AI二十年：从沉默到会说会看会想
系列 · 终结篇第一期我们讲到2016年，AlphaGo击败李世石，全世界第一次亲眼看见AI的"可怕"。但如果把AlphaGo比作一个围棋天才，它的才华是"封闭"的——只会下棋，不会聊天，不会画画，不会写文章。就像一个智商爆表但从不开口的学霸，你知道他准厉害，但说不上来他厉害在哪。2016年之后发生的事情，才是真正让AI走进你手机、你办公室、你生活的那部分。机器不仅学会了说话，还学会了看、听、画，甚至学会了"推理"。这篇文章，就是这后十年的故事。如果你让我选一个字来形容AlphaGo之后这几年AI的发展速
智能体时代来临：WAIC 2026揭示AI进化新方向
AI的未来走向何方？WAIC 2026发出清晰信号：智能体时代已拉开序幕从“能对话”到“能执行”，AI正迈入全新发展阶段过去数年，AI已经深刻改变了诸多领域。ChatGPT让大众首次体会到：机器不仅能进行运算，还具备了理解语义的能力。紧接着，AI绘图、AI视频生成、AI代码编写接连取得突破，使越来越多人认识到：人工智能不再是遥不可及的科技幻想，而是已经成为当下的生产利器。然而，一个关键问题随之浮现：AI的下一个发展方向究竟在何处？2026年世界人工智能大会暨人工智能全球治理高级别会议主论坛，或许给出了答案
AI迈入第二发展阶段
近日AI领域释放出一个关键信号。AI的演进焦点，已从"模型智能化程度"转变为"企业实际落地应用"。新一代GPT-5.6正在大规模铺开，除了推理性能显著提升，更重要的是其智能体（Agent）能力日趋完善，能够协同处理复杂任务。这预示着，未来企业核心关注点不再是"哪家AI最强"，而是：✔ 能否自动化处理经营数据？✔ 能否支撑财务分析工作？✔ 能否搭建企业专属知识库？✔ 能否赋能销售、客服、行政等岗位提效？与此同时，AI监管力度也在不断加大。未来企业不仅要善用AI，更要合规使用AI、保障数据安全、完善制度建设。
AI发展的两条路径
人工智能的演进分野 2020年，全球人工智能伙伴关系组织（GPAI）宣告诞生，该组织采取民间会员制（涵盖企业及科研机构等），其核心使命在于确保AI的伦理规范、可信度、安全性及责任担当。 2026年6月，世界人工智能合作组织（WAICO）随之问世，采用政府会员制，致力于实现AI的普惠性、推动发展及促进开放协作。 这两大组织吸引了截然不同的国家参与，从而在AI产业界构建了两个截然不同的阵营。两者的组织架构性质迥异：GPAI更侧重于市场导向，而WAICO则强调政府主导。 从产业运作模式来看，市场导向派遵循需求侧
AI的未来：超越当前认知的技术革命
不少人把眼下这波AI热潮拿来和2000年那场互联网泡沫相提并论，但这其实忽略了根本差异：当年互联网解决的是"连接"问题，而今日的AI要解决的是"创造"问题。更准确地说，我们AI正处于从"模式识别"向"认知推理"跃迁的关键节点。以大语言模型为例，核心本质仍是一个极度复杂的"序列预测引擎"——海量吸收人类知识文本，然后推断最可能出现的下一个token。这让我们在语义解析、常识问答、代码撰写等方面表现惊艳，但本质上仍是"刺激-反应式"的机敏，而非依赖深层世界模型的主动思考。打个比方，现阶段的AI就像一个只发育了
AI泡沫之辩：革命才刚启航
AI泡沫从何谈起？当前真正大规模布局AI的，主要集中在中国和美国，其他国家在资金、人才、电力、算力及产业链等方面，均难以形成同等级别的竞争。AI发展才刚刚迈入第一阶段，距离全面落地尚有一段漫长的路要走。如今你真正每天离不开的AI产品又有几个？除大模型外，还有多少已彻底改变你的生活？真正的AI革命，还远未真正开始。更何况，AI与当年的互联网截然不同。互联网主要依赖软件与流量，而AI背后则是真金白银的硬件投入：GPU、数据中心、服务器、电力、网络、机器人、自动驾驶、智能制造……整个产业链都需要持续投资。因此，
AI究竟如何引发失业危机？
不知道你最近是否被焦虑所困扰？我同样如此。随着AI技术的迅猛发展，你只需一句话，AI便能操控浏览器、生成完整文档，甚至协助你开发一个小程序。这既带来了新的可能性，也增添了诸多不确定性——比如，不知何时你的岗位就会被取代，届时你只能拿到N倍赔偿走人。然而，从身边实际体验来看，AI的表现似乎并不那么稳定，也不够完美，这让我暗暗松了口气。那么，在AI高速发展的当下，它会以怎样的方式逐步取代我的工作？我又该如何应对这一变革呢？你们又在被怎样的焦虑所困扰呢？
人工智能进步面临的挑战
致力于打造一流投研平台，成为百万投资人士的伙伴为您解析财经政策、监管动态，研判产业和公司基本面，探讨反转与动量选股、量化交易体系。——简与素2026年7月，OpenAI推出GPT-5.6，向全球表明：AI竞争已从“对话机器人阶段”迈入“操作执行系统阶段”。 然而，同月斯坦福大学发布的《2026年AI指数报告》指出，中美顶尖模型性能差距已缩减至2.7%，两国模型在过去一年中多次轮番领先。表面看差距在缩小，但GPT-5.6揭示的裂痕不在评测分数，而在基础路径——它暴露了一个严峻现实：美国正从“模型优势”转向“
AGI：人工智能的终极梦想
上一讲我们区分了弱AI与强AI。那种"无所不能、如人般思考"的AI，在学术界被称为AGI——通用人工智能（Artificial General Intelligence）。它是AI领域的终极追求，也是无数科研者奋力前行的方向。为何如此关键？因为一旦实现，人类社会将经历深刻变革——机遇与风险并存。本讲，我们深入探讨AGI的本质，以及它离我们有多远。定义AGI：能像人类一样理解、学习并完成任何智力任务的AI。注意"任何"这个词。当前的弱AI是"会下棋的不会开车，会开车的
孙正义：核聚变是AI未来能源关键
据彭博社7月14日报道，软银集团创办人孙正义认为，伴随人工智能数据中心对电力的需求急剧增长，核聚变有望在近期内成为最可靠的能源供应方式。 孙正义指出，当前数据中心依然会以天然气为主要电力来源，但未来核聚变将扮演关键角色。 核聚变是太阳及其他恒星产生能量的机制。孙正义预估，至2040年，全球数据中心电力需求将达3太瓦。“核聚变会成为地球上更经济、更环保、更安全的新一代主力能源。持续大规模使用天然气发电是否合理？我预测15年内，核聚变将替代天然气发电。” 自2011年东京电力福岛第一核电站发生堆芯熔化事故以来
从手术台到算法世界：一位麻醉医生为何重拾AI学习
近期，不少朋友向我询问：你作为一名麻醉医生，为何整天钻研AI？为何写了那么多关于人工智能的内容？甚至有人打趣道：“你是不是打算转行啦？”每次听到这个问题，我总会微微一笑。其实，我并非AI专家，也不是计算机领域的教授，只是一个普通的麻醉医生。如果说和计算机有什么关联。那就是二十多年前，我有幸辅修了一个专业，通过了三十多门课程，获得了计算机的本科文凭。我也曾因医院的软件供应商跑路，被迫半脱产去熟悉代码，接手维护工作，后来又重写医保接口，迁移数据库，发布新版本，折腾了整整六年。从那以后，我从未真正离开这个领域，
美光宣布2500亿美元美国本土投资计划，7月10日美股成交额排行榜出炉
周四美股成交额第1名美光(991.64, 42.84, 4.52%)科技收高4.52%，成交408.4亿美元。该公司宣布，计划2035年前在美国投资超过2500亿美元。最新计划比该公司去年6月公布的2000亿美元大幅提升。据美光科技介绍，此次追加投资的目的包括实现一项长期目标，即将其DRAM（动态随机存取存储器）产量的40%放在美国本土生产。2500亿美元投资将用于一些工厂建设计划，例如在美国爱达荷州博伊西建设第二座前沿存储芯片制造工厂、扩建弗吉尼亚州马纳萨斯的一处制造设施。此外，还有数百亿美元将用于技术
AI行业新动向：语音交互与监管框架并进
近期AI领域最显著的信号，并非某家公司发布了更大规模的模型参数，而是多家领军企业共同在回应一个核心问题：AI如何从"可用"迈向"长期可用、可部署、可监管"的阶段。OpenAI一方面向全球ChatGPT用户开放更流畅的语音交互体验，另一方面持续推进GPT-5.6的全面开放进程；Google在Gemini API上完善了异步执行、远程MCP及凭据刷新等直接影响生产环境可用性的功能；FTC则开始就AI输出操控与营销披露问题正式征求各方意见。加上Anthropic的安全落地案例与微软的最新组织调整，这组资讯综合来
AI发展全景：从大模型到多模态的机遇与挑战
摘要：本报告系统回顾1950年以来人工智能70年演进历程，划分符号主义、神经网络、深度学习大模型三大发展阶段，分析两次AI寒冬的根源。深入解读图灵测试、达特茅斯会议、深蓝、AlexNet、AlphaGo、Transformer、ChatGPT等十大关键节点，剖析算力、数据、算法三大核心驱动力。涵盖NLP、计算机视觉、机器人等主要分支，对比BERT与GPT的开源与闭源路径，梳理国内外主流大模型布局。聚焦医疗、金融、自动驾驶、内容创作等六大落地场景，深入探讨幻觉、可解释性、算力成本、AI治理等核心难题，展望A
七十年AI发展揭示的核心真相
2019年，人工智能领域的研究者萨顿，在梳理完AI七十余年的演进历史后，发表了一篇极具影响力的文章《苦涩的教训》，首次公开了人工智能实现跨越式发展的核心奥秘。过去，科研人员普遍认为，将人类积累的专业知识和精妙方法逐一编入计算机程序，就能让AI获得真正的智能。然而实际的发展轨迹却证明：依靠强大运算能力和自我学习机制的AI系统，终究会超越依赖人类预设规则的程序。这一发现在业界引起不小震动，因此被冠以"苦涩的教训"之名。AI实现突破主要依赖两条路径：大规模运算和自主学习。运算指的是计算机能够快速穷举所有可能的解