2024年9月，人工智能依然是舆论场、投资者的热门话题，然而，当下的人工智能产业似乎发展得很好，但似乎和普通人没有多大关系，除了偶尔在短视频平台上看到一些AI生成的短视频作品，国内似乎还未出现一款AI大模型相关的杀手级应用，人工智能似乎进入了一个发展瓶颈期。

有人开始质疑，人工智能是否是科技巨头推出的一个虚伪概念，毕竟每隔几年，科技公司就会造一个概念，而上一个造出的概念是元宇宙。那么，AI大模型带来的是昙花一现还是技术革命？对此，我们需要先回顾过去，再展望未来。

从历史看未来，AI技术走到哪一步？

要知未来，需知过去。人工智能的故事最多，跨越时间也最久。

事实上，计算机就是人工智能，二进制的晶体管显示“0”和“1”，这种模式和人类大脑神经元的信息处理方式类似，只是更加简化，且数量更少。所以，测试人工智能治理水平的图灵测试在1950年推出，因为那时候所有人的意识中“计算机=人工智能”。

继而，人工智能从计算机时代进入逻辑推理时代。举个例子，如果某个迷宫有出口，那么只要在迷宫中一直靠右或靠左走，就一定能找到出口，对于人类可能要跑断腿，但计算机有充足的耐心找到出口。逻辑推理就是按照路径一个个去对照着找答案，直到所有数据都被对照一遍，输出最后的答案。人工智能逻辑推理时代最成功的企业是IBM，面向B端，IBM推出专家系统辅助企业决策，面向C端，IBM的深蓝计算机在国际象棋上大放异彩，名噪一时。

2006年，辛顿等三位专家提出深度学习算法，一种基于神经网络的新算法开始流行。深度学习模仿人类神经元感知事物的过程，在算法中，大量神经元组成神经层，多个神经层构建神经网络，神经网络的一边是输入的问题，另一边是输出的答案，而开发人员只要一遍遍地输入问题和验证答案，神经网络就能模仿人类识别文字、图像、视频的能力。从而像人一样思考、创作。以视觉举例，我们眼睛看到的是一张树叶的图像，而这张图像要经过神经层的层层识别，才会在我们大脑中挑出“树叶”这个词汇。所以，深度学习的本质是模仿人类。

深度学习是过去20年人工智能大厦的地基，而在地基上，领跑的是谷歌，在布局10年后，2016年谷歌推出阿尔法狗，下围棋的AI，结果全球围棋界被阿尔法狗杀得人仰马翻。由于围棋是东亚传统项目，很多中国人通过阿尔法狗第一次开始正视智能时代的到来。而在阿尔法狗成功后，谷歌开始多领域普及深度学习。比如2012年起，谷歌就开始用深度学习布局自动驾驶，比如阿尔法狗升级为阿尔法折叠，开始在蛋白质特征预测领域发光发热，甚至颠覆了整个蛋白质科学的研究方式。

谷歌在人工智能领域最重要的贡献，是2017年发布的Transformer，算法描述非常复杂，比如注意力机制，比如允许对依赖关系建模，这些技术名词对于我们社科类文章并无益处，所以只需知道一点特征，Transformer能够实现更高水平的并行化。在深度学习时代，制约人工智能发展的基本要素是算法、数据和算力。而由于互联网发展，互联网产生的数据越来越充沛，而算力则相对不足。并行化的好处，就是能够让算力可以堆叠。一台智算服务器的算力有限，那么1万台并行计算呢？这就为大规模数据训练创造了很好的条件。

Transformer算法就是OpenAI开发的AI大模型ChatGPT的基础，GPT中的T就是Transformer。而基于Transformer的大模型有很多，比如谷歌的bard，和GPT不同的是，bard的生成模式是填空，而GPT的生成模式是用前文来生成后一个字，逐字生成。可以看出，GPT具有相对优势，因为逐字生成更符合人类语言特点。

2019年，GPT二代发布并开源，同年7月和微软合作，转为封顶盈利公司，其算法也从开源转向闭源。此时，OpenAI在人工智能领域的名气远不如谷歌，直到2022年11月，ChatGPT正式发布，继而一炮而红，迎来了颠覆。ChatGPT是第一款面向C端的人工智能杀手级应用。谷歌仓促应战，结果反而因为各种“答非所问”的状况被比下去，OpenAI在AI大模型领域独占鳌头。而面对OpenAI的成功，美国和中国的科技巨头都迅速展开算法、算力“军备竞赛”，“百模大战”在中美两国同时开启。

各有千秋，中美AI军团并肩而行

ChatGPT为什么能脱颖而出？

因为OpenAI做对几件事：首先是大力出奇迹，在ChatGPT之前，谷歌已经不止一次宣称自家AI能通过图灵测试，并在展示会上演示用AI订餐，但谷歌自己并不相信通过海量语料学习会产生奇迹，所以，谷歌经常用中小模型在垂直领域里倒腾，自动驾驶、阿尔法狗都是垂直领域的应用。