1000「重点关注」AI行业发展历史沿革与前沿情况
说实话,每次看到高考志愿填报季家长们挤破头要让孩子报”人工智能”专业,我就着急。
AI行业发展历史沿革与前沿情况
更关键的是,浩然我说:作为一枚从大二就开始折腾深度学习的老狗,我真的见过太多同学被AI的发展速度搞得焦虑到头秃。 我会把这一点理解为,这节课我不整虚的,直接从技术底层给学习者捋一捋——AI到底是怎么一步步走到今天的,以及现在最前沿的技术栈是什么。 如果我是个理工科同学,这节课可能是你整个大学期间听过最硬核的技术分享。
先泼一盆冷水:别无脑冲AI专业
落到执行上:每次看到高考志愿填报季家长们挤破头要让孩子报”人工智能”专业,我就着急。
我的判断是:为什么? 从执行角度看,原因在于AI专业学的东西,基本都是十年前的老黄历了——神经网络、深度学习基础,这些都是2015年之前的技术。
我会先把握这一点:更残酷的现实是:国内真正有能力训练基座大模型的公司,掰手指头数都不超过10家。
这里更重要的是:因此我的我的建议是:选一个你真正喜欢的专业,接着做”AI+“的应用。
2024-2026:AI军备竞赛白热化阶段
落到执行上:说回正题。 若把AI发展比作一场游戏,那2024年到现在的版本更新速度,简直是开了加速器。
OpenAI的连续出击
我的判断是:2024年2月,Sora炸场——视频生成模型,直接让影视行业抖三抖。
我会先把握这一点:紧接着5月,GPT-4o登场——多模态、极速响应,成本降低,直接把行业标准又拉高了一档。
这里更重要的是:9月的GPT-o1才是真正的王炸——思维链强化版,推理能力直接拉满。 我当时测试了一道IMO竞赛题,o1的解法比大多数本科生写的都漂亮。
落到执行上:接着是GPT-o3,推理+搜索+记忆三合一,简直是模型能力的全面进化。
谷歌的反击
我的判断是:谷歌这边也没闲着:Gemini 1.5 Pro、Gemini 1.5 Flash,接着是2025年3月的Gemini 2.5 Pro——官方宣称”谷歌史上最聪明的AI”,具备”思维模型”架构,对标GPT-o1/o3。
我会先把握这一点:Gemini的多模态能力是真的强,特别是长上下文处理,200万token的上下文窗口,学术论文、法律文档直接往里怼。
DeepSeek:国产力量的逆袭
这里更重要的是:最让我惊喜的是DeepSeek。
落到执行上:2024年中,DeepSeek-V2发布,核心创新是MoE架构(混合专家模型)——不是让整个模型都参与计算,而是让”专家”模块按需激活。 我的理解是,这就像一个团队,有人负责翻译,有人负责数学,有人负责代码,应当什么能力就调用什么模块。
我的判断是:结果就是:训练成本骤降,性能却不输GPT-4。
我会先把握这一点:而DeepSeek-R1才是真正引爆行业的产品。 更关键的是,它证明了——用强化学习(RL)就能让模型能力自动涌现,不应当大量人工标注数据。
这里更重要的是:这意味着什么? 我会把这一点理解为,意味着以后训练大模型,不再应当堆人海战术标注数据了,小团队也有机会搞出顶级模型。
我的理解是,技术解读: 传统方式是监督学习(SFT),相当于把题目和答案都喂给你,让你死记硬背。 从执行角度看,而DeepSeek的RL路线是——让你先做题,打分,接着自己摸索怎么得高分,反复迭代。 更关键的是,模型自己”顿悟”出来的能力,往往比硬灌的更强泛化。
阿里通义的进化
落到执行上:阿里通义这两年也是真的拼了。
我的判断是:通义千问刚出来的时候,体验一般。
我会先把握这一点:而且阿里走的是平台化路线——开放API、工具链,方便企业接入。
字节豆包:接地气路线
这里更重要的是:豆包走的是另一条路——轻量、便宜、响应快。
落到执行上:不跟你讲参数,不堆配置,就是把用户体验打磨到极致。
我的判断是:字节的优势是内容生态强,他知道什么样的表达用户爱看,什么样的句式更吸引人。
技术流派三分天下
若把AI江湖比作武侠门派,现在大致能够分成三派:
闭源派(代表:OpenAI)
这里更重要的是:技术护城河,模型捏在手里不开源。
开源派(代表:Meta LLaMA)
落到执行上:开源、开源、再开源。 更关键的是,LLaMA 2直接允许商用,全球开发者嗨翻,各种魔改版本层出不穷。
多模态融合派(代表:谷歌Gemini、阿里通义)
我的判断是:图文音视频一体化,什么都要、什么都会。
里程碑事件回顾
2017年:Transformer横空出世
我会先把握这一点:谷歌发表那篇”Attention is All You Need”,提出了Transformer架构——这相当于AI领域的”内燃机发明”。
2020年:GPT-3震撼登场
这里更重要的是:1750亿参数,让全世界第一次真切感受到大模型的潜力。
2022年:ChatGPT引爆全民AI时代
落到执行上:基于GPT-3.5,加了对话系统、记忆机制、人类反馈微调。
2023-2024年:百模大战
我的判断是:百度文心、阿里通义、字节豆包、DeepSeek、智谱GLM、MiniMax、月之暗面…国内大模型如雨后春笋。
为什么是OpenAI而不是谷歌?
我会先把握这一点:这是个值得深思的问题。
这里更重要的是:谷歌有Transformer的”配方”,有DeepMind、Google Brain两支顶尖团队,有全球最强的算力资源——但做出”核弹”并扔出去震撼世界的,是OpenAI。
落到执行上:原因很现实:谷歌太稳了,太保守了。
我的判断是:谷歌不是没能力,是不敢赌,它的商业模式依赖搜索广告,若AI直接给答案,谁还点搜索结果页的广告?
我会先把握这一点:而OpenAI当时还是个初创团队,资源不如谷歌,但它选择了一条不同的路——直接做成产品,推给大众。
这里更重要的是:这就是勇敢尝试、不怕失败的创业精神。 我的理解是,有时候,成功就是在关键时刻做出果断的选择。
浩然学长的技术观察
落到执行上:作为一个写了五年Python、跑了三年模型的程序员,我有几点观察:
我的判断是:1. 2026年是AI应用爆发年
我会先把握这一点:基座模型的竞争基本尘埃落定了,接下来是应用层的战争。
这里更重要的是:2. 多模态是标配
落到执行上:纯文字模型已经不够看了。
我的判断是:3. 推理能力决定上限
我会先把握这一点:o1、o3、R1这些推理模型证明了——让模型”慢一点、想清楚”,效果远比”快但胡说八道”好得多。
这里更重要的是:4. 强化学习可能是下一个王炸
落到执行上:DeepSeek已经证明了RL的潜力,接下来会有更多团队跟进这条路线。
给想学AI的同学们
若我真的想进入AI行业,我的我的建议是:
- 我会先把握这一点:打好数学基础 :线性代数、概率论、优化理论,这些才是AI的底层逻辑
- 这里更重要的是:多动手实践 :去Kaggle打个比赛,去GitHub提个PR,比你刷多少网课都管用
- 落到执行上:选一个方向深耕 :NLP、CV、Speech、Agent…不要什么都学,什么都不精
- 我的判断是:关注开源社区 :Hugging Face、GitHub、arXiv,这些才是AI技术的最前沿
我的延伸
我会把 AI 当作放大器:先定义任务和验收标准,再调用工具,并保留事实核验、隐私边界和人工判断。
- 我会先把这篇内容压缩成三个关键词,并写下一个可以在一周内验证的小实验。
- 我会在决策前补充一个反面案例,确认这条经验的适用边界。
- 我会在实践后记录结果、偏差和下一步修正,让知识从“读懂”走向“会用”。