AI 发展 75 年史：从图灵测试到具身智能的完整复盘

从 1950 年图灵提出"机器能思考吗"这一哲学问题，到 2025 年大模型、智能体与具身智能全面爆发，AI 的七十五年历史是一场跨越算法、数据、算力三大支柱逐步汇聚，最终从模仿人类走向理解真实世界的接力赛。

核心要点

AI 的学科定义从一开始就被"工程化"了：图灵没有陷入"什么是思考"的哲学争论，而是将其转化为一个可测试的工程问题——如果一台机器隔着屏幕聊天，让人分不清对面是人还是机器，那它就算会思考。这奠定了 AI 学科"追求的不是灵魂，是表现"的根本基调。
AI 在发展早期就分化为两条路线：符号主义（人类手把手把知识和规则写死）与连接主义（神经网络，机器自己从数据中学习）。后者就是今天深度学习的前身。
AI 经历了两次"寒冬"：第一次源于 1969 年《感知机》一书对单层感知机局限性的系统批评，导致神经网络研究资金断裂；第二次源于 1980 年代专家系统因规则过于复杂、维护困难而失宠。
AI 真正复兴靠的是三样东西缺一不可：好的算法（反向传播、CNN）、大规模数据集（ImageNet）、以及强大的并行算力（GPU + CUDA）。
2012 年是整个 AI 历史最关键的转折点：AlexNet 在 ImageNet 竞赛中取得断崖式胜利，一次性验证了神经网络的有效性、数据集的价值和 GPU 的潜力。
大模型时代的根基是 2017 年谷歌提出的 Transformer 架构：其核心优势是适合并行训练、能处理海量数据，并展现出"模型越大、数据越多、效果越离谱"的反直觉特性。
ChatGPT 的上线（2022 年 11 月 30 日）是 AI 进入普通人生活的分水岭：五天用户破 100 万，两个月破 1 亿，成为人类历史上增长最快的消费级产品。
AI 的能力演进方向是多模态 → 智能体 → 空间智能 → 具身智能：从只会打字的大脑，逐渐长出眼睛、耳朵、嘴、手和身体，最终走进物理世界。

详细解析

AI 的起点：图灵测试（1950 年）

1950 年，英国数学家阿兰·图灵（Alan Turing）提出了一个当时被认为天方夜谭的问题：机器能思考吗？ 这个问题在当时更像哲学系大一新生的论文题目，非常抽象。

图灵的聪明之处在于，他没有纠结于"思考"的定义，而是把这个辩论赛式的问题改写成工程化版本：如果有一天，一台机器隔着屏幕和你聊天，而你能聊到分不清对面是人还是机器——那它算不算会思考？ 这就是著名的图灵测试（Turing Test）。

这一步极其关键，等于把一个哲学问题硬生生拧成了产品问题。AI 这门学科的基因从此刻就定下来了：我们追求的不是灵魂，是表现。

学科的命名：达特茅斯会议（1956 年）

1956 年夏天，美国达特茅斯学院一群年轻科学家召开了一场改变世界的会议，名为"达特茅斯人工智能夏季研究计划"（Dartmouth Summer Research Project on Artificial Intelligence）。会议上，约翰·麦卡锡（John McCarthy） 正式拍板，给这门学科命名为 Artificial Intelligence（人工智能），"AI"这两个字母从这一刻正式确立了身份。

与会者的心态当时相当膨胀，他们觉得给一个夏天和一点经费，AI 就能被彻底拆明白。这种乐观情绪后来被证明为时过早——第一次 AI 寒冬很快就会来。

早期的两条技术路线

AI 从一开始就分成了两条路线：

符号主义（Symbolicism）：人类手把手地告诉机器什么是猫、什么是狗、什么情况下得肺炎、什么情况下该割肉股票。知识和规则全部写死。好处是清楚、可解释，坏处是人类常识太多，永远写不完。
连接主义（Connectionism）：也就是神经网络。1958 年，弗兰克·罗森布拉特（Frank Rosenblatt） 发明了感知机（Perceptron）。这个思路非常理想化：不用人教，机器自己从数据里学。这本质上就是今天深度学习的"祖宗"。但当时的现实约束是——数据没有、算力没有、算法也没调明白。

两次 AI 寒冬

第一次寒冬（1969 年起）：1969 年，两位大佬 马文·米斯基（Marvin Minsky） 和 西摩·佩珀特（Seymour Papert） 出版了《感知机》一书，系统性地指出了单层感知机的缺陷。学术圈得出的结论是"神经网络这条路不行"，于是资金断了、项目砍了、论文没人看了，AI 的第一次寒冬来临。
第二次寒冬（1980 年代末至 1990 年代初）：1980 年代 AI 曾凭借专家系统（Expert System） 再次火了一轮——找一个行业大牛，把他的经验全部塞进电脑，用于医疗诊断、设备维修、金融决策等场景。起初企业看到能赚钱就疯狂砸钱，但问题很快暴露：规则越写越多，维护越来越难，世界稍微一变系统就开始掉链子。于是第二次寒冬又来了。

深度学习复兴的三大支柱

AI 真正"活过来"依赖于三样东西：算法、数据、算力，三者缺一不可，如同集齐龙珠才能召唤神龙。

算法：反向传播（1986 年）

1986 年，杰弗里·辛顿（Geoffrey Hinton）、大卫·鲁梅尔哈特（David Rumelhart） 和 罗纳德·威廉姆斯（Ronald Williams） 将反向传播（Backpropagation） 这套训练方法推向神坛。从此，机器第一次学会了"复盘"——做错题之后，知道错在哪儿、该怎么改。

辛顿后来被全世界称为"深度学习教父"，他在后续历史中还会多次出场。

算法：卷积神经网络与 LeNet

杨立昆（Yann LeCun） 从 1980 年代末到 90 年代一直死磕卷积神经网络（Convolutional Neural Network，CNN） 这条路线，做出了 LeNet 模型，能够识别手写数字，后来被银行和邮政系统实际采用。这是一个重要的里程碑——神经网络第一次不再只是论文里的名词，而是真的在现实世界打工了。

数据：ImageNet（2009 年）

华裔科学家李飞飞（Fei-Fei Li） 解决了一个最底层的问题：AI 没有足够好的训练数据。

2009 年，她推动了 ImageNet 项目——一个超大规模的图像数据集，最终做到上千万张图片、上万个类别。这件事的意义不可小觑：以前研究者做视觉研究像是在村口小水塘里练游泳，ImageNet 一出来等于直接把人拖到了太平洋。如果没有这个训练场，后面的故事根本不会发生。

算力：GPU 与 CUDA（2006 年）

英伟达（NVIDIA） 最早是做显卡的公司，大家买它的卡是为了打游戏、做特效，跟 AI 可以说毫无关系。但 GPU 芯片有一个关键特点：特别擅长并行计算。而神经网络最需要的恰恰就是并行计算。

2006 年，英伟达推出了 CUDA。表面上是给 GPU 开了一个编程接口，实际上相当于告诉全世界：这些拿来渲染游戏画面的卡，也可以拿来大规模计算矩阵。从这一刻起，GPU 和 AI 的命运绑死了。这也是后来全球大厂都在抢英伟达的卡、甚至抢到要美国政府出面管控的根源所在。

2012 年：AI 历史的分水岭

如果要从整个 AI 发展史中挑一个最关键的年份，那一定是 2012 年。

这一年，在 ImageNet 竞赛 上，一位老师带着两个学生拿出了名为 AlexNet 的模型。老师就是杰弗里·辛顿；两个学生分别是 亚历克斯·克里泽夫斯基（Alex Krizhevsky） 和 伊利亚·苏茨克维（Ilya Sutskever）——后者就是后来 OpenAI 的首席科学家、ChatGPT 背后的那位伊利亚。

表面上看，他们做的只是识别图片，但结果极不寻常：他们不是赢了一点点，而是断崖式领先所有用传统方法的对手。这套模型跑在英伟达 GPU 上训练。

这一仗一次性验证了三件事：

神经网络不是不行，是以前条件不够。
大规模数据集（ImageNet）真的有用。
GPU 就是 AI 时代的"产子"（生产力工具）。

从这一年起，整个 AI 圈集体转向深度学习。

关键里程碑：AlphaGo（2016 年）

深度学习起飞后，AI 先在图像、语音领域横扫。但真正让全球普通人意识到"事情开始不对了"的，是 AlphaGo。

故事主角是一家叫 DeepMind 的公司，2010 年在伦敦成立，2014 年被谷歌收购。2016 年 3 月，AlphaGo 以 4 比 1 的成绩击败了世界顶尖围棋选手李世石（Lee Sedol）。

围棋在 AI 圈被认为是块硬骨头，因为围棋的变化数量多到远超暴力计算能处理的范围。在 AlphaGo 之前，业内普遍预测 AI 要战胜人类顶尖棋手至少还需要 10 年时间。结果 AlphaGo 用深度神经网络 + 搜索算法 + 强化学习三板斧，不到一年就把人类顶尖棋手击败。

最震撼的是著名的 Move 37（第 37 手棋）：这一步棋下出后，全世界的围棋高手都懵了——按照人类几千年的经验，这一步根本不该下在那里。但事后复盘发现，它竟然是"神之一手"。那一刻，很多人第一次真切地感受到：AI 可能不只是模仿人类，它可能在走一条人类从未走过的路。

大模型时代：Transformer 与 GPT

AlphaGo 让 AI 震撼了一次，但真正让 AI 进入普通人生活的，是最后一块拼图：Transformer。

Transformer 架构（2017 年）

2017 年，谷歌发表了一篇名为《Attention Is All You Need》（你只需要注意力）的论文，提出了 Transformer 这一新架构。今天所有的大模型，往根儿上刨都源自它——包括 ChatGPT、Claude、Gemini、Llama、千问、DeepSeek、豆包、Kimi 等，一个都跑不掉。

Transformer 强大的原因在于：

特别适合并行训练，能够吃下巨大的数据量；
有一个反直觉的特点：模型越大、数据越多，效果就越离谱——这就为后来"大力出奇迹"的说法铺好了路。

OpenAI 与 GPT 系列

把 Transformer 真正用到极致的，反而不是谷歌，而是一家叫 OpenAI 的创业公司。其发展节奏为：

2018 年：GPT-1 发布
2019 年：GPT-2 发布
2020 年：GPT-3 发布
2022 年 11 月 30 日：ChatGPT 正式上线

GPT 全称是 Generative Pre-trained Transformer。翻译成大白话就是：先拿海量文本把模型喂饱，让它学会语言的规律，再拿它去做各种任务。

以前的思路是：如果要训练 AI 做会计、翻译、客服、老师，得分别招四个人。而 GPT 的思路是：先培养一个超级聪明的全才，再把他派到不同岗位。这条路一开始没多少人相信，连 OpenAI 自己都被业内嘲笑了好几年，直到 ChatGPT 上线。

2022 年 11 月 30 日：人类与 AI 关系的分水岭

这一天，OpenAI 将 GPT-3.5 包装成一个聊天框放到了网上，取名 ChatGPT。结果：

5 天用户突破 100 万
2 个月用户突破 1 亿
成为人类历史上增长最快的消费级产品

很多人第一次打开手机输入一句话，它立刻回复一整段看起来像真人写的内容，那种感觉就像收到一条来自外星智慧物种的信息。

行业军备竞赛与多方格局

ChatGPT 一出，整个行业瞬间进入军备竞赛。几乎所有大厂都意识到：如果 PC 和移动互联网定义了上一代平台，那么大模型很可能正在定义下一代平台——掉队意味着整个生态位都要重写。

谷歌：端出了 Gemini
Anthropic：一帮人从 OpenAI 离职另起炉灶，推出了 Claude
Meta：杨立昆领军，选择开源路线，搞出了 Llama
马斯克（Elon Musk）：不甘示弱，成立 xAI，推出 Grok
国内厂商：百度文心、阿里通义千问、字节豆包、腾讯元宝、月之暗面 Kimi 等
DeepSeek：2025 年初以极低成本震撼全球 AI 圈，甚至对英伟达股价造成冲击

那段时间隔三差五就出现一家公司说自己是最好的模型，并端出一堆 benchmark 数据。

AI 能力的演进方向

多模态：让 AI 长出五官

大模型光会说话还不够，很快它开始"长出五官"：

视觉生成：Sora、即梦（可灵）等视频模型可以从一段文字生成电影级别的画面；Midjourney、Stable Diffusion、FLUX 让每个人都能当美术总监
音频生成：MiniMax 等语音模型已经可以生成带情感和语调的音频

可以粗暴地理解为：以前的 AI 只是个会打字的大脑，现在的 AI 有眼睛、有耳朵、有嘴、有手。

智能体（Agent）：让 AI 有了手和脚

到了 2024 年、2025 年，行业焦点从大模型转向了智能体（Agent）。

以前用 ChatGPT：像跟一个聊天框对话，问一句答一句
现在用智能体：给它一个目标，它自己拆任务、自己打开浏览器查资料、写代码调工具，最后把结果交给你

举例：以前让 AI 帮你订机票，它顶多推荐几个航班；现在让 Agent 订机票，它可以自己打开携程比价、在下单前向你确认、自己下单并发邮件给你——你从使用者变成了老板。

这条路线里发展出了 Manus、Claude Code、Cursor（Windsurf）、OpenAI 的 Codex，以及之前全民养的龙虾 Devin。如果说大模型是 AI 的大脑，那么智能体就是给大脑装上了手和脚——AI 不再只是回答问题，而是真的开始替代人类完成工作。

空间智能：李飞飞的新方向

就在大家都在卷语言模型时，科学家李飞飞转向了另一条道路。2025 年，她成立了新公司 World Labs，提出了空间智能（Spatial Intelligence） 的概念。

她说了一句很有分量的话："语言是人类的发明，但空间不是。"

现在的 LLM 本质上活在文字里——它理解"一只猫坐在桌子上"靠的是文本中这些词的统计规律。但真实世界不是文字：真实世界是三维的，有重力、有物理规则、有因果关系。如果 AI 真的要与世界交互——开车、做手术、搬东西、陪老人——它必须先理解空间。 空间智能就是让 AI 学会像婴儿一样去感知三维世界，这是下一场硬仗。

具身智能：给 AI 一个身体

空间智能再往前走一步就是具身智能（Embodied Intelligence）——把 AI 塞进一个机器人的身体里。代表性玩家包括 特斯拉（Tesla）、Figure AI、1X、智元机器人、宇树科技、银河通用等。一夜之间，人形机器人赛道卷成了"新能源汽车 2.0"。

为什么大家突然都在做机器人？因为大模型解决了脑子的问题，接下来最缺的是一个可以行动的身体。 想象那个画面：一个机器人能听懂你说的话、能看懂环境、能自己拆解任务、能用手去做事——这不就是 1950 年图灵提出的那个问题的终极形态吗？

总结：一场跨越 75 年的接力赛

回看这段历史，AI 是一场跨越 75 年的接力赛：

图灵（1950）：提出问题——机器能思考吗？
麦卡锡（1956）：给学科起了名字——人工智能
前两代研究者：经历了两次寒冬，验证了什么路走不通
辛顿：把深度学习这条线从坟墓里拖了回来
杨立昆：让神经网络真的走进了现实世界
李飞飞：用 ImageNet 给整个行业盖好了训练场
英伟达：用 GPU 和 CUDA 变成了 AI 时代的"电和铁路"
DeepMind 的 AlphaGo（2016）：告诉全世界 AI 已经不是玩具了
谷歌的 Transformer（2017）：打好了大模型的地基
OpenAI 的 GPT 和 ChatGPT（2022）：把 AI 拉下神坛，塞进每个人的手机里
大厂内卷：AI 变成了新的基础设施
智能体：让 AI 有了手和脚
空间智能与具身智能：让 AI 理解真实世界，走进物理世界

图灵在 1950 年提出"机器能思考吗"时，这是一个论文里的思辨问题。而今天，这个问题已经变成了发生在每个人手机、电脑、工位上的现实。今天的问题不再是机器能不能通过一个聊天测试，而是：它能不能看懂这个世界、能不能替我们做决定、能不能走进物理世界、如果真的比我们聪明，我们该怎么办？

AI 是全人类花了 75 年时间，替它准备了一副能看、能听、能说、能思考、能行动的身体。现在我们恰好站在它"刚刚睁眼"的这一瞬间。接下来的十年，可能是人类历史上最奇怪、最刺激、最值得一看的十年。机器能不能思考，我们可能很快就不用再问了——因为问题已经变成了我们想让它替我们思考什么。