ARTICLE · 1124769
AI全图景,70年的发展,究竟发展了啥?
上周刷到一条视频，标题是「AI 已经能取代程序员了」。
评论区里吵成一片。有人说是炒作，有人说是趋势已来。忽然有人问了句：「你说的 AI，是会写代码的那个，还是会看片子的那个？」
然后就没有人接话了。
这不是个抬杠的问题。他们说的根本不是同一件事，只是用了同一个词。而这件事，恰恰是零基础的人接触 AI 最大的障碍——不是你学不会，是你说的话和别人说的不是同一种语言。
本文写给完全没用过 AI、不写代码、被术语淹没的你。全文不需要任何技术背景，只讲三件事：AI 是什么、它从哪来、今天它在哪。
图 0｜同一句「AI 会取代程序员」，在不同人嘴里指向完全不同的事物。这就是零基础者最大的障碍
一、先解决一个误会：四个词不是并列的
初学者最常见的第一个错误，是把 AI、机器学习、深度学习、大模型当成四个可以互相替换的词。它们其实是层层包含的关系，就像「城市 ⊃ 城区 ⊃ 写字楼 ⊃ 你工位」。
人工智能（AI）：最外层。目标是让机器表现出「像人一样的智能」——能看、能听、能说、能决策。它诞生于 1956 年，是一门有七十年历史的学科。
机器学习（ML）：AI 的一个分支。核心思路变了——不再手写规则，而是给机器看大量例子，让它自己总结规律。这是从「编程」到「学习」的转折点。
深度学习（DL）：机器学习的一个分支。特点是网络层数多、能力来自大规模数据和算力。它是 2012 年之后才真正跑起来的。
大模型（LLM）：深度学习下的产物，参数规模在十亿量级以上、训练语料以万亿 token 计的模型。ChatGPT、DeepSeek 都属于这一类。
图 1｜AI ⊃ 机器学习 ⊃ 深度学习 ⊃ 大模型：四者是被包含关系，不是并列关系。框越往里，范围越小
再看第二层。AI 有三种「世界观」，它们吵了七十年，到今天也没分出胜负——只是换了分工。
二、三种世界观：智能从哪来
符号主义——智能是一本操作手册。相信只要把知识写成规则，机器就能推理。像做菜：菜谱写得越全，任何人照做都能出菜。1965 年的 DENDRAL（化学结构识别）、1972 年的 MYCIN（血液感染诊断）都是这条路。DEC 公司的 XCON 系统 1980 年上线，到 1986 年每年为公司省下约 4000 万美元——这是 AI 历史上第一次真正的商业成功。生活类比：员工手册。写得多细，执行得多准，但手册没写的情况就全完了。
连接主义——智能是一堆旋钮。不写规则，直接搭一个仿神经元的网络，靠「调旋钮」（训练）让它自己逼近答案。1958 年罗森布拉特的感知机是这个思路的第一个模型。生活类比：调音师拧旋钮。不背乐理，靠听、靠调，一点点逼近那个声音对的位置。
行为主义——智能是在试错里长出来的。不给规则也不预设立场，让机器在环境中反复尝试，做对就强化、做错就调整。AlphaGo 的自我对弈、以及今天强化学习的训练范式都属这一支。生活类比：训狗。不讲道理，做对了给奖励，做错了不给，技能自己长出来。
三派今天谁也没赢。今天的系统里：推荐算法是连接主义，规则风控是符号主义，机器人导航是行为主义。它们不是被取代，是被分工了。
图 2｜符号主义（写规则 · 类比员工手册）、连接主义（调参数 · 类比调音师）、行为主义（做试错 · 类比训狗）：三种「智能从哪来」的理解，至今共存于同一套系统
三、时间线上的七十年：三次跃迁，两次寒冬
AI 史不是一条直线，是一条锯齿线。看懂锯齿，比记住年份有用得多。
跃迁一：1950–1956，学科被命名。1950 年，图灵发表《计算机器与智能》，提出「模仿游戏」——现在叫图灵测试：如果机器在纯文字对话中让人分不出它是人还是机，就算通过了。图灵当时预言：到 20 世纪末，机器能做到让 30% 的人认不出来。
1955 年 9 月 2 日，麦卡锡、明斯基、罗切尔、香农联名提交了一份暑期研讨会提案；1956 年夏天，达特茅斯研讨会在美国新罕布什尔州召开。会议的核心猜想写得很直白：「智能的每一个方面，或智能的任何其他特征，原则上都可以被精确描述，以至于机器可以模拟它。」会议持续约六到八周，最初 11 人参加，纽厄尔和西蒙在会上展示了第一个 AI 程序——逻辑理论家。这次会议的主要成果不是某个技术，而是一个学科的诞生和一个共同体的建立。「人工智能」这个词也是从这来的。
一个小细节：麦卡锡后来承认，他取名「人工智能」，部分原因是为了避开「控制论」（cybernetics）这个当时被维纳把持的热门词。每个学科的名字都是一次站队。
寒冬一：1974–1980，承诺超过了交付。三条线同时收紧：
1969 年，明斯基与派普特出版《感知机》，用数学证明单层感知机连异或（XOR）这种最简单的问题都解不了，直接掐断了连接主义主流研究经费十几年。
1973 年，英国数学家利奇尔受政府委托评估 AI 现状，报告结论尖锐：AI 在「组合爆炸」面前毫无进展，多数成果狭窄且缺乏实用价值。英国随后几乎砍掉了全部 AI 研究经费。
DARPA（美国国防高级研究计划局）的 AI 拨款从 1969 年的 7500 万美元，砍到 1974 年的 750 万美元。
寒冬二：1987–1993，商业账算不过来。80 年代专家系统确实赚到了钱，但有个致命结构性问题：知识获取靠专家一条条手工写规则，成本极高、不会更新、也没有常识。加上 1987 年 LISP 专用机市场崩盘（通用工作站用更低价格做到了同等性能，Symbolics 等公司破产）、日本「第五代计算机」计划未达目标、DARPA 战略计算计划削减，全球经费再度腰斩。
两次寒冬的共同点，只有一句话：承诺超出了交付。这一点我建议你记一辈子——它是判断 AI 热潮最有效的标尺，与技术本身无关。
跃迁二：2012，深度学习被三个东西同时点燃。1997 年 IBM 深蓝击败卡斯帕罗夫，是一次精彩的专用胜利；2006 年辛顿提出深度信念网络，理论上打开了多层的门。真正引爆的是 2012 年——三个条件第一次同时到位：
数据：李飞飞团队构建的 ImageNet，超过 1500 万张标注图片、2.2 万个类别；
算力：NVIDIA CUDA 让 GPU 可以做通用计算，卷积这类运算天然适合并行；
算法：ReLU 激活、Dropout 正则化等训练技巧。
同年 ILSVRC 大赛上，辛顿和他的学生 Krizhevsky、Sutskever 提交的 AlexNet 把 Top-5 错误率压到 15.3%，第二名是 26.2%。近 11 个百分点的断崖式领先，直接终结了「人工设计特征 vs 神经网络」的争论。此后两年，深度网络成为计算机视觉的默认方案。顺带一提，AlexNet 的架构本身并不全新，它基本是 LeCun 1989 年 LeNet 的放大版。真正的发明是那个「三件事终于凑齐了」的时刻。
图 3｜AI 七十年大事记，分两段：上段是奠基与两次寒冬，下段是三次跃迁。灰色卡片为寒冬区间，红点为关键跃迁节点
跃迁三：2017 与 2022，Transformer 与生成式 AI。2017 年 6 月，谷歌八位作者的论文《Attention Is All You Need》提出 Transformer 架构。它抛弃了循环结构，改为让序列中每个位置直接「注意」其他所有位置——这让训练可以大规模并行，长距离依赖也终于处理得动。论文原始标题里没有「Transformer」这个词，它后来被整个领域反过来用作架构的代称。
2022 年 11 月 30 日，OpenAI 发布 ChatGPT。Transformer 提供了架构，多年积累的 Scaling Law 提供了配方，剩下只差一个把它装进对话框的产品。生成式 AI 从「实验室里的技术」变成「任何人手机上的一个输入框」。
图 4｜AI 发展的锯齿线：三次跃迁是「一个瓶颈被解除」，两次寒冬是「承诺超出了交付」。下图是本文唯一的观点图
四、今天的位置：一棵产业与技术全景树
现在把全景摊开。AI 不是一个产品，是一棵有四层的树。
第一层 · 技术分支（它是怎么工作的）
计算机视觉——让机器「看见」：人脸识别、医学影像、缺陷检测
自然语言处理（NLP）——让机器「读懂和写出」：翻译、摘要、客服、写作辅助
语音技术——让机器「听见和开口」：语音转写、语音合成、会议纪要
强化学习——让机器「在试错中学会做事」：游戏 AI、机器人控制、流程优化
知识图谱——让机器「按关系记事」：企业知识库、检索问答
多模态——让机器「同时看、听、说」：实时语音对话、图文理解、视频生成
第二层 · 产业格局（谁在赚钱）
基础层：训练和提供大模型——算力、数据、模型 API。巨头主战场，门槛最高、资本最密集。
中间层：把模型变成可用组件——检索框架、Agent 编排、模型路由、评测监控、护栏与合规。这一层最缺人，也最适合应用者切入。
应用层：垂直场景产品——法律、财税、医疗、教育、内容生产、客服。离钱最近，但最容易被模型厂商的官方能力碾压。
工具层：AI 编程助手、笔记、会议、图像工具。入口之争，最拥挤。
第三层 · 应用场景（你每天可能已经在用）
写作与内容、翻译与跨语言、图像与视频生成、语音转写、会议纪要、代码辅助、搜索与问答、推荐与风控、诊疗辅助、教育辅导、合同与合规审查。
第四层 · 一张给零基础者的自检表
别人说的「AI」，是技术分支里的哪一支？
他讲的是产业格局里的哪一层？
他是在讲现有能力，还是在讲未来承诺？
下次争论前，先问一句「你说的是哪一层」。这句话能帮你省掉大部分无效争论。
图 5｜从技术分支到产业格局再到应用场景：一张图看懂 AI 的完整产业链。下方三问自检表是本文给零基础者的工具
五、写在最后：三句话总结
图 6｜三句话总结与核心金句。这张卡可以单独保存转发
1. 层级：AI ⊃ 机器学习 ⊃ 深度学习 ⊃ 大模型，四者是包含关系，不是并列的。
2. 范式：符号主义（写规则）、连接主义（调参数）、行为主义（试错）三派至今共存，今天的分工是：规则管确定性，神经网络管感知与生成，试错管决策优化。
3. 周期：AI 史是锯齿线。每一轮跃迁都是一个瓶颈被解除（数据、算力、算法、架构），每一轮寒冬都是承诺超出了交付。前者决定能不能做出来，后者决定钱还在不在。
资料来源（2026-10-03 联网核验）
· McCarthy, Minsky, Rochester, Shannon，《A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence》，1955-09-02 提案原文
· Turing, A.《Computing Machinery and Intelligence》，Mind, LIX(236), 1950
· Weizenbaum, J.《ELIZA》，Communications of the ACM, 9, 1966
· Lighthill Report, 1973；AI Winter 起止年份（Wikipedia "AI winter" 及英文学术综述）
· Krizhevsky, Sutskever, Hinton，《ImageNet Classification with Deep Convolutional Neural Networks》，NeurIPS 2012（15.3% / 26.2% 取自论文摘要与 ILSVRC-2012 结果）
· Vaswani et al.《Attention Is All You Need》，arXiv:1706.03762, 2017-06
· 科学网《人工智能发展历史考察》；机器之心技术词条「图灵测试」