为了弄清这个问题，美国Zeta Alpha平台统计了2020-2022三年之间全世界引用次数前100的AI论文，得出了一些很有意思的结果。
比如：
“当红明星”OpenAI，在论文引用次数最多的机构中名列第9。
然而，在论文发表数量最多的机构榜单上，根本找不到它的名字。
再比如，来自工业界的谷歌Meta微软总是在各项数据都名列前茅，然而总的看下来，学术界也并没有落后工业界。
此外，此前关于“中国AI研究的产出数量和质量可能超过美国”的观点在这份报告中似乎也被破解——
更多以及具体的数据，我们一个一个来看。
中国第二，OpenAI、DeepMind质量取胜
在具体分析之前，Zeta Alpha先统计出了2020-2022每年引用次数最多的论文，它们分别是：
2022年：
1、AlphaFold Protein Structure Database: Massively expanding the structural coverage of protein-sequence space with high-accuracy models
引用次数：1372
机构：DeepMind
主题：利用AlphaFold增加蛋白质结构数据库的覆盖范围
2、ColabFold: making protein folding accessible to all
引用次数：1162
机构：多家合作完成
主题：一种开源且高效的蛋白质折叠模型
3、Hierarchical Text-Conditional Image Generation with CLIP Latents
引用次数：718
机构：OpenAI
主题：DALL·E 2
4、A ConvNet for the 2020s
引用次数：690
机构：Meta和UC伯克利大学
主题：在Transformer繁荣时期成功实现CNN现代化
5、PaLM: Scaling Language Modeling with Pathways
引用次数：452
机构：谷歌
主题：谷歌的540B大型语言模型，一个新的MLOps范式，包含它的实现过程
2021年
1、Highly accurate protein structure prediction with AlphaFold
引用次数：8965
机构：DeepMind
主题：AlphaFold，利用深度学习进行蛋白质结构预测的巨大突破
2、Swin Transformer: Hierarchical Vision Transformer using Shifted Windows
引用次数：4810
机构：微软
主题：ViT的强大变体
3、Learning Transferable Visual Models From Natural Language Supervision
引用次数：3204
机构：OpenAI
主题：CLIP
4、On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?
引用次数：1266
机构：美国华盛顿，Black in AI，The Aether
主题：著名的立场论文，对不断增长的语言模型的趋势持批评态度，强调了它们的局限性和危险
5、Emerging Properties in Self-Supervised Vision Transformers
引用次数：1219
机构：Meta
主题：DINO，揭示了图像的自监督如何导致Transformers中出现某种原型对象分割
2020年：
1、An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale
引用次数：11914
机构：谷歌
主题：第一个展示普通Transformer如何在计算机视觉领域中表现出色的作品
2、Language Models are Few-Shot Learners
引用次数：8070
机构：OpenAI
主题：GPT-3
3、YOLOv4: Optimal Speed and Accuracy of Object Detection
引用次数：8014
机构：中国台湾“中研院”
主题：YOLOv4
4、Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer
引用次数：5906
机构：谷歌
主题：对Transformer的迁移学习进行了严格的研究，产生了著名的T5
5、Bootstrap your own latent: A new approach to self-supervised Learning
引用次数：2873
机构：DeepMind和帝国理工学院
主题：表明negative对于表征学习来说不是必需的
想必大家能从中找到不少“熟悉的面孔”。
接着，Zeta Alpha就对近三年的高引用论文背后的信息进行了一番分析。
首先是“每年论文引用次数进前100最多”的国家（地区）。
可以看到美国强势第一，中国与之的差距比较明显。
因此Zeta Alpha也认为，此前关于“中国在AI方面的研究可能超过美国”的说法至少在这项数据上是不成立的。
除此之外，新加坡和澳大利亚的排名也比较出人意料，分别为第五和第六。
“为了正确评估美国的主导地位”，Zeta Alpha又换了一种统计方式，计算引用次数前100的百分比。
当然，美国仍然第一，但可以看到三年间的占比有所下降。
英国是中美以外最大的竞争对手，不过英国表现突出的2022年，其实主要都是由DeepMind贡献的（占比69%）。
接下来是按组织或机构评比论文引用次数进前100最多的个体。
不太意外，谷歌与Meta微软分列前三，随后是UC伯克利、DeepMind和斯坦福。
OpenAI也收获了一个还不错的名次，第九。第十是MIT，第十一是清华大学。
尽管前三名选手都来自工业界，但是如果只按照机构类型来分，学术界和它的表现其实基本不相上下。
再接着，是过去三年各组织或机构发表的论文总数排名。
老大还是谷歌。第二名比较亮眼，是清华大学，随后是微软、CMU、MIT、斯坦福、UC伯克利、北京大学（第八）、Meta……
可以看到，前十里隶属于学术界的机构或组织占据了大片江山。
而我们找了半天，也没有看到OpenAI和DeepMind的名字——
显然它们发表的论文数量较少，主要靠质量取胜。
为了验证这一猜测，Zeta Alpha也做了一个高引论文转化率的排名。
果不其然，OpenAI摘得桂冠，DeepMind获得第三。
当然，Meta也不错，第四，引得LeCun都出来“现身说法”了一下：
我们Meta确实是更注重质量而不是数量的。
相比之下，高引多但发得更多的谷歌才排第九，差点出前10。
除了这几位，第二名也是亮点——它就是旷视。
以及国内还有商汤也上榜了。
附2022引用Top100完整名单
ChatGPT的火着实盘活了AI产业，最新前沿研究究竟会指往哪些方向？我们也需要更加敏锐地进行观察。
为此，Zeta Alpha也给出了2022年引用进100的所有AI论文的名单，或许对大家有所启发。
1-30：
31-60：
61-90：
91-100：
那么，Zeta Alpha这份报告的全部内容就是这些。
原文可戳：https://www.zeta-alpha.com/post/must-read-the-100-most-cited-ai-papers-in-2022
