗、社科三大应用领域，而数学、物理等基础学科则近乎空白。尽管大洋洲和非洲的论文总量少，但它们通过高质量的国际合作，实现了惊人的影响力“性价比”，这揭示了合作而非孤立是提升研究质量的关键。

面对这种失衡，未来行动需聚焦三点：

1. 推动公平与合作：全球应共同制定AIGC伦理与标准，并通过多边平台加强资源共享，尤其要支持非洲等地区的能力建设，以缩小数字鸿沟。

2. 引导战略投资：各国应依据自身优势布局（如美国深耕医疗AI），投资者则需前瞻性关注深度学习、NLP等核心技术，推动技术向欠发达地区扩散。

3. 深化学科融合：研究人员必须打破学科壁垒，将AIGC与基础科学深度融合，同时主动拓展国际合作网络，特别是与南方国家的协作，以夯实长远创新的根基。

唯有打破垄断、促进资源公平流动，AIGC才能真正赋能全球，而不只是重复“技术追随资本”的旧剧本。