英国数学家艾伦·图灵发表论文《计算机器与智能》，在论文开篇就提出了那个著名的问题：「机器能思考吗？」他没有直接回答，而是设计了「模仿游戏」也就是后来的图灵测试：让人和另一个房间的对象打字对话，如果人没法分辨对面是机器还是人，就可以认为机器具备智能。这篇写于70多年前的论文，第一次把「机器智能」从哲学思辨变成了可以被实验检验的命题，至今仍是所有AI伦理讨论的起点。

29岁的达特茅斯学院助理教授约翰·麦卡锡牵头，拉上马文·明斯基、香农、诺伯特·维纳等10多位当时最顶尖的年轻学者，在达特茅斯学院开了一场为期两个月的研讨会。正是在这次会议上，麦卡锡第一次正式提出了「人工智能（Artificial Intelligence）」这个术语，参会的学者当时乐观地认为：「二十年内，机器将能完成人能做到的一切工作」。这次会议直接把AI从零散的计算机研究变成了一个独立学科，1956年也因此被公认为AI元年。

康奈尔大学的心理学家弗兰克·罗森布拉特在《纽约时报》的报道里公开演示了「感知机」——世界上第一个可训练的人工神经网络硬件，这个像个大柜子的设备，可以通过调整内部连线的权重，自动学会识别简单的图片模式，比如区分三角形和圆形。当时的媒体疯狂报道，称这是「第一个能拥有自己想法的电子设备」，军方直接拨款20万美元支持研究，连接主义技术路线由此正式起步。

MIT的计算机科学家约瑟夫·魏泽鲍姆写了一个200行的小程序ELIZA，它不做任何复杂计算，只是通过关键词匹配把用户的话改写成类似心理咨询师的回应，比如用户说「我妈妈不喜欢我」，它就会问「你为什么会想到你妈妈？」。当时魏泽鲍姆自己的秘书明明知道这只是个程序，却在测试时要求他回避，要求和程序单独聊天。这件事让魏泽鲍姆非常震惊，第一次引发了关于人类为什么会对机器产生情感投射的讨论。

这一阶段全球AI研究几乎全部走符号主义路线：研究者把人类专家的知识拆解成一条条逻辑规则写进代码，让机器按照这些规则做推理。1965年赫伯特·西蒙甚至公开预言：「二十年内，机器将能完成人类能做的所有工作」。当时的研究者普遍相信，只要把规则写得足够全、推理链搭得足够长，机器就能实现通用智能，这一路线整整主导了早期AI研究十余年。

1973年《莱特希尔报告》直接指出：过去十几年里AI的所有研究，都没有兑现当初承诺的能力，所有项目在真实世界的复杂场景里完全无法落地。这份报告直接导致英国政府停掉了几乎所有AI研究经费，美国DARPA也砍掉了大部分AI项目预算。麦卡锡1971年就拿了图灵奖，但到1974年他已经拿不到任何研究经费，整个行业进入长达6年的停滞期，「人工智能」甚至成了科研圈的敏感词。

卡内基梅隆大学为DEC公司开发的XCON专家系统，能自动给客户配置VAX计算机的订单，不用人工核对，每年为公司省下4000万美元；医疗领域的MYCIN系统可以诊断细菌感染，准确率比年轻医生还高。这些在封闭场景里跑通的专家系统，第一次让AI实现了商业化盈利，各大公司纷纷成立AI部门，日本甚至启动了「第五代计算机」国家项目，打算用10年造出通用AI，全球对AI的热情重新被点燃。

以 Rod Brooks 为代表的研究者提出了「没有理由让AI先学思考再学行动」的路线：不需要预先写所有规则，而是让AI通过和环境的交互、靠试错获得奖励来学习最优策略。Brooks做出的六足机器人可以在房间里自己绕开障碍物走，完全没有内置的行走规则，只是通过不断试错调整步态。这一路线后来在机器人控制、游戏AI领域大获成功，成为和符号主义、连接主义并列的三大AI技术路线之一。

日本的「第五代计算机」项目投入了4亿美元，最后彻底失败；专家系统的维护成本爆炸——每适配一个新行业、一个新场景，就要重新写几千条规则，很快就没人用得起了。1987年开始，华尔街的AI公司股价集体崩盘，所有AI公司纷纷倒闭，DARPA再次砍掉了几乎所有AI项目预算，整个行业又进入了长达6年的低潮期，这一阶段做AI研究甚至要靠在申请里不说「人工智能」三个字才能拿到经费。

IBM的超级计算机「深蓝」经过三年迭代，在和国际象棋世界冠军卡斯帕罗夫的六局正式比赛里，以3.5:2.5的比分赢下了比赛。卡斯帕罗夫赛后说自己在棋盘上感受到了「真正的智能」，他要求重赛被IBM拒绝，而IBM在比赛结束第二天就把深蓝拆了。这是AI第一次在人类公认的高智力项目上战胜世界顶级人类选手，当时全球有上亿人通过直播看了这场比赛，证明了在专用垂直领域，AI可以超越人类顶尖水平。

多伦多大学的 Alex Krizhevsky 和 Ilya Sutskever 用两块GTX 580显卡训练了一个8层的卷积神经网络AlexNet，在当年的ImageNet图像识别竞赛里，把top-5错误率从第二名的26%直接打到了15.3%，相当于把当时行业认为「还要十年才能解决」的问题一下解决了。比赛结束后微软研究院的创始人立刻飞去找辛顿，花4400万美元把整个团队买走，整个计算机视觉领域一夜之间全部转向深度学习，这场胜利直接引爆了之后十年的深度学习革命。

DeepMind研发的围棋AI AlphaGo，在首尔和韩国围棋世界冠军李世石下了五局棋，最终4:1赢下比赛。当时所有人都以为AI至少还要十年才能攻下围棋——围棋的合法变化数量比宇宙里的原子数还多，根本不可能靠暴力搜索算完。这场比赛全球有超过2亿人看了直播，李世石在第四局下出的「神之一手」让AlphaGo整整宕机了三分钟，也是AlphaGo唯一输的一局。这场比赛让全世界普通人第一次直观感受到了深度学习的潜力。

Google大脑的团队发表了那篇只有9页的论文《Attention Is All You Need》，提出了完全基于自注意力机制的Transformer架构，不需要循环结构、不用卷积，直接通过注意力机制就能并行处理整个长文本序列，直接解决了之前RNN处理长文本必须一步步顺序计算的瓶颈。当时没人想到这篇论文会彻底改变整个行业——从GPT到BERT到LLaMA，现在所有主流大模型，全部都是搭在Transformer这个架构上的，它是整个现代大模型时代的技术基石。

2018年6月OpenAI发布了1.17亿参数的GPT-1，同年10月Google发布了3.4亿参数的BERT，两个模型都确立了同一个新范式：先在海量无标注的公开文本上预训练出通用语言模型，再用少量标注数据针对具体任务微调。之前AI模型都是针对单个任务从零训练，现在变成了先让模型读完全网的通用知识，再适配具体场景，这个范式直接开启了整个大模型预训练时代。

OpenAI发布了参数量1750亿的GPT-3，这是第一个展示出「涌现能力」的大模型：它从来没有专门学过写代码、做翻译、写公文，只是因为见过足够多的文本，就能直接完成这些复杂任务。当时整个行业震惊于「模型大到一定程度就会突然长出新能力」的规模效应，所有科技公司立刻开始追赶大模型路线，OpenAI也从此成了大模型赛道的领跑者。

OpenAI推出基于GPT-3.5的对话产品ChatGPT，因为经过了RLHF人类反馈对齐训练，它可以用非常自然的人类语言和用户对话、回答各种问题，上线两个月用户就突破1亿，成为史上增长最快的消费级应用，第一次把大模型从行业实验室带到了普通大众的日常生活中，开启了AI应用的全民时代。

OpenAI发布GPT-4，支持同时理解文字和图片；Sora发布，可以根据文字描述直接生成长时长高清视频，AI不再只能处理文字，而是同时具备了视觉理解、音频处理、视频生成的多模态能力，应用场景从文字工作扩展到了整个创意生产领域。

这一年大模型正式从「问答工具」进化为可以自主执行任务的智能体：OpenAI发布GPT-4o，实现了毫秒级延迟的原生多模态实时对话，视频通话时可以同时看画面、听声音、实时回应，交互体验已经接近真人对话；开源界AutoGPT、MetaGPT、CrewAI等Agent框架集体爆火，普通开发者不用写太多代码就能搭出能自主完成任务的智能体；Anthropic发布了MCP协议，成为大模型连接外部工具和数据源的统一标准，各大厂商纷纷兼容；Cursor月活用户突破千万，Devin作为第一个「AI软件工程师」在测试里独立完成了GitHub上的真实任务；国内字节发布豆包、月之暗面发布Kimi、智谱发布GLM-4，各家的Agent助手开始走进普通用户的日常办公场景。

这一年是国产大模型的爆发年：深度求索发布DeepSeek-R1，用不到OpenAI 1/10的训练成本做出了性能全面对标OpenAI o1的推理模型，训练过程全程开源，直接打破了美国在前沿推理模型上的技术垄断，整个行业都在复现和优化R1的训练方法；百度、阿里、字节、智谱集体把大模型API价格下调90%以上，百万token的调用成本从几块钱降到几毛钱，几乎变成免费基础设施；端侧小模型技术成熟，Qwen、Llama、DeepSeek的7B/14B版本经过量化后，可以直接在普通笔记本甚至手机本地流畅运行，不需要联网；多模态Agent产品大规模落地，普通用户只要说一句「帮我订下周去上海的机票，要上午的，顺便把会议纪要整理出来」，AI就能自己调用多个工具完成整个流程，不需要人一步步操作。

这一年AI彻底告别了「需要专门打开的网页/App」的形态：WPS、飞书、Figma、Notion所有主流办公、设计软件都原生内嵌了AI能力，你在文档里直接@AI就能写内容、改格式、做表格，不用在软件之间复制粘贴；世界模型技术取得关键突破，Wayve、Google的世界模型可以直接在虚拟环境里模拟物理世界，自动驾驶、机器人操作的训练成本直接降了一个数量级；实时语音对话的自然度已经和真人几乎无法区分，阿里、字节的AI语音助手在电话客服场景已经能独立完成90%以上的用户咨询；AI编程已经成为开发者的标配工具，初级程序员写代码前都会先让AI生成初版再做修改，大部分知识工作的基础文案、整理、查资料工作都可以由AI辅助完成，AI正式从「效率工具」变成了所有人的「工作搭档」。