摘要：2025年10月，谷歌学术的一则数据炸了整个AI圈，深度学习三巨头之一、图灵奖得主YoshuaBengio，成了史上首个论文引用量突破100万次的学者。

2025年10月，谷歌学术的一则数据炸了整个AI圈，深度学习三巨头之一、图灵奖得主YoshuaBengio，成了史上首个论文引用量突破100万次的学者。

这意味着平均每天有近300篇论文在引用他的研究，而紧随其后的"AI教父"GeoffreyHinton，被引次数也冲到了97万，距离百万大关仅一步之遥。

这组数字绝非偶然。

在全球高被引学者TOP10里，AI领域占了四席，除了Bengio和Hinton，还有"ResNet之父"何恺明（75万+引用）和OpenAI前首席科学家IlyaSutskever（70万+引用）。

他们的引用曲线，实则是AI从寒冬到盛夏的完整注脚。

1964年出生在巴黎的Bengio，从小跟着移民加拿大的犹太父母在蒙特利尔长大。

从麦吉尔大学拿下博士学位后，他先后在MIT和贝尔实验室做博士后，那会儿的AI还是无人问津的冷门领域，但他早已认准了深度学习这条道。

这位如今的蒙特利尔大学正教授，不仅是Mila人工智能研究院的创始人，更是深度学习的"理论奠基人"。

上世纪90年代，他提出的序列概率模型，成了现代语音识别技术的雏形；后来参与提出的高维词嵌入技术，直接改写了自然语言处理的研究范式。

2014年，他和学生共同提出的生成对抗网络（GAN），更掀起了计算机视觉领域的革命。

2018年是Bengio的"封神元年"。

这一年他和Hinton、YannLeCun共享图灵奖，还拿下了"计算机研究者单日最高引用"的桂冠。

有意思的是，他的引用曲线从这年开始陡然攀升，就像AI技术本身一样，经过数十年积累终于迎来爆发。

更难得的是，这位学术大牛始终保持着对技术的敬畏。

他牵头起草《蒙特利尔负责任人工智能发展宣言》，2023年还成了联合国科学咨询委员会成员，一边搞科研一边为AI安全掌舵。

如今的百万引用，对他而言更像是时代对坚守者的回馈。

如果说Bengio的引用曲线是"陡峭增长"，那Hinton的曲线则写满了"坚守"。

这位被尊为"反向传播之父"的老爷子，早在1986年就证明了反向传播算法能让神经网络自主学习数据特征，可接下来的几十年里，AI却陷入了漫长的寒冬。

那些年，深度学习被主流学界质疑，经费申请屡屡碰壁，论文发出去就石沉大海。

但Hinton从没放弃，他一边改进玻尔兹曼机模型，一边默默培养学生。

2012年，他带着博士生IlyaSutskever搞出的AlexNet，终于在ImageNet竞赛中炸响惊雷，把图像识别错误率直接砍了一半，还首次将大规模GPU训练写进论文方法论。

这记"惊雷"成了深度学习的引爆点，也让Hinton的引用量开始缓慢爬坡。

更关键的是，他播下的"火种"后来长成了参天大树：学生Ilya成了OpenAI的联合创始人，AlexNet的思路更启发了无数研究者。

如今97万的引用量里，既有对他早年理论的认可，更藏着学术界对"守夜人"的致敬。

在一众"老炮"里，1984年出生的何恺明堪称"现象级"。

这位清华本科、香港中文大学博士毕业的大神，论文被引超75万次，比同属三巨头的YannLeCun（43万+）还高出不少，靠的正是那篇被Nature评为"二十一世纪被引最多"的ResNet论文。

早年间，研究者们一直被一个问题困扰：神经网络层数越多，性能反而越差，这就是"退化问题"。

何恺明团队想出个绝顶聪明的办法：给网络加"捷径"，让信息跳过部分层级直接传递，每层只需学习输入和输出的"差距"（残差）就行。

就这么个看似简单的设计，不仅能训练出152层的深网络，计算复杂度还比当时的VGG网络低得多。

现在我们用的ChatGPT、AlphaFold、生成式AI，里面都有ResNet的影子。

更厉害的是，他在FasterR-CNN、MoCo等领域的研究也全是"顶流成果"。

2025年刚拿到的ICCVHelmholtzPrize（时间检验奖），更是对他研究价值的最佳证明，毕竟能经得起十年以上考验的AI成果可不多见。

IlyaSutskever的学术生涯，简直是AI发展的浓缩版。

2012年，还是多伦多大学博士生的他跟着Hinton搞出AlexNet，一战成名；2013年谷歌收购他们的初创公司后，他又参与开发了TensorFlow和序列到序列学习算法，甚至在AlphaGo的论文上挂了名。

2015年，他跟着马斯克等人创办OpenAI，成了首席科学家。

在他任职期间，OpenAI从名不见经传的实验室，成长为推出ChatGPT的行业巨头。

2024年5月离开OpenAI后，他转头就创办了SafeSuperintelligence公司，专攻AI安全，从推动AI爆发到守护AI安全，这位70万+引用的大神，始终站在行业最前沿。

为啥AI领域的论文引用能爆得这么厉害？答案藏在三个关键里。

首先是"奠基效应"。

从1986年Hinton的反向传播，到2015年三巨头的《深度学习》综述，再到2017年谷歌提出的Transformer（短短五年被引3.8万次），这些论文都是AI研究的"地基"。

新论文写背景、讲理论，根本绕不开它们，引用自然越来越多。

其次是"盘子变大了"。

AIIndex统计，2010到2022年全球AI论文从8.8万飙到24万多，翻了近三倍；2023年，计算机科学论文里41.8%都是AI相关的，快一半了！更别提ICLR2024投稿7262篇、NeurIPS2024投稿17491篇的火爆场景，研究的人多了，奠基者的引用量自然水涨船高。

最后是"工具赋能"。

清华等机构的研究发现，用AI辅助的论文引用量是普通论文的3.16倍，还更容易发在顶级期刊上。

大模型让论文产出更快，而这些新论文又会反过来引用经典成果，形成了"引用正循环"。

如今再看Bengio的百万引用，与其说是个人胜利，不如说是AI时代的必然。

从Hinton在寒冬里扛住质疑，到Bengio搭建理论框架，再到何恺明、Ilya这些后辈接棒创新，每一次引用增长的背后，都是技术突破的回响。

未来AI还会催生多少"百万引"大神？不好说。

但可以肯定的是，这些奠基者写下的"标准答案"，还会被无数后来者引用下去，毕竟这个属于AI的时代，才刚刚拉开序幕。

来源：探秘发现一点号