一项针对 317 家 AI 独角兽的发表记录分析，给出了一个明确但容易被误读的数字：超过一半的公司，从未在任何学术论文中担任第一作者或通讯作者。这并不等于这些公司没有研发能力，却说明 AI 产业的核心成果越来越少通过传统论文渠道进入公共知识体系。
“没有主导论文”究竟意味着什么
第一作者通常承担主要研究工作，通讯作者通常负责研究方向、学术沟通与成果责任。用这两类作者身份衡量企业是否主导论文，比只搜索公司名称更严格：员工参与合作论文、排在中间作者位置，并不能证明公司主动推动了公开研究。
但这个指标也有边界。它不能直接回答以下问题：
- 公司是否发表过中间作者论文；
- 员工是否以高校或个人身份署名；
- 公司是否通过开源代码、技术报告、专利或产品文档公开成果；
- 没有论文究竟源于商业保密、缺少研究团队，还是业务本来就不需要原创研究。
因此，更准确的结论不是“超过一半的 AI 独角兽没有研究”，而是“超过一半没有留下由公司主导、可按第一作者或通讯作者身份识别的学术发表记录”。这两个表述之间差别很大。
为什么论文正在失去产业中的中心位置
对商业 AI 公司而言，发表论文存在直接成本。论文会暴露模型结构、数据处理方法、评测方案和下一步研发方向；同行评审周期也可能慢于产品迭代。特别是在基础模型竞争中，训练数据、后训练流程、推理优化和用户反馈闭环往往比单个算法点更有商业价值，公司自然倾向于把它们留在内部。
与此同时，产业成果的载体已经分化。模型卡、系统卡、开源仓库、API 文档和基准测试报告，都可能比传统论文更快触达开发者。但这些材料通常缺少统一的同行评审、作者责任和复现实验要求。企业“公开了信息”不一定意味着外部研究者能够验证其结论。
这会带来三个后果：公开研究难以了解领先系统为何有效；创业公司的技术尽调更依赖内部材料；高校与产业之间的知识流动，也更可能通过人才迁移而不是论文完成。
可以这样实践：审计一批公司的论文主导记录
下面是一个可运行的最小示例。假设你已经从 OpenAlex、Crossref 或内部数据库导出 CSV，并人工或程序化确认了作者角色。示例只演示如何统计，不能替代作者消歧和机构归属核验。
先创建 publications.csv：
company,paper_id,author_role
AlphaAI,W001,first
AlphaAI,W002,middle
BetaML,W003,middle
GammaCompute,W004,corresponding
DeltaVision,,none
再运行以下 Python 脚本：
import csv
from collections import defaultdict
LEAD_ROLES = {"first", "corresponding"}
records = defaultdict(lambda: {"papers": set(), "lead_papers": set()})
with open("publications.csv", newline="", encoding="utf-8") as file:
for row in csv.DictReader(file):
company = row["company"].strip()
paper_id = row["paper_id"].strip()
role = row["author_role"].strip().lower()
records[company] # Ensure companies with no papers are counted.
if paper_id:
records[company]["papers"].add(paper_id)
if role in LEAD_ROLES:
records[company]["lead_papers"].add(paper_id)
companies = len(records)
without_lead = [
company
for company, data in records.items()
if not data["lead_papers"]
]
print(f"Companies: {companies}")
print(f"Without lead-author papers: {len(without_lead)}")
print(f"Share: {len(without_lead) / companies:.1%}" if companies else "Share: n/a")
print("Companies without lead papers:")
for company in sorted(without_lead):
print(f"- {company}")
执行命令：
python3 audit_publications.py
在真实分析中，至少还要补上公司曾用名、母子公司关系、同名作者、双重机构署名和通讯作者缺失等处理。最好同时报告三个数字：完全没有论文的公司、参与过论文但从未主导的公司，以及至少主导过一篇论文的公司。这样可以避免把“没有主导发表”偷换成“没有发表”。
阅读这类排名时应检查什么
判断一家 AI 公司是否开放，不能只看论文数量。更实用的检查清单包括：
- 统计口径是否覆盖第一作者、共同第一作者和通讯作者；
- 公司名称、历史名称和关联实验室是否完成消歧；
- 时间窗口是否公平，年轻公司是否被直接拿来和老牌实验室比较；
- 是否同时评估代码、权重、数据、评测方法和安全报告；
- 论文中的关键结论能否由外部团队复现；
- 商业宣传使用的指标，是否有可检查的测试集和实验条件。
317 家公司的统计更像一盏警示灯，而不是研究能力排行榜。它揭示的核心变化是：商业 AI 的价值创造与公共学术记录正在脱钩。对开发者、投资人和政策制定者来说，真正需要追问的不是“为什么没有论文”，而是“在缺少论文时，我们还能依靠什么证据验证技术声明、评估风险并积累公共知识”。