P1-C1 · AI 70 年简史¶
核心一句话
4 次寒冬, 4 次复兴 — "这次不一样" 需要论证, 不是默认。
AI 产业知识 — 历史 → 技术 → 产业链 → 商业 → 应用 → 地缘
P1-C1 (Part 1 共 10 章, 第 1 章). 学完这一章, 你能在 5 分钟说清 AI 70 年 5 个时代 + 4 次寒冬 + 为什么现在的产业王者是这几家。
1. 问题: 你以为 AI 是 2022 才有的¶
很多人 ChatGPT (2022/11) 之后才听说 AI, 自然觉得 "新事物, 上不封顶".
但 AI 已经 70 年, 4 次 "这次不一样" — 4 次都崩了:
| 时代 | 当时豪言 | 结局 |
|---|---|---|
| 1956 Dartmouth | "20 年内机器超过人脑" | 第 1 寒冬 1974-80 |
| 1980s 专家系统 | "AI 替代医生 / 配置师 / 律师" | 第 2 寒冬 1987-93 |
| 1997 Deep Blue | "下一步通用智能" | AI 改名"机器学习"避嫌 (90s-2000s) |
| 2016 AlphaGo | "5 年自动驾驶" | Waymo 2026 还在堆里程 |
这次 (LLM) 不同的论证你必须能说清楚 — 不然你是在第 5 次寒冬前 all-in。
2. 解决方案: 5 时代 + 4 寒冬时间线¶
5 个时代各代表 1 次技术 paradigm shift, 4 次寒冬都是同 1 pattern: 期望超出当时算力 / 数据 / 算法能力。
graph LR
A[1956 Dartmouth<br/>创世] --> B[1974-80<br/>❄️ 第 1 寒冬]
B --> C[1980s<br/>专家系统]
C --> D[1987-93<br/>❄️ 第 2 寒冬]
D --> E[1997 Deep Blue<br/>统计学习]
E --> F[2006 CUDA<br/>2012 AlexNet]
F --> G[2017 Transformer ★★<br/>2020 GPT-3]
G --> H[2022 ChatGPT<br/>5 天 1M 用户]
H --> I[2026 现在<br/>Claude 4.7 / Stargate $500B]
style B fill:#fee2e2,stroke:#dc2626
style D fill:#fee2e2,stroke:#dc2626
style G fill:#fef3c7,stroke:#f59e0b
style H fill:#dbeafe,stroke:#2563eb
style I fill:#dcfce7,stroke:#16a34a3. 工作原理: 5 时代详解 (每时代 1 王者 + 1 寒冬触发)¶
3.1 时代 1: 创世 (1956-1974)¶
- 1956 Dartmouth 会议 — McCarthy 创 "AI" 词. 豪言 "20 年内超过人脑"
- 1957 Rosenblatt Perceptron — 第一个能学习的神经网络
- 1969 寒冬触发: Minsky & Papert 证明单层感知机无法解决 XOR → 神经网络研究停滞 15 年
→ 历史教训: 单点突破后, 必须有持续可解释的进展. "黑盒能 work" 不够 — 学界/资本要看 "为什么 work + 还能多远".
3.2 时代 2: 专家系统 (1980-1987)¶
- 1980s expert systems boom — XCON (DEC) / MYCIN (医疗). 财富 500 强一半部署
- 日本 Fifth Generation 项目耗资 8.5 亿美元
- 1986 反向传播 (Rumelhart-Hinton-Williams) — 神经网络重生希望, 但当时算力不够
- 1987 寒冬触发: 专家系统维护成本爆炸 (规则数量 → brittle). LISP machine 市场崩溃, DEC 解散 AI lab
→ 历史教训: 商业化要 scale — 1 个 expert system work 不代表 100 个. AI 是 long-tail 问题.
3.3 时代 3: 统计学习 (1993-2012)¶
- 90s-2000s AI 改名 "机器学习" / "数据科学" 避嫌 (很多 ML 公司 IPO 时不提 AI)
- 1997 Deep Blue 击败 Kasparov — 但是暴力搜索 + 手写棋谱, 不是真智能
- 2006 Hinton "Deep Belief Networks" — 神经网络第 3 次复兴
- 关键转变: 互联网数据爆炸 + GPU 出现 (NVIDIA 2006 推 CUDA) — 为下一时代埋伏笔
3.4 时代 4: 深度学习革命 (2012-2017)¶
- 2012 ★ AlexNet (Krizhevsky/Sutskever/Hinton 在 NVIDIA GPU 上训) 赢 ImageNet, 错误率 26% → 15%
- 这是 NVDA 王者地位的真起点 — 学界发现 GPU 训神经网络比 CPU 快 50 倍
- 2014 GAN (Goodfellow) · 2016 AlphaGo · Tesla Autopilot 早期
- 但 AI 还是"感知工具", 不是通用智能 — 自动驾驶吹得过头, 后来寒冷
→ **NVDA 占位关键时刻: Jensen Huang 2014 决定 all-in 数据中心 GPU (从游戏卡转向). Intel 当时不信. 历史选王者不是运气, 是 10 年前下注**.
3.5 时代 5: LLM 爆发 (2017-现在)¶
- 2017 ★★ Transformer "Attention is All You Need" (Google Brain — Vaswani et al.) — paradigm 改变
- 2018 BERT (Google) + GPT-1 (OpenAI)
- 2020 GPT-3 (175B 参数, zero-shot 惊艳)
- 2022/11 ChatGPT — 5 天 1M 用户, AI 第一次 mass adoption
- 2024 o1 推理模型 + Claude 3.5 Sonnet
- 2025 DeepSeek V3 (中国突破) + Stargate $500B (美国 capex 史诗)
- 2026 现在 — Claude 4.7 / Sonnet 4.7 1M context
→ 为什么 OpenAI 不是 Google? — 2017 论文是 Google 写的, 但 Google 内部 AI safety / brand risk 让它推产品慢. OpenAI 2022 直接 ship ChatGPT, 抢 18 个月窗口. 这是 startup vs incumbent 经典案例.
4. vs 你以前听过的 AI 故事¶
如果你只看 2022 后媒体, 你以为 AI = ChatGPT + NVDA. 实际:
| 你以前以为 | 历史真相 |
|---|---|
| AI 是 ChatGPT 才开始 | 70 年累积, 这是第 5 时代 |
| NVDA 突然爆发 | 2006 CUDA → 2012 AlexNet → 2014 数据中心转型, 20 年布局 |
| OpenAI 是技术王者 | 真王者论文是 Google 写的, OpenAI 是产品化王者 |
| "这次不一样" 因为算力 | 1980s / 1990s 同样有人说 "算力指数增长就够了" — 4 次都不够 |
| AI 寒冬不会再来 | 历史 4 次都说 "不会再来", 4 次都来了 |
历史不告诉你 AI 一定再寒冬, 但告诉你 "这次不一样" 需要 explicit 论证 — 不能默认。
5. 试一下: 找 1 个寒冬时代 AI 公司, 读 5 分钟¶
任务: 选 1 个下面公司, 用 Wikipedia 读 5 分钟, 想 "如果你 1985 年投这个公司, 你会怎么死":
- Thinking Machines Corporation (CM-5 超算, 1983-1994 破产)
- Symbolics (LISP machine 龙头, 1980-1996 破产)
- Cyc / Cycorp (Lenat 知识库, 1984-至今 40 年没商业化)
- Teknowledge (expert system, 1981-2007 价值灭失)
Self-check (3 项符合则进 P1-C2):
- 你能说出这家公司当时的"这次不一样"是什么
- 你能说出为什么没成 (是技术 / 商业 / 时机)
- 你能把这个故事类比到今天 1 家 AI 公司 (CRWV / OAI / Anthropic / Cohere / Stability)
3 项全 yes → 你历史 anchor 建立了, 可以进 P1-C2.
6. 接下来¶
5 时代你已经会. 但 2017 Transformer 论文为什么是 paradigm shift 而不是又一次 "AI breakthrough hype"? Scaling laws (训练数据 + 参数 + 算力 = 能力) 为什么真兑现?
→ P1-C2 · Transformer 革命 + Scaling Laws 解释 2017 那篇 8 页论文怎么改变 1 万亿美元产业。
7. 深入 (optional): 4 次寒冬的共同 pattern + 这次的论证 checklist¶
点开看 AI 寒冬 4 步循环 + 5 项
4 次寒冬都走过同样 4 步:
- 技术突破 (Perceptron / Expert system / Deep Blue / AlphaGo)
- 学者豪言 ("20 年超过人脑" / "AI 替代医生" / "5 年自动驾驶")
- 资本涌入 (DARPA / 日本 Fifth Generation / VC / 现在 hyperscaler capex)
- 期望兑现差距 → 资本撤退 → 学者改名 → 沉淀 → 下次
这次 (LLM) 不同的论证 checklist (你 thesis 必须能答):
- 真用户量 — ChatGPT 1B MAU, Claude 100M+, 不是 demo
- 真 revenue 增长 — MSFT Copilot $10B+ ARR, 不是 PR
- 真 capex ROI 信号 — hyperscaler 持续上调 capex guidance (反例: 一旦持平/下调 = 警告)
- 真技术 scaling — GPT-3 → GPT-4 → o1 → o3 能力还在指数提升
- 真应用层多元化 — 不只 ChatGPT 1 个产品, 也有 vertical (Cursor / Harvey / Clay)
5 项有 1 项不 hold → 第 5 次寒冬警告. 现在 5 项都 hold — 这是 "这次不一样" 的真实论证基础, 不是信仰。
关键警告: 历史寒冬都不是因为技术错, 是期望 vs 兑现的时差. 现在最大风险不是 LLM 不行, 是 capex $725B/yr 跟 ROI 兑现速度的 mismatch。