它想做什么
把 AI 的八十年压缩成一条可以走进去的路径:先看时间,再看寒冬,再看技术、模型、人物、赛道、边界与未来。每个章节都可以独立阅读,也可以按顺序走完。
目标不是给出“正确答案”,而是提供一套判断框架:看间隔、看成本、看瓶颈、看承诺与能力的差距。
它不做什么
不做实时模型排名,不预测股价,不评价哪家公司“必胜”。模型能力变化太快,任何实时榜单都会迅速过时;本站更关心长期结构。
也不把“AI”人格化。它是一组技术、工程、资本与制度的组合,不是一个有意图的主体。
资料与方法
日期:以公开历史记录、论文与公司公告为准。不同资料对“寒冬”起止年份的划分略有差异,本站采用较常见的区间,并在时间线中保留边界事件。
数字:参数、token、算力、用电等数据来自公开技术报告与机构统计。部分数字是量级估算,文中会标注“约”“估算”。参数口径可能不同:总参数与激活参数、训练 token 与训练词数,不能直接比较。
引语:英文引语为中文意译;能核对原文的,尽量保留原意。人物卡以贡献为线索,不构成完整传记。
选择偏差:44 个时间线节点、16 个模型、12 位人物,都是编辑选择,不是“史上最重要”的客观排名。被省略的名字与事件,和入选的一样多。
不确定性:AGI 没有公认定义;2026 年之后的事件不在本站的确定范围内。凡涉及未来,均在文中标明为情景,而非预测。
主要来源
- McCarthy 等,达特茅斯会议提案,1955。
- ImageNet / ILSVRC 历年结果,image-net.org。
- Epoch AI 模型与算力数据,epoch.ai/data。
- IEA,《Energy and AI》,2025,iea.org。
- Grace 等,《Thousands of AI Authors on the Future of AI》,arXiv:2401.01614,2024。
- 国务院,《新一代人工智能发展规划》,2017。
- 各公司公开模型资料与技术报告。
延伸阅读
- Russell & Norvig,Artificial Intelligence: A Modern Approach。
- Goodfellow、Bengio、Courville,Deep Learning。
- Melanie Mitchell,Artificial Intelligence: A Guide for Thinking Humans。
- 李飞飞,The Worlds I See(中译《我看见的世界》)。
- 周志华,《机器学习》。
引用建议:《人工智能赛道》,2026 年 10 月版,访问日期。引用具体数字时,请同时注明原始来源;不要把本站的量级估算当作精确统计。
本站不收集个人信息,不使用追踪脚本;页面中的图表与交互均在本地运行。