2025 CSRankings 排名出炉：上交大、清华北大、浙大霸榜全球 AI TOP 10

2025 CSRankings 刚刚发布！卡内基梅隆大学继续位居全球第一，中国高校表现突出的情况引人注目，清华大学位列第二，上海交通大学与浙江大学并列第三，北京大学位居第五。在人工智能领域，中国高校表现尤为突出，上交大、清华、北大、浙大占据前四名，中国科学院和哈工大也跻身全球前十。

刚刚公布了2025 CSRankings 全球计算机科学排名！

链接：https://csrankings.org/#/fromyear/2014/toyear/2025/index?all&world

在今年的全球计算机科学排名中，卡内基梅隆大学再次夺得第一，伊利诺伊大学香槟分校曾多年来居于第二，现下滑至第六。

中国高校及机构继续占据多个名额，清华排名第二，上海交通大学和浙江大学并名第三，北京大学名列第五。

在全球人工智能领域，中国高校尤其出众，占据前十名的六个席位。

上海交通大学、清华大学、北京大学和浙江大学拿下前四名，中国科学院和哈尔滨工业大学也成功进入全球 AI 领域的前十。

CSRankings 是由麻省州立大学阿姆赫斯特分校的计算机与信息科学学院教授 Emery Berger 组织的人类计算机科学领域全球院校实力排名，主要基于研究指标，透明度相对较高。

本排名涵盖了全球高校的计算机专业，主要参考高校和研究机构在计算机科学领域顶级学术会议上发表的论文数量。

根据地域划分，该排名还可以对多个国家进行分析，包括北美、南美、非洲、亚洲、澳洲和欧洲。

CSRankings 的细分排名分为 4 大类（27 项小细分），即 AI、系统、理论和跨学科领域。

在人工智能板块，主要涵盖 5 个细分领域：1.人工智能（Artificial intelligence）；2.计算机视觉（Computer vision）；3.机器学习（Machine learning）；4.自然语言处理（Natural language processing）；5.网页信息检索（The Web & information retrieval）。

2025 CS 全景 Rankings，CMU 领先全球

根据最新的 CS Rankings，2025 年计算机科学专业全球整体排名前十如下——

卡内基梅隆大学位于第一，清华大学第二，上海交通大学/浙江大学并列第三，北京大学第五，UCSD / UIUC并列第六，佐治亚理工学院/香港科技大学/新加坡国立大学/韩国科学技术院则并列第八。

具体来看，CMU 在机器学习、自然语言处理、计算机视觉和人工智能等领域的论文发表数量领跑。

清华大学在机器学习和自然语言处理的论文数显著超出其在人工智能和计算机视觉领域的发表数量。

其中，发表论文数超过20篇的教职员工为刘志远（30）、孙茂松（26）、黄民烈（23）。

此外，上交大、浙大和北大的论文发表方向各具特色，其中北大和上交大在机器学习领域表现最为突出，而浙大的人工智能方向论文数量最多。

在人工智能的大类中，选择「人工智能」方向的全球前十高校为北京大学、上海交通大学、浙江大学、哈尔滨工业大学、电子科技大学、南京大学、南洋理工大学、清华大学、中国科学院以及韩国科学技术院。

在人工智能大类中，选择「计算机视觉」方向的全球前十高校为北京大学、南洋理工大学、韩国科学技术院、上海交通大学、浙江大学、香港科技大学、中国科学院、新加坡国立大学、慕尼黑工业大学及苏黎世联邦理工学院。

在人工智能大类中，选择「机器学习」方向的全球前十高校为加州大学伯克利分校、韩国科学技术院、麻省理工学院、北京大学、卡内基梅隆大学、上海交通大学、加州大学圣地亚哥分校、清华大学、斯坦福大学、新加坡国立大学及普林斯顿大学。

在人工智能大类中，选择「自然语言处理」方向的全球前十高校为清华大学、中国科学院、哈尔滨工业大学、中国人民大学、复旦大学、卡内基梅隆大学、伊利诺伊大学厄巴纳-香槟分校、爱丁堡大学、北京大学、南洋理工大学、马里兰大学帕克分校及浙江大学。

在人工智能大类中，选择「网页信息检索」方向的全球前十高校分别为中国人民大学、清华大学、中国科学技术大学、浙江大学、阿姆斯特丹大学、马萨诸塞大学阿默斯特分校、伊利诺伊大学厄巴纳-香槟分校、新加坡国立大学、南京大学、上海交通大学及昆士兰大学。

中国 AI TOP10：上交大与清华占据前列

如上文所述，在人工智能领域，全球排名前十的高校/机构为：

上交大排名第一，清华大学第二，北大第三，浙大第四，南洋理工大学第五，韩国科学技术院第六，新加坡国立大学第七，中国科学院第八，哈尔滨工业大学第九，卡内基梅隆大学第十。

在国内高校中，前几名的排名仍然保持不变，南京大学、人民大学、复旦大学、电子科技大学也位列 TOP 10。与去年相比，前十名的院校总体轮廓没有变化。

排名依据：顶会论文发表量

目前，1983 年开始的《美国新闻与世界报道》（US News and World Report）排名被认为是最有声望的。

不过，US News 的排名完全基于声誉，依赖于对各部门主管和研究生院主任进行调查。

例如，2023 年 US News 的世界排名出现了大问题，213 所机构的排名发生了错误，留学圈也因此一片哗然。

哥伦比亚大学在 US News 的排名数据造假事件也是引发了较大的关注。

此外，基于引用次数的指标也可能存在水分。例如，一些大学鼓励教师互相引用，这种「引用卡特尔」（Citation Cartels）现象也颇具影响。

同样，并非所有论文的引用都是免费的，而且引用的需求也变化迅速，像 Google Scholar 中的引文统计系统在作者歧义方面表现不足。

为了提供一个有意义且透明的排名体系，由 Emery Berger 组织的全球计算机科学领域实力排名完全基于「研究指标」进行评定。

具体而言，CSRankings 评价的依据是大多数院校教员在计算机科学领域各大顶级会议上发表的论文数量。

自然语言处理的顶级会议有 ACL、EMNLP、NAACL；计算机视觉则包括 CVPR、ECCV、ICCV；机器学习与数据挖掘方面的会议则涵盖 ICML、KDD、NIPS；人工智能相关会议包括 AAAI 和 IJCAI。

显而易见，这种方法旨在鼓励教职员工在顶会上积极发表论文，同时 CSRankings 的所有代码和数据都是公开的，这有助于防止造假。

教职员工入选标准是什么？

数据库收录的标准为，全职、终身教职员且能为计算机科学专业博士生提供指导的教师均可被纳入库内。

因此，这种方法让数据库的收录范围扩展到其他院系的一些教职工，这些教职员工与计算机科学系或类似院系有兼职合同，能够为计算机科学博士生提供指导。

请注意，全职的要求是教师在整个学年至少有 75% 的工作时间。

作者署名与论文数量如何计算？

每一位教职员工在一篇论文中可获得 1 / N 分，其中 N 是作者的总人数，这与其身份（教职员工、学生或其他）无关，这个比例始终保持不变。

如果所有作者最终都是数据库中的教员，该篇论文最多可计算为 1.0 分。

若不按作者数量划分学术产出，仅直接计数论文数量，教职员工可以通过增加合作作者人数来人为操控、夸大发表数量。

为避免此情况，必须将论文的学术产出进行分割，以激励作者正确处理署名事务，杜绝不当利用多作者抬高单篇论文产出的情况。

参考资料：

• https://csrankings.org/#/fromyear/2014/toyear/2025/index?ai&vision&mlmining&nlp&inforet&world

本文来自微信公众号：新智元（ID：AI_era）