走进人工智能2.0-人工智能的前世今生
思瀚产业研究院    2025-08-21

一、人工智能的前世今生：1956-2025

人工智能：Artifacial Intelligence，AI

1956年：让机器具备人类智能，AGI，达特茅斯会议

2022年：让机器具备超人类智能（非人类智能），ASI，chatGPT发布

人工智能发展的4个时代

1. 古代（1956-1996）：通过规则和知识让机器具备人类智能

2. 近代（1996-2006）：通过数据和学习让机器具备人类智能

3. 现代（2006-2020）：通过神经网络和深度学习让机器具备人类智能

4. 当代（2020-2025）：通过大模型让机器具备人类智能和超人类智能（非人类智能）

二、人工智能0.0：古代（1956-1996），规则和知识时代

第一次浪潮（1956-1968）：规则推理

• 思想准备：冯诺依曼计算机、机器思考、图灵测试• 哲学基础：唯理论

• 主要原理：制定规则，进行数理推理（确定性，不确定性的概率）

• 主要成就：下棋程序，定理机器证明，MIT的搬箱机器人

第二次浪潮（1986-1996-？）：知识推理

• 哲学基础：唯理论+经验论

• 主要原理：知识工程（知识抽取和知识表达），专家系统（知识库+推理机）

• 主要成就：石油勘探、气象预报、军事决策、经济预测等；包括1996年之后的深蓝国际象棋、Watson

AI=IT：这个时代，人工智能基本等同于软件程序

三、人工智能0.1：近代（1996-2006），机器学习时代

第三次浪潮（1996-？）：机器学习（数据+学习），小数据集，特征工程

使用统计学习方法建模，三个核心要素：模型、目标、策略

模型是核心：逻辑回归，决策森林，支持向量机，马尔科夫链，人工神经元……

建模方法从规则到学习：从数学模型（分析数学），到数据模型（计算数学）

数据模型的能力边界：可以用数据模型模拟世界（数字化、全景化），以史为鉴（IID）

主要成就：风险识别（金融、工业、经济）、学术研究

连接主义（1946-2006）：神经网络模型（黑盒）

属于机器学习的一种方法，模型采用的是人工神经网络

人工神经网络与人脑最大的共同点是名字（原理、机制和架构并不一样），用神经网络表达数学模型ü 传统神经网络：霍普菲尔德网络，玻尔兹曼机，…..

深度神经网络：深度学习（Hinton，2006）

软件2.0：人工智能是数学、物理学、计算机科学的混合体

四、人工智能1.0：现代（2006-2020），深度学习时代

传统深度学习（2006）：深度神经网络模型，中数据集，端到端

多种神经网络模型：DBN，CNN，RNN，ResNet，Inception，RWKV， ……

AlphaGO：2016年超过人类棋手

ImageNet：2017年超过人眼

AlphaFold：2022年超过人类科学家，2024年获得诺贝尔奖

主要成就：人脸识别、图像识别、语言翻译、语音识别、物理建模……

现代深度学习（2017）：Transformer模型，大数据集，注意力机制（大规模并行）

三种Transformer模型架构：并行矩阵计算（GPU）：堆叠架构，容易扩展

编码器（BERT）：embedding，Ernie1.0， ……

混合网络： T5、GLM（早期）

解码器（GPT）：生成式人工智能（AIGC），大力出奇迹（大模型，2020）

五、人工智能2.0：当代（2020-2025），大模型时代

模型服务（2020）：MaaS

全部是Transformer的GPT架构（解码器）：生成式人工智能（AIGC）

大模型：预训练，生成-理解-决策（RL）

大（数据多、参数多、算力多）：B级（Billion，10亿）

模型：语言、视觉、多模态p Transformer：大语言模型（LLM，大模型），多模态模型ChatGPT（5、4.1、4o、o1、o3、o4）、Claude；Grok、Gemini；Llama、 ……DeepSeek、Step、Qwen；Kimi、MiniMax；GLM、火山(豆包)、元宝、百度……

Transformer+Diffusion：视觉模型图像： Stable Diffusion、Mid-Journey、DALL.E等视频： Sora、可灵、即梦、Vidu、海螺、veo等

模型：通用模型 vs 垂直模型（行业模型）

接近成熟：传媒、广告、编码、电商等

正在发展：教育、医疗、金融、工业、农业等

六、人工智能2.0：当代（2020-2025），大模型时代

Agent（2025）：大模型是新手机，Agent就是app

大模型的应用已从简单的对话工具（chatGPT、豆包）进化为：任务导向、交付结果的Agent（Manus、Lovart、Lovable等）

Agent的核心架构是：感知（多模态）、决策（LLM；记忆、检索、上下文）、动作（具身驱动、工具调用）

Agent的核心特征是自主（请人类走开）：从human in loop到human on loop

软件2.0时代

AI0.1（机器学习）：小数据，人工特征，部分可解释，不具备通用性和跨模态

AI1.0（深度学习）：大数据，特征表示，基本不可解释，不具备通用性和跨模态

AI2.0（ 大模型 ）：海量数据，自监督学习，完全不可解释，具备通用性和跨模态，最有可能通向AGI的路径

通用人工智能

AGI，Artificial General Intelligence具备与人类同等智能水平或超越人类智能水平的人工智能系统。

OpenAI：在大多数经济价值创造任务中表现优于人类的高度自主系统。

AI肖睿团队：90%的智力任务上超过90%的人类，很可能在2030年之前到来。