1.2 达特茅斯的夏天与漫长的寒冬

AI 发展的历史证明，光有“脑子”（算法）不够，还得有“肌肉”（算力）和“粮食”（数据）。两起两落，皆因“时机未到”。

1.2.1 过于乐观的那个夏天

1956 年的夏天，美国达特茅斯学院，几位年轻的科学家聚在了一起。他们包括后来的图灵奖得主麦卡锡、明斯基等人。他们开这个会的目的很单纯：用一个夏天的时间，解决“机器模拟智能”的问题。

是的，你没看错，“一个夏天”。当时的科学家认为，智能无非就是逻辑推理。既然已经造出了能计算的机器，那让机器学会思考也只是时间问题。

这就像是一个刚学会走路的孩子，宣称自己下个月就要去跑马拉松。他们大大低估了“智能”的复杂性，也高估了当时计算机的能力。这种盲目的乐观，直接导致了 AI 的第一场危机。

在 AI 的历史上，发生过两次著名的“寒冬”（Funding Winter）。所谓寒冬，就是大家都觉得 AI 是骗人的，投资者撤资，政府停掉经费，科学家甚至不敢在简历上写自己是研究 AI 的。

为什么会这样？这可以用经济学里的 “泡沫破裂” 来解释。当人们对一项技术的 期望值（Expectation），远远超过了它的 实际能力（Capability）时，灾难就不可避免。

直到 2012 年，深度学习（Deep Learning）爆发，AI 迎来了真正的春天。特别是 2022 年 ChatGPT 的发布，常被媒体称为 AI 的 “iPhone 时刻”。而随后的多模态与智能体浪潮（本文以 2024～2025 年的业界趋势为例），更是将 AI 推向了全新的高度。

很多人问：这次会不会又是泡沫？更稳妥的说法是：与前两次相比，这一轮的基础条件更扎实，但仍可能出现周期波动。

回顾历史，我们可以看到，这一次的爆发，是因为三个关键要素终于齐备了：

算力（Chips）：GPU/专用加速器持续迭代，训练与推理成本快速下降。
数据（Data）：互联网数据用完后，高质量的合成数据（Synthetic Data，即 AI 为了训练自己而自动生成的“练习题”）接过了接力棒。
算法（Algorithm）：Transformer 架构依然稳健（其原理详见第 5 章），而“更擅长推理/规划”的新一代模型与方法，让机器学会了某种意义上的“慢思考”。

这就好比，以前你想做饭，要么缺米，要么缺锅。而现在，米有了，锅有了，食谱也有了，满汉全席自然就做出来了。

把 ChatGPT 比作 iPhone，不仅仅是因为它很火。 iPhone 最大的贡献，是把复杂的智能手机，变成了连三岁小孩都会用的设备（多点触控）。 ChatGPT 最大的贡献，是把复杂的 AI，变成了连老奶奶都会用的工具（自然语言交互）。

当一项技术，使用门槛被大幅降低 时，它就不再是少数人的技术，而更接近像水和电一样的基础设施。这才是“春天”真正到来的标志。

我们说这次 AI 爆发是因为“算力、数据、算法”三位一体。请你思考一下，如果在未来，数据的获取变得更加困难（比如版权保护越来越严，或者高质量数据被用光了），AI 的发展会被锁死吗？还是会像当年克服算力瓶颈一样，出现新的突破？

最后更新于29分钟前