新聞 
反超美國! 中國43.7%霸榜ICLR 清北交浙全球最多
反超美國! 中國43.7%霸榜ICLR 清北交浙全球最多反超美國! 中國43.7%霸榜ICLR 清北交浙全球最多
ICLR 2026落幕，5356篇論文機構歸屬全解析：中國43.7%正式反超美國，歐洲整片大陸加起來不如新加坡+韓國。
反超！
ICLR 2026，全球AI叁大頂會之壹，剛剛在巴西裡約落幕。
有社區研究者逐篇扒開5356篇被接收論文PDF首頁、提取機構署名、清洗歸壹後，壹張Treemap熱力圖炸翻了整個學術圈：
中國大陸，43.7%。美國，31.9%。歐洲（含英國），5.3%。
中國壹把反超美國12個百分點，直接拿下近半壁江山。
而曾經的AI研究重鎮歐洲，整片大陸加起來的貢獻，還不如新加坡和韓國兩個國家的總和。
數據來自開發者Dmytro Lopushanskyy的開源項目，他從OpenReview抓取全部論文PDF，精准鎖定每篇論文發表時的真實署名機構。
5356篇，96%成功解析，方法論完全公開。
中國軍團
高校「鐵叁角」+大廠集體出擊
打開這張Treemap熱力圖，中國那片紅色區域大得扎眼。
高校方面，清華大學以332篇獨占鰲頭，幾乎是「壹校抵壹國」的存在。
上海交通大學240篇、浙江大學232篇緊隨其後，構成了中國AI研究的「鐵叁角」。
北京大學229篇、中國科學技術大學148篇、復旦大學147篇同樣穩居前列，中國科學院大學、南京大學、哈爾濱工業大學等也各有百篇左右的體量。
更值得關注的是企業軍團的集體亮相——阿裡巴巴135篇、華為(专题)111篇、字節跳動107篇、騰訊94篇。
這肆家大廠加起來就是447篇，比許多國家的全部產出還要多。
上海AI Lab（135篇）作為新型研究機構同樣殺入了第壹梯隊。
壹個清晰的信號是：中國的AI論文產出已經是「高校+企業+新型研究機構」的系統性碾壓。
美國：Oral論文仍強勢
美國占比31.9%，乍壹看並不難堪——但要知道，就在兩叁年前，這個數字還是40%以上。
Paper Copilot數據顯示，ICLR 2023美國歸屬計數7931，中國4871；ICLR 2024美國11977，中國9243。到了2025，兩邊幾乎已經貼身肉搏：中國18906，美國18875。
美國的核心陣地仍然是那些老牌名校：斯坦福177篇、卡耐基梅隆167篇、MIT 167篇、UIUC 99篇、哈佛83篇、NYU 77篇。
美國機構在Oral論文（僅占全部論文的4%）中的占比依然高達約40%，而中國在Oral中的占比約為30%。
也就是說，美國在「塔尖」質量上仍有優勢，但「塔基」的規模已經被中國超越。
企業端，微軟143篇領跑美國產業界，谷歌68篇、英偉達73篇、Meta 103篇、亞馬遜72篇，科技巨頭的研究投入依然可觀。
值得壹提的是，本屆ICLR官方最終表彰的兩篇Outstanding Papers和壹篇Honorable Mention中，兩篇來自美國機構，壹篇來自歐洲合作成果。
這說明美國在頂級論文的原創深度上仍然掌握著話語權。
香港(专题)、新加坡、韓國：小體量，大能量
香港占到了7.7%的份額。香港大學（152篇）、香港科技大學（148篇）、香港中文大學（139篇）叁校加起來就貢獻了近440篇論文。
要知道，整個香港的人口不到800萬人，這個人均AI論文密度堪稱恐怖。
新加坡同樣不容小覷，占比5.5%。新加坡國立大學173篇、南洋理工大學137篇，兩所高校撐起了壹個「AI小巨人」。
韓國的KAIST以110篇躋身全球前列，首爾國立大學79篇，也證明了東亞AI研究群體的整體崛起。
歐洲：5.3%，壹個令人尷尬的數字
再看歐洲，畫面就不那麼好看了。
英國3.0%，瑞士靠ETH Zurich（78篇）和EPFL（55篇）兩校撐場，加拿大(专题)的McGill/Mila（74篇）表現不俗但也難改大盤。
整個歐洲加在壹起——英國、瑞士、德國、法國、荷蘭——占比僅5.3%。
壹個扎心的對比：新加坡和韓國兩個國家的貢獻量，超過了整個歐盟 27 國。
資金投入不足、人才外流、產業落地緩慢，這叁重困境正在把歐洲推向AI研究的觀眾席。
數量不是壹切
但規模優勢是真實信號
當然，有人會說——論文數量不等於論文質量。
這話沒錯。美國在Oral論文中的優勢、在傑出論文獎上的壟斷地位，都說明「質」的較量遠未結束。
但換個角度看：當壹個國家能夠系統性地、年復壹年地在頂級會議上產出占比超過40%的論文，這背後是人才儲備、資金投入、產學研協同的全面就位。
更關鍵的問題是：誰能把論文更快轉化為產品？
當中國的大廠們壹邊在ICLR上刷論文，壹邊在國內市場上卷大模型、卷應用落地，這種「研究-產品」的飛輪效應正在加速。
下壹步的競爭焦點，將從「誰發了更多論文」轉向「誰先把論文變成改變世界的產品」。
[加西網正招聘多名全職sales 待遇優]
| 分享: |
| 注： |
| 延伸閱讀 |
推薦: