哪些机构或国家（地区）发表的 AI 研究是最具影响力的？
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
