AI这七十多年，到底是怎么走过来的

1950年，图灵发了一篇论文，问了一个当时听起来有点荒唐的问题：机器能思考吗？他还给了一个测试方法，后来被称为图灵测试。六年后的达特茅斯会议上，“人工智能”这个词第一次被正式提出。那会儿大家很乐观，觉得用不了多久机器就能像人一样思考。结果呢？起起落落比想象中复杂得多。

早期是符号主义的天下。专家系统在六七十年代火过一阵，能看病、能诊断故障，但知识全靠人一条条写进去，成本高，扩展难。1969年明斯基等人指出单层感知机连异或都搞不定，神经网络研究几乎被打入冷宫。1973年英国那份莱特希尔报告又给AI泼了冷水，说投入没换来实际成果，钱一断，第一次寒冬就来了。

后来辛顿他们把反向传播重新带火，连接主义才算缓过来。1997年深蓝赢了卡斯帕罗夫，但深蓝靠的是搜索和算力，不是真正的理解。真正改变局面的是2006年以后：深度学习、GPU、大数据凑到一起。2012年AlexNet在ImageNet上把对手甩开，大家才意识到方向变了。2016年AlphaGo赢李世石，2017年Transformer出来，再到2022年底ChatGPT，AI一下子从实验室走进了普通人的手机。

未来五年，我觉得最大的变化不是模型参数又涨了多少，而是AI开始从“会说”变成“会做”。以前它更像一个聊天对象，你问它答。现在智能体这个概念越来越实在：它能自己拆任务、调工具、看结果、再调整。清华的张亚勤说过，AI重心正从内容生成转向目标驱动的智能体。有数据说，智能体处理复杂任务的长度能力大概每七个月翻一倍，准确率也过了50%这个坎。2025年很多人叫它“智能体元年”，不是没道理。

另一个趋势是成本往下掉。推理成本每年降十倍左右，但能力还在涨。这就让AI从少数公司的玩具变成能大规模用的工具。麦肯锡预测代理式AI到2027年进入规模化阶段，制造业已经在用它做预测维护，效率提升大概两成。

再往后，AI会往物理世界走。大模型正在变成能看、能说、能动的模型，也就是具身智能的基础。张亚勤预测2030年无人驾驶会迎来自己的“DeepSeek时刻”，10%以上新车可能具备L4+能力；机器人要到2035年左右才接近人类水平的灵巧操作。生物医药可能是未来十年最有颠覆性的方向，靶点发现、分子设计、精准医疗都会被改写。

当然，风险也跟着来。幻觉、隐私、就业冲击，这些不是靠一句“技术中立”就能糊弄过去的。未来五年，治理框架怎么建，会跟技术本身一样重要。