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的发展速度——我只能说：坐过山车都不够快，得坐火箭。
而这个"火箭"的燃料，来自2017年的一篇论文。名字很长，叫《Attention Is All You Need》。翻译过来就是："注意力，就是你需要的一切。"
这篇论文提出了一个叫Transformer的架构。在此之前，处理语言文字（比如翻译）的主流方式是"一个词一个词按顺序来"——就跟你看英文句子一定从左往右读一样。但Transformer说：不，我可以同时"注意"到句子里每一个词跟其他所有词的关系。
类比：以前的AI读文章像在听人念报告——一句接一句。Transformer读文章像在看报纸——一眼扫过去，标题、导语、图片、段落之间的关系全一目了然。
这个变化听上去没什么，就像一个工厂换了一条新流水线。但就是这条流水线，后来生产出了GPT、ChatGPT、Claude、文心一言、通义千问……你能叫得上名字的所有聊天AI，都是它的"后代"。
神奇吗？更神奇的还在后面。
· · ·
GPT这三个字母，是2018年第一次出现的。但别误会——此GPT绝非彼ChatGPT。初代GPT就像一个刚学会说话的三岁小孩：你问它"天气怎么样"，它可能回答"饺子很好吃"。
这不是搞笑，是真实的。
但AI的可怕之处就在于——它学得实在太快了。
2019年，GPT-2出世。参数从1.17亿涨到了15亿。这个版本的GPT终于"说话有点像人了"。它甚至可以自己续写文章，虽然偶尔会跑偏，但已经足够让当时的技术圈倒吸一口凉气——OpenAI甚至一度不敢开源完整模型，理由是"担心被滥用"。
2020年，GPT-3来了。参数直接跳到1750亿。这一次，GPT-3展现了一种所有人没有预料到的能力："涌现"。
什么叫涌现？你可以把它想象成：你堆了一大堆积木，堆到某个高度的时候，它突然自己变出了一个你从来没有设计过的形状。GPT-3就是那座积木塔——当参数大到一定程度之后，它展现出了很多没有被显式"教"过的能力，比如翻译、写代码、做数学题、写诗。
打个比喻：你以为你在养一缸鱼，养着养着发现鱼开始在鱼缸里写毛笔字。你没教过它这个，但它就是会了。
但真正让全世界炸锅的，还不是GPT-3。
· · ·
2022年11月30日，一家叫OpenAI的公司发布了ChatGPT。
五天内，注册用户破了100万。两个月后，破了1亿。人类历史上没有哪个互联网产品比它长得更快。
在此之前，AI对话对于普通人来说，体验大概是这样：
"嘿Siri，今天天气怎么样？"
"这是我在网上找到的关于'天气'的信息……"
然后你就放弃了。
但ChatGPT完全不同。你问它"怎么跟女朋友道歉"，它不仅告诉你具体话术，还会根据你提供的背景（吵了多久、为什么吵、女朋友什么星座）给出定制化建议。它像一个永远耐心、从不生气、知识储备堪比百科全书的朋友。
这不是进步，这是换了个物种。
2016年AlphaGo震撼的是围棋圈、科技圈。2022年ChatGPT震撼的是——所有人。你的同事、你爸妈、你楼下卖煎饼的大叔，都在讨论"那个能聊天的AI"。
而就在ChatGPT爆炸的同时，另一条线也在悄然推进——AI学会了画画。
2022年夏天，Stable Diffusion和Midjourney相继发布。你说一句话，AI就给你一张画。"一只穿着宇航服的柴犬在月球上吃拉面"——以前你得花三天找设计师，现在你只需要等三秒。
划重点：2022年这一年，AI同时攻克了两个人类引以为傲的领域——"说话"和"画画"。就像一个人在同一天学会了弹钢琴和画油画，两样都还弹得不错、画得挺好。
· · ·
如果说2022年是ChatGPT的独角戏，那2023年就是全世界上场的大乱斗。
3月，GPT-4发布，不仅能聊天，还能看懂图片——你给它一张冰箱内部照片，它能告诉你里面有什么食材、能做什么菜。
同一个月，Google紧急发布了Bard（后来的Gemini）。微软把GPT-4深度融入Office全家桶，Word能帮你写文档，Excel能帮你分析数据，PPT能帮你做幻灯片。Meta开源了Llama系列，让任何人都可以下载、修改、部署自己的大模型。
而中国这边，百度推出了文心一言，阿里推出了通义千问，腾讯推出了混元，字节推出了豆包，月之暗面推出了Kimi……一夜之间，"大模型"成了科技圈出现频率最高的词，比"区块链"还高——而且这次是真的有东西了。
到了2024年，OpenAI扔出了另一个核弹：Sora。
同样在2024年，Claude 3.5发布，能力追平甚至在某些任务上超越了GPT-4。AI编程工具Cursor让不会写代码的人也能开发App。AI不再只是一个"聊天玩具"，它开始真正参与生产力。
· · ·
进入2025年，AI的发展方向出现了重大转向。
在此之前，大家都比"参数大小"——你的模型1000亿，我就2000亿；你的2000亿，我就5000亿。像一个永远在加码的拍卖会。
但2025年出现了一条新路：推理模型。
这个模型的特别之处在于：它会"思考"。
你问它一道数学题，它不会直接给出答案。而是像一个人在草稿纸上演算一样，先写下"嗯，这道题应该是这样的……不对，我再想想……哦，我明白了……"
在多项推理基准测试中，DeepSeek-R1的表现与OpenAI的o1模型持平，但成本只有对方的不到十分之一。
这一下，全世界都坐不住了。一个成立不到两年的中国团队，用更少的资源做出了更便宜但同样强大的东西——华尔街称之为"AI的斯普特尼克时刻"。
2025年里，AI Agent（智能体）也成了新热词。简单说，以前你只能跟AI聊天；现在你可以告诉它"帮我订一张下周三去上海的机票，选靠过道的座位，顺便查一下那几天的天气"，然后它自己去浏览器、去航空公司网站、去天气App帮你全部搞定。
AI从"回答你的问题"，变成了"帮你做事"。
到了2026年，多模态模型已经家常便饭——拍照问菜谱、拍文件翻译、面对面对话、视频实时分析。AI编程更是从辅助工具变成了主流开发方式，越来越多的产品经理、设计师开始直接"用嘴写代码"。
· · ·
如果你从头看完这两期，你会发现一个特别值得咀嚼的事实：
2006年，Hinton一个人孤独地研究神经网络，第一次提出了深度学习，但没有人相信他能成。
2016年，AlphaGo击败了人类最顶尖的围棋手，全世界开始正视AI。
2026年，AI已经可以跟你对话、帮你画画、替你写代码、为你做PPT，甚至替你思考。
整整二十年，从一个没人看得起的"夕阳红领域"，到变成整个人类社会最炙手可热的科技革命。
但我想说的是另一件事。
过去二十年AI的发展，有一个始终没变的规律：关键突破从来不是来自"更大的算力"或"更多的钱"，而是来自一小撮人想通了一些别人没想通的事。
Hinton想通了"逐层预训练"。李飞飞想通了"先有好的数据"。"Transformer八子"想通了"注意力机制"。DeepSeek团队想通了"不需要那么多资源也能做好推理"。
而下一个二十年，AI会变成什么样？
我不知道具体的答案。但我知道一件事：那些能改变方向的人，一定不是最有钱的人，不是最有资源的人，而是——最敢想的人。
就像2006年的Hinton。就像2015年的DeepMind。就像2022年的OpenAI。就像2025年的DeepSeek。
他们都有一个共同点：在所有人说"这不可能"的时候，他们已经开始做了。
下一个说"这不可能"然后被推翻的事情，会是什么？我不知道。但我很期待。
这个系列到这里就结束了。看到这里的朋友，谢谢你。
参考资料：
《Attention Is All You Need》，Google Brain，2017
《Language Models are Few-Shot Learners》（GPT-3论文），OpenAI，2020
OpenAI官方博客（ChatGPT、GPT-4、Sora发布说明）
DeepSeek-R1技术报告，2025
《深度学习革命》（Genius Makers），凯德·梅茨著