夜雨聆风引言
2026年，人工智能企业数量已超过6200家，中国AI核心产业规模突破1.2万亿元。国产开源大模型全球累计下载量突破100亿次，中国成为全球AI开源模型下载量第一的国家。
但把时间拨回七十多年前，这一切还只是一个数学家的疯狂猜想。
从1950年图灵提出“机器能否思考”的命题，到今天AI正在成为重构数字世界与物理世界的底层力量——这条路，走过了漫长的七十年。
一、萌芽
一个数学家的远见（1936—1956）
AI的故事，要从一个英国人说起。
艾伦•图灵—人工智能的“理论先驱”与“思想者”
1936年，24岁的艾伦·图灵发表论文《理想计算机》，提出了“图灵机”的数学模型——这个抽象的概念后来成为所有现代计算机的理论基础。但图灵的野心不止于此。
1950年，他发表了一篇划时代的论文《计算机器与智能》，提出了著名的图灵测试：如果一台机器能够与人类展开对话而不被辨别出机器身份，那么这台机器就可以被认为是具有智能的。图灵还预言了智能机器的可能性。他被后人誉为“AI之父”。
几乎在同一时期，另一条线索也在悄然生长。1943年，心理学家麦卡洛克和数理逻辑学家皮茨发表了关于神经网络的基础论文，模拟了人脑神经元的计算过程。这为后来的“连接主义”埋下了种子。
1956年夏天，美国达特茅斯学院，一个持续两个月的研讨会改变了历史。约翰·麦卡锡首次提出了 “人工智能（Artificial Intelligence）” 这一术语。此后，这一天被人们看作是人工智能正式诞生的标志。
约翰·麦卡锡：人工智能的“命名者”与“奠基人”
就在这次会议上，纽厄尔和西蒙展示了世界上第一个AI程序——“逻辑理论家”。会议还确立了两大技术路线：符号主义（基于逻辑推理）和连接主义（基于神经网络）。这两条路线的此消彼长，构成了AI此后几十年的主旋律。
二、第一次浪潮与寒冬
从狂热到幻灭（1956—1980）
达特茅斯会议之后，AI迎来了第一个黄金时代。
科学家们乐观得近乎疯狂。1958年，西蒙和纽厄尔预测十年之内机器能打败国际象棋冠军；1965年，西蒙声称20年内机器能做任何人类能做的事情；1967年，明斯基附和了这个观点，1970年甚至把时间缩短到了3到8年。
早期的成果也确实令人振奋：1957年，罗森布拉特发明了感知机模型——深度学习的“老祖宗”；1958年，麦卡锡创建了Lisp语言，成为AI研究的主要编程语言；1966年，首个语音识别系统问世，ELIZA聊天程序让人类首次感受到自然语言处理的魅力。
然而，好景不长。
随着研究深入，AI暴露出了致命短板。明斯基指出，双层神经网络无法表达异或函数，这直接导致神经网络研究在很长一段时间内一蹶不振。符号主义AI也陷入了“组合爆炸”和“常识知识”的泥潭。更重要的是，当时的计算能力远远不足以支撑大规模推理。
人们开始意识到，AI只能处理“玩具问题”。资助机构大幅削减经费，AI进入了第一次寒冬。
三、专家系统与第二次寒冬
（1980—1993）
寒冬中，仍有人在坚守。
这一次拯救AI的是专家系统。1973年，魏岑鲍姆设计的Dendral系统凭借“知识库+推理机”的架构在化工领域展现了巨大潜力，被认为是专家系统的里程碑。随后，MYCIN系统用于医学诊断。专家系统的核心思路是：把人类专家的知识一条条编码成规则，让机器据此推理。
1981年，日本推出“第五代计算机计划”，旨在将AI融入计算机系统。AI迎来了第二次浪潮。
但专家系统同样撞上了天花板。手工编码知识极其耗时，常识问题依然无解。1987年，AI再次进入低谷。1984年启动的CYC项目试图把人类的“常识”一条条编码进计算机，但进展缓慢。
不过，就在这段看似沉寂的时期，两项关键技术正在暗处生长：1986年，反向传播算法被系统阐述，使多层神经网络的训练成为可能；1989年，伯纳斯-李提出World Wide Web概念，为后来的数据时代铺平了道路。
四、深蓝时刻
AI第一次战胜人类（1997）
1997年，一个历史性事件震惊了世界。
IBM的超级电脑 “深蓝” 在六局比赛中击败了国际象棋世界冠军加里·卡斯帕罗夫。这是AI首次在智力游戏的决策能力上战胜人类顶级选手。
但“深蓝”的胜利方式，和今天的AI完全不同。它靠的是 brute force——每秒分析2亿个棋步，用算力碾压人类。它不懂“学习”，更不懂“思考”。
真正的革命，还在酝酿。
五、深度学习革命
从AlexNet到AlphaGo（2012—2017）
转折点在2012年到来。
那一年，多伦多大学教授杰弗里·辛顿和他的两名学生——其中一人叫Ilya Sutskever——提交了一个叫 AlexNet 的神经网络参加ImageNet图像识别大赛。结果震惊了整个学界：AlexNet的错误率是15.3%，而第二名的错误率是26.2%——差距超过十个百分点。
在此之前，几乎没有人相信神经网络能在图像识别中取得如此惊人的成绩。AlexNet的成功，彻底点燃了深度学习的浪潮。
随后几年，深度学习势如破竹：2015年，何恺明等人提出ResNet，152层的网络将ImageNet错误率降至3.57%；卷积神经网络（CNN）在图像识别领域攻城略地。
但让全世界真正意识到AI已经“改天换地”的，是2016年。
那一年3月，谷歌DeepMind开发的 AlphaGo 以4:1的比分击败了世界顶级围棋棋手李世石。围棋的复杂程度远超国际象棋——其可能性比宇宙中的原子还要多。AlphaGo展现出的“直觉”和“策略”，让人类第一次感到了一种陌生而强大的智能。
这一战，引爆了全球AI投资热潮。
六、Transformer与大模型时代
（2017—2023）
如果说AlexNet点燃了深度学习的火种，那么 Transformer 则引爆了今天的生成式AI革命。
2017年6月12日，谷歌8位研究人员发表了论文《Attention Is All You Need》。这篇论文提出了一个全新的架构——Transformer，彻底摒弃了传统的循环神经网络，完全依赖注意力机制来实现并行计算。
这篇论文在当时甚至没有获得NeurIPS的口头报告，更不用说获奖了。但到今天，它已被引用超过18万次。
Transformer的出现，不仅让自然语言处理变了天，还成功跨界到计算机视觉等领域。
而真正把Transformer推向巅峰的，是OpenAI。
2018年，OpenAI发布了 GPT-1，首次将纯Decoder-Transformer用于语言建模，参数量1.17亿。当时，这只是一个学术探索，能力局限于简单续写。
但接下来几年，OpenAI用行动证明了什么叫“规模即正义”：
· 2019年，GPT-2：参数量跃升至15亿，首次展示零样本学习能力。
· 2020年，GPT-3：参数量达到1750亿，首次出现“涌现能力”——可以完成数学推理、代码生成等复杂任务。
· 2022年，ChatGPT：基于GPT-3.5，引入人类反馈强化学习（RLHF），成为大模型商业化落地的标志性产品。
· 2023年，GPT-4：参数量超万亿，支持多模态输入（文本+图像），接近专业领域水平。
与此同时，开源社区也在发力。2022年Meta开源了LLaMA模型，打破了闭源壁垒；2023年Llama 2进一步优化了长文本处理能力。中国的大模型如DeepSeek等也在快速崛起。
AI从“能聊天”进化到了“能做事”。
七、2024：转折之年
多模态与推理革命开启
如果说2023年是AI的“狂飙之年”，那么2024年则是行业的 “转折之年” 。
GPT-4的壁垒被全面打破。 截至2024年底，已有18家机构的70个模型在ChatbotArena排行榜上的得分超过了2023年3月发布的原始GPT-4。曾经“无法企及”的GPT-4，变成了“普遍超越”。
多模态模型全面普及。 2024年，几乎所有主要的模型供应商都发布了多模态模型，能够处理图像、音频和视频输入。5月13日，OpenAI发布GPT-4o——一个原生的多模态模型，所有输入和输出都由同一神经网络处理。同年2月，OpenAI发布Sora文生视频大模型，凭借4K分辨率、最长60秒的超逼真文生视频效果，瞬间引爆全球AI行业。
推理模型开启新范式。 9月，OpenAI发布o1系列推理型模型，开创了通过优化推理阶段提升性能的新范式。o1在响应用户请求之前，会像人类一样进行漫长的内部思维链思考，尝试不同方法甚至自我纠正错误。12月，o3发布，在编码、数学和科学问答上比o1有了更大提升。
成本骤降，效率飙升。 DeepSeek v3仅需557万美元训练成本，便可达到与Claude 3.5 Sonnet等模型比肩的性能。谷歌的Gemini 1.5 Flash 8B比2023年的GPT-3.5 Turbo便宜27倍。一些GPT-4级别的模型——如Qwen2.5-Coder-32B和Llama 3.3 70B——甚至可以在64GB内存的笔记本电脑上运行。
中国AI加速崛起。 2024年，中国大模型应用市场规模达47.9亿元人民币。国产AI视频生成模型能力飙升，与Sora“掰手腕”。截至2024年6月，中国生成式AI产品用户规模达2.3亿人，核心产业规模接近6000亿元。国内大模型“六小虎”全年融资超200亿元。
也是在这一年，关于Scaling Law的争论萦绕全年——线上高质量数据即将耗尽。但争议的另一面，是行业对“下一个方向”的集体思考。
八、2025：推理之年与Agent之年
中国AI的“Sputnik时刻”
2025年，AI从“会聊天”正式迈入 “会推理、会行动” 的时代。
推理成为所有大模型的标配。 OpenAI在2024年9月发布o1开启了“推理革命”后，2025年初又推出了o3、o3-mini和o4-mini。到2025年，几乎所有知名的AI实验室都至少发布了一款推理模型。更重要的是，推理能力的真正突破在于驱动工具——推理模型可以规划多步骤任务、执行任务、持续分析结果并更新计划。
Agent（智能体）从概念走向现实。 2024年人人谈论Agent却几乎没有实际案例。但2025年，Agent被证明“非常有用”。编程Agent和搜索Agent成为两大主力。AI辅助搜索“现在确实有效了”，即便复杂的研究问题也能通过推理模型得到解答。
DeepSeek改写全球AI格局。 2025年1月20日，深度求索发布开源推理模型DeepSeek-R1，性能比肩OpenAI o1，训练成本仅约560万美元。模型迅速登顶全球应用商店榜首，引发美股震荡，英伟达市值一度蒸发近6000亿美元。美国硅谷风险投资者称此为 “AI领域的Sputnik时刻” 。DeepSeek-R1以极低成本实现顶尖性能，彻底打破了“算力至上”的传统范式。到2025年下半年至2026年第一季度，35B参数的模型在复杂任务上超越了体积大近7倍的235B模型——“规模即正义”的信仰正在被颠覆。
中国开源AI登顶全球。 麻省理工学院报告显示，2025年中国研发的开源大模型全球下载量占比达17.1%，首次超越美国（15.8%），跃居世界第一。阿里千问大模型开源数量突破400个，成为全球AI开源社区采用率最高的模型。
国内大模型全面爆发： 阿里云发布Qwen2.5-Max，预训练数据超20万亿tokens；百度发布文心大模型4.5和X1并免费开放；华为推出参数高达7180亿的盘古Ultra MoE，实现全栈国产化；字节跳动豆包市场份额达46.4%，位居中国公有云大模型API市场第一。
也是在这一年，世界模型从学术概念走向产业共识。谷歌DeepMind发布Genie 3；智源研究院发布全球首个原生多模态世界模型悟界·Emu3.5。
九、2026：从数字世界到物理世界
“预测下一个物理状态”
2026年，AI正在经历一次根本性的范式跃迁。
从“预测下一个词”到“预测下一个物理状态”。 2026年1月，智源研究院发布《2026十大AI技术趋势》，明确指出：世界模型已成为通用人工智能的共识方向。行业共识正从语言模型转向能理解物理规律的多模态世界模型。
（《2026十大AI技术趋势》网页转载如下，如需获取全文，请查阅或购买正版）
https://baijiahao.baidu.com/s?id=1868029712994097854&wfr=spider&for=pc&searchword
全球首个通用世界基座模型诞生。 2026年6月，第八届北京智源大会上，智源研究院发布了两款世界模型——悟界·Physis-v0.1和悟界·RoboBrain Orca-v0。悟界·Physis-v0.1是全球首款通用世界基座模型，以“预测下一物理状态”为核心，通过物理隐空间表征学习真实世界运行规律。如果说大语言模型是预测下一个Token，世界基座模型预测的就是下一个物理状态。
AI从“会生成”到“会规划、会行动”。 大模型不再只是提升效率的工具，而正在成为重构数字世界与物理世界的底层力量。AI Coding、自主智能体、模型自进化正在打开“AI创造AI”的可能；世界模型、具身智能和机器人则让智能从文本、代码和屏幕走向现实空间。
AI Coding逼近新临界点。 Anthropic发布的Claude Fable5在编程能力上再次跃升——一个约5000万行代码的代码库迁移，人类团队需一个月，AI可在一天内完成。模型训练数据正从自然互联网文本，进一步扩展到人类与智能体共同产生的合成数据。
国产大模型步入密集爆发期。 2026年，计算机板块正迎来基本面修复与AI范式转移的共振拐点，国产大模型能力高位收敛，全线挺进全球第一梯队。根据OpenRouter数据，在2026年6月第一周全球大模型调用量排名前五的模型中，中国占据四席，合计贡献前五名总调用量的86.47%。豆包大模型日均Tokens调用量从2024年5月的约1200亿提升至2026年3月的约120万亿，两年提升约1000倍。
政策全面加码。 “十五五”规划纲要将“人工智能+”消费提质确定为“人工智能+”行动的重点领域之一。工信部印发《“人工智能+信息通信”创新发展实施意见（2026—2028年）》。6月17日，证监会明确科创板第五套标准适用范围将扩大至人工智能大模型行业。
英伟达在CES 2026上发布了3D通才模型（VLA模型），让AI从 “生成画面”升级为“生成可行动的3D世界” ——不仅能描述世界，还能一步步搭建世界、修改世界、纠错迭代。有媒体评价：如果说ChatGPT是AI学会了“说话”，Sora是AI学会了“做梦”，那么英伟达的这个新模型，就是让AI真正 “睁眼看世界，动手造世界” 。
结语
七十年前，图灵在论文中问出“机器能否思考”时，这还只是一个哲学思辨。
三十年前，“深蓝”击败卡斯帕罗夫，靠的是蛮力计算。
十年前，AlexNet在ImageNet上夺冠，证明了深度学习的威力。
八年前，Transformer横空出世。
三年前，ChatGPT让全世界第一次“对话”AI。
两年前，Sora让AI第一次“看见”世界。
一年前，DeepSeek让全世界第一次意识到——AI的领先，不再只属于硅谷。
今天，AI正在从数字世界“跑”进物理世界。行业不再单纯依靠堆参数实现突破，从“拼规模”转向 “拼密度” ——用更少的计算和数据，更高效地获得更多智能。
大模型不再只是提升效率的工具，而正在成为重构数字世界与物理世界的底层力量。
这条路走了七十年，而真正的故事，才刚刚开始。
（保存或长按下面的二维码，扫码即可查看AI七十年发展时间线。）
