作為人工智能界嘅「奧斯卡」，第39屆神經信息處理系統大會（NeurIPS 2025）喺12月2日至8日喺美國聖地牙哥同墨西哥城雙城舉行，吸引逾2.5萬名研究者、企業領袖同開發者出席。此次大會收咗約2萬篇投稿，最終接受5858篇，接受率僅25%，創歷史新低。統計顯示，美國同中國機構主導咗絕大部分論文：美國約2450篇，中國2370篇，差距不足5%，合共佔全球AI前沿研究近90%。喺頂級50個貢獻機構中，美國以企業實驗室（如Google DeepMind、Meta、Microsoft）為主，中國則以學術同政府機構（如清華大學、中國科學院、北京大學、上海交通大學）見長。呢個「雙雄爭霸」格局唔止體現在論文數量上，喺最佳論文獎（Best Paper Awards）亦好明顯：4項最佳論文入面，2項由中國團隊主導，1項係中美合作，1項由美國獨佔。此外，Test of Time Award授予十年前嘅經典論文《Faster R‑CNN》，作者包括中國學者何恺明（Kaiming He）同孫劍，進一步凸顯中國喺計算機視覺領域嘅深厚積累。NeurIPS 2025嘅獎項同亮點，反映出AI由「規模競賽」轉向「深度推理與可持續創新」，同時預示中美AI領導力並駕齊驅會重塑全球科技生態。
NeurIPS作為機器學習與神經網絡領域嘅頂級會議，自1987年起已發展成AI創新嘅風向標。2025年大會新增「位置論文軌道」（Position Paper Track），鼓勵探討AI嘅社會影響，投稿量激增約30%。主題集中喺大型語言模型（LLM）、多模態學習、強化學習（RL）同擴散模型，接受論文中LLM相關佔比高達35%，推理與評估類論文佔13%。獎項評選由數百名審稿人參與，標準嚴謹：創新性、可重複性同影響力。大會官網喺11月26日公布獲獎名單，喺全球引發熱議。以下逐一剖析主要獎項，揭示其技術內核與意義。
最佳論文獎（Best Paper Awards）係NeurIPS嘅「皇冠」，2025年共評選4項，涵蓋生成式AI理論、RL同LLM架構創新。其中，中國團隊嘅《Gated Attention for Large Language Models: Non‑linearity, Sparsity, and Attention Sink Free》獲一席，由阿里巴巴通義千問（Qwen）團隊嘅Zihan Qiu等作者完成。該文針對LLM注意力機制嘅痛點，提出喺Scaled Dot‑Product Attention（SDPA）之後加入頭特定sigmoid門控（head‑specific sigmoid gate），引入非線性同稀疏性，提升模型穩定性、對學習率嘅容忍度同長上下文表現。實驗比較咗30種15B MoE模型同1.7B稠密模型，訓練於3.5萬億token嘅資料集，結果顯示門控機制可以改善性能5–10%，並解釋其喺低秩映射上嘅非線性作用，以及查詢依賴型稀疏門控對SDPA輸出嘅調制。評審委員會讚賞其「簡單修改帶來系統性提升」，呢唔止係對LLM架構嘅微調，仲為「注意力沉沒」（attention sink）問題提供理論框架。作為中國唯一入選嘅最佳論文，呢個獎項凸顯阿里巴巴喺基礎模型領域嘅全球競爭力。
另一篇最佳論文《Artificial Hivemind: The Open‑Ended Homogeneity of Language Models (and Beyond)》由華盛頓大學、卡內基梅隆大學同Allen Institute嘅Liwei Jiang等作者完成。文章揭示LLM喺開放式生成任務中趨向「同質化」：唔同模型輸出愈嚟愈相似，缺乏人類式嘅多樣性，惹起對「思想同化」嘅憂慮。研究團隊引入Infinity‑Chat數據集，首次大規模量度開放提示下嘅多樣性，並證明訓練數據偏差係主要根源。評審認為該文「揭示LLM嘅隱憂，並為評估多樣性提供新工具」。呢項中美合作成果（作者中有中國背景學者）強調AI倫理，影響生成式內容嘅安全評估。
第三篇《Why Diffusion Models Don’t Memorize: The Role of Implicit Dynamical Regularization in Training》探討擴散模型嘅泛化機制。作者分析訓練動態，證明隱式正則化喺訓練過程中防止過擬合，確保模型唔會「記憶」訓練數據。該文喺OpenReview上發表，評審突出其理論深度：「為擴散模型嘅魯棒性提供數學解釋。」中國作者比例較高，體現中方喺生成模型理論上嘅貢獻。
第四篇《Does Reinforcement Learning Really Incentivize Reasoning Capacity in LLMs Beyond the Base Model?》質疑RL喺提升LLM推理能力上嘅成效。作者透過實驗證明RL主要係放大基礎模型已經有嘅能力，而唔係創造全新嘅推理路徑。評審表示該研究「挑戰RL迷思，推動更高效嘅訓練方法」。呢項以美國為主導嘅研究，引發對RL範式嘅反思。
Test of Time Award授予2015年嘅《Faster R‑CNN: Towards Real‑Time Object Detection with Region Proposal Networks》，作者Shaoqing Ren、何恺明、Ross Girshick同Jian Sun。該文引入Region Proposal Network（RPN），實現5fps實時檢測，奠定咗現代計算機視覺嘅基礎。十年之後，其影響超過萬次引用，推動YOLO等後續工作。評審強調：「R‑CNN由提案到端到端訓練嘅轉變，定義咗檢測時代。」作為由中國學者參與嘅經典論文，呢個獎項彰顯其重要貢獻。
此外，NeurIPS 2025新增Sejnowski‑Hinton Prize，表彰橋接生物大腦同AI嘅研究，首屆獲獎成果係一項模擬皮層觸覺計算嘅RL工作。Datasets & Benchmarks軌道嘅最佳論文則探討創意內容嘅多樣性。
中美主導嘅原因係多方面。美國優勢喺於企業生態：Google DeepMind、Meta同Microsoft實驗室貢獻超40%論文，呢啲機構擁有大量計算資源（如Nvidia Blackwell GPU）同跨學科人才。硅谷作為「人才磁場」吸引全球精英，2025年AI博士薪資中位數超30萬美元。中國則靠學術同政府合力：清華等院校獲國家「雙一流」支持，AI專利佔全球70%。政府投資超過1000億元，推動「新一代AI」計劃，培養本土人才。投稿數據顯示，中國論文平均引用率2.8、美國4.2，但中國數量增長更快。共同推動係AI「規模定律」：中美掌握約70%全球投資，61%人才。歐洲嘅碎片化（僅一間機構入前50）凸顯中美「國家戰略」嘅優勢。
後續影響將重塑全球AI版圖。首先，競爭會加劇：中美「並駕」可能催生雙軌生態，美國企業主導應用，中國學術喺理論上領跑。獎項中中國佔比50%預示開源模型如Qwen可能侵蝕Llama嘅市場份額。其次，全球合作機遇仍然存在：NeurIPS雙城舉辦象徵包容性，中美合著論文比例約20%。但脫鉤風險亦上升：美國嘅芯片禁令可能延緩中國創新。對其他國家嚟講，新加坡（NUS、NTU）同阿聯酋（MBZUAI）入前50證明「針對性投資」可以彎道超車。歐洲需整合資源，避免碎片化。長遠來睇，獎項推動AI倫理討論，例如「同質化」論文警示思想多樣性嘅缺失。
NeurIPS 2025唔只係一場學術盛會，仲係AI「中美時刻」嘅鏡像。喺「代理時代」，呢啲獎項預示推理同生成模型嘅融合，將驅動萬億美元級別嘅產業。作為全球AI嘅燈塔，NeurIPS提醒大家：創新唔只係數量，仲有質量同責任——中美主導，或可成為全球共贏嘅起點。