AI 模型發展已走入黑箱，超過一半獨角獸從沒發過論文

本文為史丹佛大學 John P.A. Ioannidis 團隊 2026 年 7 月 16 日發表於 bioRxiv 的預印本論文《AI 獨角獸新創在科學文獻中的參與度微不足道》（Negligible participation in the scientific literature of AI unicorn startups）全文翻譯，原論文採 CC-BY 授權，由動區動趨翻譯整理。
（前情提要：OpenAI 財務黑洞浮現：單年虧 385 億美元，分析師警告連鎖崩盤即將開跑）
（背景補充：OpenAI 前技術長 Mira Murati 兩年首作實測：西方最強開源 AI，實測卻被手機模型打敗）

研究資訊

論文標題：Negligible participation in the scientific literature of AI unicorn startups（AI 獨角獸新創在科學文獻中的參與度微不足道）

作者：Quentin E.A. Loisel、Alejandro Sandoval-Lentisco、John P.A. Ioannidis（通訊作者，史丹佛大學）

發布日期：2026 年 7 月 16 日｜來源：bioRxiv 預印本（DOI: 10.64898/2026.07.15.738744）

摘要

人工智慧（AI）的發展集中在私人企業手中，但這些企業參與科學發表的情況一直缺乏了解。我們對全部 317 家 AI 獨角獸新創（1998 至 2025 年）進行文獻計量分析，僅辨識出 1,389 篇合格的同儕審查論文與 688 篇預印本，其中包含某種程度的新創公司主導貢獻。超過半數的新創公司（52.4%）沒有產出任何合格的科學成果，只有 24 家公司（7.6%）產出過任何高被引論文（引用數 200 次以上）。科學影響力高度集中：前 10% 的公司佔了 96.8% 的引用，而三家新創公司就包辦了 134 篇可歸屬於公司的高被引論文中的 92 篇。公司估值與發表產能或高被引產出之間沒有關聯，募資金額則呈現微弱的關聯。整體而言，AI 獨角獸新創參與正式科學傳播的程度微不足道，在 2025 年僅佔整體 AI 文獻的 0.1%。大多數 AI 技術的領先開發者並不參與科學文獻，這對這個快速推進的創新前沿在透明度、可重現性與問責上構成隱憂。

前言

人工智慧（AI）研究已日益從大學與公立實驗室，轉移到擁有大規模運算基礎設施、專有資料與集中技術人才的私人企業手中（1）。商業 AI 實驗室與新創公司如今在開發前沿模型與能力上扮演核心角色，這些模型與能力影響著科學研究、軟體工程、醫學、教育與公共傳播（2）。與此同時，過去十年間產業界在大規模模型開發與基準測試表現上的參與程度已大幅提升（1, 3）。

科學發表始終是研究成果得以傳播、受檢視並納入累積性知識體系的核心機制。發表確立了科學優先權、促成獨立評估、支持可重現性，並提供技術進展的公開紀錄。隨著前沿 AI 開發愈來愈集中於私人組織，理解這些公司是否參與正式的科學傳播，攸關知識的可見度、透明度與集體發展。

發表活動也可能具備科學傳播之外的功能，包括招募人才、彰顯技術領導地位、影響生態系，以及在快速演變的競爭市場中進行策略定位。隨著前沿 AI 系統能力愈強、社會影響愈大，關於透明度、可重現性與治理的疑慮也日益突出（3）。類似的疑慮也曾在其他創新密集的產業被提出，一些高估值新創公司，例如 Theranos（一起詐欺案例）以及許多看似正當的獨角獸，有時宣稱自己創造了重大技術進展，卻幾乎沒有產出任何經同儕審查的科學證據（4 至 6）。儘管外界對前沿 AI 公司的能力、估值與治理興趣漸增（3, 7），這些公司在科學文獻中的參與情況仍然缺乏描述。

在此，我們系統性檢視了 AI 獨角獸新創的科學發表活動，AI 獨角獸新創的定義是估值達 10 億美元以上的未上市 AI 公司。我們使用取自 Clarivate 資料庫的發表與預印本紀錄，辨識出與 317 家 AI 獨角獸新創相關、且屬於 AI 領域的科學產出。為了把新創公司的實質參與，與範圍更廣的合作性參與區分開來，公司層級的分析聚焦於具有主導作者貢獻的論文，主導作者的定義為第一作者或最後作者，或在作者依字母順序排列時視同主導。我們評估了科學發表的參與度、科學產能、引用影響力、高被引論文（引用數 200 次以上）的產出、發表與引用的集中度、作者隸屬單位的樣態，以及科學發表活動、財務規模與地理位置之間的關係。

結果：參與科學發表的程度極不均等

最終資料集（見補充資料：方法與材料）涵蓋總部設於 25 個國家的 317 家 AI 獨角獸新創，合計關聯 2,077 項合格科學產出，包括 1,389 篇同儕審查論文與 688 篇預印本。其中 132 篇（6.4%）獲得至少 200 次引用，構成本研究認定的高被引論文集合。

各公司之間的發表活動極不均等（圖 1A）。超過半數的新創公司沒有產出任何合格成果（317 家中有 166 家，52.4%），其餘多數公司也只產出少量論文（中位數 4 篇），只有少數幾家公司維持著持續的發表活動（最多者 243 篇）。

當檢視的是科學影響力而非單純的發表量時，這種不平等更加顯著（圖 1B）。勞倫茲曲線顯示發表與引用都呈現極端集中，且引用的不平等程度（吉尼係數 0.97）高於發表篇數（吉尼係數 0.86）。後半數公司在觀察到的發表與引用中，所佔比例基本上等於零。相對地，前 5% 的公司佔了全部發表的 59.9% 與全部引用的 92.0%，前 10% 的公司則分別佔 76.4% 與 96.8%。

這些樣態顯示，AI 新創產業已發表的科學產出集中在少數幾家公司手中，而引用影響力的集中程度又比發表活動本身更高。此處觀察到的集中程度，超過了科學生產體系中普遍報告的不平等水準（8, 9）。

圖 1C 顯示引用數最高的十家新創公司，它們累計佔了本資料集中所有引用的 88.2%。OpenAI 一家就佔全部引用的 39.4%，其次是曠視科技 MEGVII（26.6%）與 Hugging Face（6.9%）。高被引論文同樣高度集中。只有 24 家公司（7.6%）產出過至少一篇合格的高被引論文，另外 293 家公司一篇也沒有。在有高被引產出的公司當中，高被引論文數量的中位數是 1.5 篇，然而曠視科技一家就佔了 53 篇高被引論文，OpenAI 則有 30 篇。

高被引子集內部的發表策略差異相當大。Anthropic 是最明顯的例外，它 90.6% 的引用影響力來自預印本，而其他大多數引用數居前的公司，引用主要來自同儕審查論文（圖 1C）。OpenAI、曠視科技、Waymo、Momenta、Preferred Networks、Owkin 與 Aibee 各自都有超過 94% 的引用來自同儕審查產出；Hugging Face 與 Databricks 則較為混合，分別有 10.7% 與 16.6% 的引用來自預印本。預印本的平均引用數低於同儕審查論文，但同樣呈現厚尾分布：預印本引用數中位數為 4、最高 1,400，同儕審查產出則是中位數 5、最高 24,931。在所有有發表的公司中，預印本佔產出的比例中位數為 20.0%（四分位距 0 至 50%），另有 24.5% 的公司有超過一半的科學產出仰賴預印本。這些發現顯示，這些獨角獸在 AI 研究中使用預印本的情況並不一致。

圖 1：各公司科學產出的分布與集中度。(A) 每家公司發表數量分布，最左側斜線柱為 166 家零產出公司（52.4%）。(B) 勞倫茲曲線，公司在發表（吉尼係數 0.86）與引用（0.97）上的集中度。(C) 累計引用數前十家公司，藍色為同儕審查、黃色為預印本。(D) 勞倫茲曲線，作者在全部發表與高被引論文上的集中度。 | 圖片來源：Loisel et al. (2026), bioRxiv，CC BY 4.0

結果：隸屬於 AI 獨角獸的作者

在所有論文中，共辨識出 1,988 位隸屬新創公司的獨立作者：53.5% 只掛新創公司的單位，38.0% 同時掛著研究機構的單位，8.5% 併列了另一個非學術單位。這三群人分別出現在 2,077 篇論文中的 1,204 篇（58.0%）、1,039 篇（50.0%）與 230 篇（11.1%）。那 132 篇高被引論文涉及的作者群更為集中（n = 169）：只掛新創公司、新創加學術、新創加其他單位的比例分別是 53.3%、43.2% 與 3.6%，這三群人分別出現在 89 篇（67.4%）、75 篇（56.8%）與 8 篇（6.1%）高被引論文中。

在所有計入的「作者與論文」觀察值中，作者身分呈現中度集中，3,324 個觀察值分布在 1,988 位作者身上（吉尼係數 0.344）。相對地，高被引的作者與論文觀察值則集中得多：儘管 169 位至少有一筆高被引觀察值的作者中，有 142 位（84.0%）只出現過一次，但在全部 1,988 位計入作者上的分布極度不均（吉尼係數 0.935；圖 1D）。

產出最多高被引論文的作者關聯到 23 篇高被引論文，而在完整資料集中最多產的作者則關聯到 48 篇論文。27 位重複出現的高被引論文作者，包括 13 位同時具備學術單位身分者，合計佔了 229 筆高被引作者與論文觀察值中的 87 筆（38.0%）。

沒有任何一家新創公司出現在一個涵蓋全科學領域的機構引用排名資料庫中，該資料庫要求機構內須有一定數量的隸屬研究人員、每人至少發表 5 篇論文才會被納入（10）。因此，即使在少數具有可測量引用影響力的 AI 獨角獸當中，科學產出看來也是由一小群反覆出現的主導作者所產生，而不是廣泛分布在整個員工群體中。曠視科技與 OpenAI 擁有至少一篇合格論文的作者人數最多，分別為 190 位與 123 位。然而，曠視科技只有 8 位作者、OpenAI 只有 8 位作者擁有五篇以上合格論文，分別相當於其作者群的 4.2% 與 6.5%。相對於這些公司的整體員工規模，這些數字非常小：據報導 OpenAI 在 2026 年約有 4,500 名員工，曠視科技則被描述為約有 2,300 至 3,000 多名員工（11 至 13）。儘管擁有學歷、技能與科學專業知識，AI 獨角獸幾乎所有員工都與「以主導方式貢獻科學文獻」這件事脫鉤。

結果：科學產出與財務指標

財務狀況相近的公司之間，科學發表活動的差異相當大（圖 2A）。估值與發表產能之間沒有關聯：在全樣本中，公司估值與論文總數之間的斯皮爾曼相關係數微不足道且不顯著（ρ = 0.017，p = 0.767，N = 317），僅限有發表的公司時亦然（ρ = 0.100，p = 0.222，n = 151）。公司估值與高被引論文數量之間的關聯同樣微弱且不顯著，全樣本為（ρ = 0.042，p = 0.457），僅計有發表的公司時也維持如此（ρ = 0.072，p = 0.381）。

募資金額（圖 2B）與論文數量呈現微弱但統計上顯著的關聯（斯皮爾曼 ρ = 0.181，p = 0.001，n = 315），與高被引論文數量亦然（斯皮爾曼 ρ = 0.157，p = 0.005，n = 315），僅能解釋科學產出變異中的一小部分。僅限有發表的公司時，關聯略為增強，但兩者都仍然有限，論文數量為（ρ = 0.227，p = 0.005，n = 149），高被引論文為（ρ = 0.190，p = 0.020，n = 149）。儘管資金較充裕的公司稍微更可能發表論文並產出高被引論文，具影響力的科學發表仍集中在一小群組織之中，並未隨財務規模等比例擴大。

結果：時間變化與在整體 AI 文獻中的佔比

研究期間內，AI 獨角獸參與科學發表的程度大幅擴張，但這些公司累計起來仍然是整體 AI 已發表文獻中微不足道的貢獻者（圖 2C）。由新創主導的論文從 2016 年的 18 篇增加到 2025 年的 534 篇，而「僅合作」的論文，也就是新創公司的作者只出現在中間作者位置、沒有第一作者、最後作者或字母序主導身分的論文，則從 5 篇增加到 416 篇。整體而言，涉及新創公司的 AI 論文從 2016 年的 23 篇增加到 2025 年的 950 篇。這些數字被更廣泛的 AI 文獻遠遠壓過，後者從 2016 年的 123,383 篇增加到 2025 年的 919,486 篇。整體來看，涉及這些新創公司的 AI 論文佔比始終極小，從 2016 年的 0.019% 到 2025 年的 0.103%。

結果：跨國差異

地理區域與發表產出的顯著差異有關（圖 2D）。中國公司的發表數量中位數最高，儘管數量仍然非常稀少（每家公司 3.5 篇）；歐洲公司中位數為 1.0 篇，其他地區與美國公司的中位數則是 0 篇（區域差異 Kruskal-Wallis H = 13.78，p = 0.003）。中國公司的發表比率也最高，40 家中有 26 家有發表（65.0%），相較之下歐洲是 35 家中有 20 家（57.1%），其他地區是 33 家中有 15 家（45.5%），美國則是 209 家中有 90 家（43.1%）。這些區域差異顯示，組織脈絡與科學規範可能因地理位置而有相當大的不同，中國新創公司通常會發表一些論文，而美國新創公司通常對科學文獻表現出全然的不感興趣。

圖 2：科學活動的經濟規模、時序與地理分布。(A) 公司估值與發表數量（斯皮爾曼 ρ = 0.02），底部一整排空心圓即為零產出公司。(B) 募資金額與發表數量（ρ = 0.18）。(C) 2016 至 2025 年新創主導論文、僅合作論文，與整體 AI 領域發表量（右軸）的對照。(D) 各地理區域每家公司發表數量中位數。 | 圖片來源：Loisel et al. (2026), bioRxiv，CC BY 4.0

討論

綜合這些發現顯示，AI 新創公司參與科學發表的情況整體上非常稀少且高度選擇性，並受到各組織對科學可見度與資訊揭露的不同取徑所形塑。少數幾家公司看來多少嵌入在傳統科學傳播體系之中，儘管程度有限，而大多數公司則完全不參與正式發表，儘管它們具備可觀的財務規模與技術知名度。累計來看，AI 獨角獸在科學文獻中的存在感微不足道。它們是這個領域的開發先驅，卻對慣常的科學傳播方式表現出近乎全然的漠然。

一項特別值得注意的發現是，公司估值與科學影響力之間缺乏有意義的關係。公司估值與發表產能或高被引產出無關，募資金額則與這些結果只有微弱關聯。這再次顯示，傳統的科學傳播方式與競爭市場環境中真正重要的事情之間，幾乎完全脫節。有人或許會主張，科學可見度與影響力應當對商業成功有實質貢獻。若是如此，試圖決定投資標的的投資人與估值者，應該會認識到擁有經同儕審查與驗證的紮實科學，能提高成功應用與轉化出商業價值的機會。也有人可能主張，商業成功反過來也能促進科學可見度，因為它能吸引並強化與具影響力的發表作者及機構之間的合作。然而，我們的資料顯示，財務與科學產出之間幾乎完全不存在任何關係。投資人與估值者顯然無視這些公司經同儕審查的紀錄，可能完全仰賴私下資訊、其他經驗法則，或是直覺（如果不算是徹頭徹尾的賭博的話）。至於這些強大的公司，它們可能覺得自己有辦法吸引人才與技術，繞過那些讓學術界振奮的同儕審查論文與引用訊號。

這種樣態應該與前沿 AI 領域更廣泛的發展一併考量，包括運算資源、技術人才與先進模型開發向少數公司集中（1, 14 至 16）。AI 技術進展顯然正快速擴張到傳統科學論壇的邊界之外。這些樣態之所以重要，是因為科學發表不只在於傳播發現，也在於促成外部檢視、累積性知識的發展，以及在方法、能力與限制上的透明。

其他產業的新創公司過去也曾被記錄到在科學文獻中參與度低且不均（4 至 6）。前沿 AI 公司是否應當廣泛參與科學發表、把它當成一種正式的社會要求，同樣仍有爭議。組織有合理理由選擇保護專有創新與競爭優勢。儘管如此，在 AI 系統可能造成重大社會後果的領域，包括與健康相關的應用，有限地參與科學傳播可能減少獨立評估、驗證與累積學習的機會。昂貴、無效甚至有害的應用與技術，有可能被廣泛採用。即使是非健康類的應用，AI 技術也可能帶來其他重大的社會影響，例如高能源消耗、資料中心對（日益稀缺的）水資源的使用，以及對就業、教育與社會規範行為的重大衝擊。此外，傳統上參與科學文獻被認為能促進合作並加速知識擴散。然而，在這個具影響力的新前沿上，遊戲規則可能完全不同。

我們的發現對於 AI 研究中關於透明度、可重現性、問責與治理的持續討論具有意涵（7, 17, 18）。如果日益具影響力的 AI 能力是在那些只稀疏且選擇性參與正式科學傳播的組織內部產生，公開的科學紀錄可能會影響 AI 發展的軌跡與問責。重要進展可能發生在傳統科學管道之外，這有可能使獨立評估新興系統、重現技術發現、評估其社會意涵的努力變得更複雜。

本研究有幾項限制應納入考量。論文檢索仰賴以隸屬單位進行比對，可能低估了與未揭露隸屬單位、非正式合作，或未出現在公開文獻中的企業內部研究相關的產出。同時具備學術與新創公司隸屬身分，也使得把科學活動歸屬於產業或學術環境變得複雜。以引用為基礎的指標會受學科發表慣例影響，在 AI 與電腦科學領域尤其如此，因為會議與預印本在傳播中扮演重要角色。最後，發表活動與引用影響力並不直接衡量技術能力、商業成功或社會影響。因此，本研究描述的是對正式科學傳播的參與，而非更廣義的創新。

整體而言，隨著私人營利組織持續形塑前沿 AI 系統的發展，理解產業行為者如何參與，或如何脫離並大幅忽視科學建制，可能變得愈來愈重要。其中牽涉的議題包括研究治理、科學可見度，以及知識的集體生產、累積與整合。前沿 AI 採取不同的成長模式，將意味著能夠有意義且有充分資訊地參與這場持續中的 AI 革命的利害關係人，會是截然不同的（包容或受限的）一群。

本文為學術論文全文翻譯，僅供參考，不構成投資建議。原論文為未經同儕審查的預印本，研究結論以原文為準。

📍相關報導📍

OpenAI 財務黑洞浮現：單年虧 385 億美元，分析師警告連鎖崩盤即將開跑

OpenAI 前技術長 Mira Murati 兩年首作實測：西方最強開源 AI，實測卻被手機模型打敗

黃仁勳狠嗆華爾街：你們誤解了 DeepSeek！晶片需求將飆 5-10 倍