白宫曾发布报告说，中国在人工智能领域已经超越美国，成为世界第一，然而，10月中旬发布的《乌镇指数：全球人工智能发展报告（2016）》却指出，在人工智能方向，全球排名TOP50的大学中没有一所中国大陆大学。
此前小编曾看过一篇文章，说美国白宫发布《国家人工智能研究与发展策略规划》报告，称“按文章数计算，美国已不再是世界第一了。”那么谁是世界第一呢？报告提供了两张趋势图，从两张图上可以可出，这个世界第一居然是中国！
上图是每年SCI收录的文章里，提到“深度学习”或“深度神经网络”的文章数量变化趋势，同时按国家做了区分。数据本身是从Web of Science核心数据库里查询得到的。
第二张图和第一张图其他条件一样，只是增加了一个“文章必须至少被引用一次”的附加条件。也就是说，第二张图统计的文章数，是被引用过的“有效文章数”，相对来说更合理一些。
但是，10月中旬，乌镇智库联合网易科技、网易智能发布了《乌镇指数：全球人工智能发展报告（2016）》系列报告。该报告的研究成果部分表明，在人工智能方向，全球排名TOP50的大学中没有一所中国大陆大学。
报告中指出这份人工智能大学排名是基于学术与影响力两方面来进行排布的，其中：
-学术包括学校人工智能领域发表论文数量、单论文质量、论文被引用数三个指标。
-影响力包括人工智能领域杰出校友数，维基百科人工智能方向被引用数两个指标。
查阅整份报告之后，我们发现人工智能全球Top50的大学几乎都是来自北美、英国以及其他欧洲地区的大学，唯一上榜的亚洲大学分别是排名37的台湾大学、排名47的东京大学、以及排名50的新加坡国立大学。
由此可见，在AI基础研究领域，中国与美国的差距比较大。搜狗CEO王小川在此前接受媒体采访时表达过类似观点，“当前，中国在人工智能领域与美国的差距主要在高校。因为一篇顶尖论文发表后，我们大概在3、4个月就能消化吸收，所以在应用领域，我们与美国的差距不大。但在基础研究方面，我们的差距是巨大的。”
对于这份榜单，香港理工大学的曲晓峰有自己的看法，他认为排行榜需要完整地看，各项指标的设置到设计指标的人，都要考虑进去。
首先，这个榜单针对的是人工智能，人工智能的定义其实还是很模糊的，哪些领域、哪些指标需要纳入进来作考虑是比较模糊的。尤其，杰出校友、成功人士多是经历广泛，难以归入某校。
另外，论文数量和引用，这个指标非常容易统计，但不够有力。美国大学发表英文论文非常容易，这个就容易做得很高。台湾大学、东京大学、新加坡国立大学都是亚洲的大学，但国际化做得比较好，所以名次也就比较好。
再一个是国防问题。国内所有顶尖大学，都有保密的问题，我们航空航天的科研，是完全对外保密的。而上榜地区绝大部分是对美透明的，所以那些学术成果，对英美是完全开放的。
还有一个可能的因素，就是论文引用数的提升，需要时间。
他觉得中国及香港高校并没有我们想的那么差：
一方面是，总体排名上，中国大陆和香港大学，不至于榜单显示得这么不堪。榜单所选取的参数，明显滞后于现状，而且由于这些参数内生的特性，还将继续滞后一段时间；
另一方面是，设计的指标，为了便于统计使用的都是容易获取的指标。例如专利数、论文数、引用数等；专利的问题，欧美日本的习惯是，一个专利要在多个地区注册，因为不同的国家和地区，专利不通用，谁先抢注算谁的。我国除了少数几个国际化的公司，大多数中小公司和科研院所还没有这方面的习惯。
最后，即使是现在这个状况，也很明显，中国大陆和香港都是在迅速赶超，只不过对于这样一个参考参数明显滞后的榜单而言，要想显示出当前现状，它的参数至少落后了几年的时间。举个例子，PCA 这种非常简单的基础算法，是 MIT 八十年代用在人脸识别上的，现在已经没人这么用了，但只要提到人脸识别，总还是要引用一下。这造成的引用数还会持续的虚增好一段时间。但了解现状的人都知道 MIT 对人脸识别，早已经失去兴趣了。
清华大学的徐魁也认为榜单的有失偏颇，他说，“我觉得这种评价方式是不准确的，这种评价方式有将以往的研究成果的权重给的很高倾向，也就是说这个指标只代表了大陆过去在人工智能方面的成绩。中国最近几年在深度学习、计算机视觉、语音识别、以及自然语言处理等方面取得了成就是非常可观的，而这个影响力现在在整个人工智能领域的全范围中目前体现不出来。” 那么，中国到底有哪些高校在人工智能方面比较牛呢？
不出意料，清华大学排名第一，北京大学、上海交通大学紧随其后，广东的大学未入前十强，中山大学和华南理工大学分别列11和18位，珠三角的人工智能基础研究与北京和长三角相比，仍有不少差距。
那么，在人工智能领域，中国应该做什么基础性的研究呢？中科院院士杜江峰认为，“一般讲从科学到应用到产业，这是一个完整的链条，尽管很多的技术是从科学上得到的。比如到医院去检查的呈现，这样一个技术，是非常常规的检查。现在这个行业很多公司在做，70年代开始已经有了，从一个科学的发现，到一个技术的产生，到形成一个产业的规模，有一个相对长期的过程。可以这么说科学是技术的源泉，否则将来要做原创性或者新的技术发现，在科学上要有一定的基础。这也是为什么任何一个强国或者任何大国一定有雄厚的科研力量？你可以看到，在这方面，国际上做得非常好的是美国。
“在上世纪中叶之前，基本上欧洲做得很好，在过去一百年左右欧洲很好。但是过去一世纪，美国做得很好，有很强大的基础硬件能力。
“中国这几年硬件方面，中国科技的发展，满打满算就50年的时间。从过去几十年里面，从一个刚开始完全是，我在中国科研机构里面，在大学里面实验研究很少，基本上做理论研究，因为国家经济能力，现在国家有一些经济体量，开始逐渐了，逐渐逐渐有一定的影响力，有一定的基础研究的成果出现。
“比如华为，是一个原创的，有一些原始创新力的，有一个核心知识产权能力的企业出现，但不是很多，人家是成片。现在为什么说经济转型？这条路很长，没有一个很好跟踪技术出现？需要对整个社会，科学不是一时半会，一定是长时间的积累。技术的进步会推动科学的进步了，这两个相辅相成。产业这块，比如小i，大学可以几百年的历史，但一个企业可能就几年，几十年，而且中国企业的寿命可能更低，原因是什么？
“一旦看到一个挣钱的机会，大家都去拼，这不是一个正确的方式，一定是把一件事情做得最好，扎扎实实踏踏实实把一件事情做得最好。无论哪个行业，这个道理是相通的。技术的研究了一定是冒着科学的前沿去，价值是无中生有的，原来是没有的，好的技术是你有我有，而且你优我优，这是更好。
“我作为一个科研研究人员，我们的目标一个是培养人才，人才培养是更关键更基础的，如果人才培养不出来，也谈不上未来的创新，未来的新技术。要给一代代人的使命，中国不管怎么说，发展很快，在科学的使命上从无到有已经建立了基础。”
最后，小编认为，尽管中国在人工智能的应用领域能够紧跟世界最先进的脚步，但是在基础研究领域，中国确实仍存在着较大的差距，中国AI行业目前所处的瓶颈，每个国家都有遇到，我们有自己的优势，也有自己的劣势，我们应当抛弃过往重视商业不重视学术的偏见，产学研紧密合作推动AI产业的全面发展。
