ai元年才不是22年

22年底似乎被大家认为是AI的起点、AI爆发元年，彼时全世界陷入与ChatGPT交谈的狂热之中。所有人都在凑上这场热闹，科研人员希望利用AI降低自己检索、整理信息的成本；普通人希望通过AI获取生活常识；一时间各大资本也纷纷下场，豆包、元宝、kimi、DeepSeek等一众国产语言类大模型层出不穷。俨然一副第四次工业革命的样子。不过AI的种子似乎比这早的多，光就语言类大模型"发扬光大者"(记住这个说辞)ChatGPT而言，它的诞生就比你想象的早的多：

事实上AI的概念、算法演化也远比你想象的早

1. 史前时代：理论奠基与早期探索 (1950s - 2000s)

思想萌芽：1943年，神经网络的数学基础被奠定；1950年，图灵测试定义了AI的终极目标；1956年达特茅斯会议正式确立了“人工智能”学科。1986年反向传播算法的重新发现，为神经网络训练提供了有效工具。

2. 前Transformer时代：深度学习与词向量 (2000s - 2016)

深度学习的崛起为语言模型铺平了道路。2006年，“深度学习”概念诞生。2012年，ImageNet竞赛的突破，让世界见证了深度神经网络的威力。

词向量（Word Embedding）诞生：Word2Vec（2013）和GloVe（2014）模型的出现是关键飞跃。它们能将单词转化为蕴含语义的“向量”（一串数字），让计算机开始“理解”词语关系。

注意力机制萌芽：研究者发现，人在理解句子时会有重点（注意力）。早期的注意力机制（Attention） 被提出，但当时只能依附于RNN等模型，无法独立工作。

3. 引爆点：Transformer革命 (2017)

2017年，谷歌团队发表了里程碑式论文《Attention Is All You Need》，提出了Transformer架构。

核心创新：自注意力机制：Transformer完全基于自注意力（Self-Attention）机制，能直接关注句子中所有词语的关系，彻底解决了RNN处理长文本时效率低、易“遗忘”的难题。

意义：Transformer奠定了现代大语言模型的基础架构。可以说，ChatGPT里的“T”，指的就是Transformer。

4. 大爆炸：预训练模型时代的两大派系 (2018 - 至今)

Transformer架构引发了“AI大爆发”，模型沿三个主要方向进化。

GPT派（Decoder-Only，自回归）：坚持“生成”路线。模型根据已知文本，逐字预测下一个词，像“文字接龙”一样擅长创作。

BERT派（Encoder-Only，自编码）：精通“理解”。它通过掩码语言模型（MLM）进行双向训练，能同时参考上下文理解词语。BERT（2018）在语言理解任务上一鸣惊人。但这条路线在生成任务上较弱，后续的RoBERTa、ALBERT等改进模型也未能扭转这一局面。

混合派（Encoder-Decoder）：兼具“理解”与“生成”。它既有编码器理解输入，又有解码器生成输出，适合机器翻译等“序列到序列”的任务。代表模型有Google的T5（2019）和清华的GLM。

并不是说同时代只有GPT，而是GPT迅速的搭上了Transformer的车，并且在这场成王败寇的军备竞赛中脱颖而出。

当然，不止语言类大模型，帮助你vibe coding的编程式AI Agent出现的也比你想象的要早。虽然在25年底，claude、codex等产品才逐渐进入大家的视线，但在你未察觉到的时候，它们就已经在蓬勃发展了：

2017年：微软与剑桥大学联合推出DeepCoder，能通过程序合成解决基础编程题目。

2013年：北京大学aiXcoder团队开始研究深度学习代码生成，是国际上最早的研究团队之一，2018年发布产品1.0版。

2014年：Kite成立，专注Python代码AI补全。

2018年：微软发布IntelliCode，基于数千个公共代码库训练，提供上下文感知的智能建议。

2019年：Tabnine（当时称Deep TabNine）问世，是首个集成GPT-2进行代码补全的工具。

2021年6月：GitHub Copilot发布技术预览版，由OpenAI Codex驱动。

2023年：Cursor等基于GPT-4的AI代码编辑器出现。

当然，以上打产品，大都没能广泛的走进大家的工作台，大家熟悉的Claude与Codex，几年前也就开始萌芽：

1. Claude

Claude由人工智能公司Anthropic开发。Anthropic由前OpenAI高管Dario Amodei和Daniela Amodei兄妹于2021年创立，初衷是打造一个更安全、更透明的AI聊天机器人。

2023年3月：Anthropic正式发布Claude 1.0，以信息论之父克劳德·香农命名。

2023年7月：发布Claude 2。

2024年3月：推出Claude 3系列（Haiku、Sonnet、Opus）。

2025年2月：发布Claude 3.7 Sonnet。

2025年5月：推出Claude 4系列。

2026年：持续推出Claude Opus 4.6、4.7等升级版，截至发稿日，Opus 5已经开放使用了：

2. Codex：从代码模型到智能代理的演变

"Codex"在OpenAI的产品线中经历了两代截然不同的形态：

第一代（2021年）：代码生成模型

2021年8月：OpenAI发布OpenAI Codex，本质是GPT-3的微调版本，在数十亿行公开代码上训练而成。它也是GitHub Copilot的底层引擎。

初代Codex有120亿参数版本，在159GB Python代码上训练，支持Python、JavaScript、Go等十几种语言。

2023年3月：OpenAI弃用了通过API提供的Codex模型。

第二代（2025年）：软件工程智能代理

2025年4月：OpenAI发布Codex CLI，一个可在终端与代码库交互的命令行工具。

2025年5月：推出Codex云端研究预览版，作为运行在云端沙盒中的软件工程代理。其核心模型为codex-1，基于o3架构优化。

2026年：Codex从独立产品演变为通用AI工作台。

现在信息越来越公开透明，无论什么行业，老玩家的优势越来越不值得一提，新玩家的上手难度在"开方级"下降。没有AI的年代，生信同样也有形式的转变，从C++这种基于底层编译型系统级语言的生信程序开发，再到Perl、R语言、Python这类用户友好型高级解释型语言，再到现在的vibe coding直接用自然语言完成编程和分析任务，不是AI带来的行业转变太快，而是行业一直在变化，你却刚刚感受到。