AI 发展时间线
从图灵机到现代大模型
91 条事件
阿隆佐·丘奇和阿兰·图灵各自独立提出了著名的 Church-Turing 论题。该论题认为：任何可有效计算的函数都是图灵机可计算的。这一论题将“可计算性”这个直观概念形式化，成为计算机科学的基础。
早期理论阿兰·图灵在其开创性论文《论可计算数及其在判定问题中的应用》中提出了图灵机概念。这是一个抽象的计算模型，能够模拟任何可计算的数学过程。图灵机不仅奠定了计算理论的基础，也为我们理解“计算”本身提供了最本质的框架。
早期理论阿隆佐·丘奇提出了λ演算（Lambda Calculus），这是一个形式化的函数定义和函数应用系统。λ演算被视为函数式编程的理论基础。1936年的原始λ演算是无类型的。丘奇在1940年的《简单类型论的形式化》中加入了简单类型，创建了最早的显式类型系统之一。它与图灵机在计算能力上是等价的。
早期理论沃伦·麦卡洛克和沃尔特·皮茨发表了《神经活动中内在观念的逻辑演算》，提出了第一个人工神经元模型（McCulloch-Pitts 神经元）。这个模型将神经元简化为一个二元阈值开关，为后来的神经网络研究奠定了基础。
早期理论克劳德·香农发表了《通信的数学理论》，奠定了信息论的基础。信息论不仅改变了通信技术，也为后来的机器学习和人工智能提供了重要的理论基础。熵、编码、信息量等概念成为理解数据和处理信息的核心工具。
早期理论1955年，John McCarthy、Marvin Minsky、Nathaniel Rochester 与 Claude Shannon 在 Dartmouth Summer Research Project 的提案中使用了“Artificial Intelligence”一词，并提出于1956年夏季共同研究机器智能问题。
早期理论1956年夏季，达特茅斯研讨会帮助“Artificial Intelligence”这一名称及其研究议程形成学术共同体，成为人工智能作为独立研究领域的重要奠基事件。该术语已出现在1955年的项目提案中。
AI 诞生弗兰克·罗森布拉特提出了感知机（Perceptron）模型，这是早期具有影响力的人工神经网络模型。感知机是一个简单的线性二分类器，通过调整权重来学习分类输入数据。这一突破性工作让人们看到了机器学习的可能性。
AI 诞生约翰·麦卡锡在麻省理工学院开发了 Lisp 语言，这是早期专门面向人工智能研究的高级编程语言。Lisp 的灵活性和强大的符号处理能力使其成为 AI 研究的首选语言，影响了 AI 领域数十年。
AI 诞生纽厄尔和西蒙在 J. C. 肖等人的协作下，于1957年至1959年开发了通用问题求解器（GPS）。它是第一个尝试通过把问题求解技术与特定问题领域的知识分离开来模拟人类问题求解的 AI 程序，采用目标分解与子目标搜索（手段目的分析）。
AI 诞生弗兰克·罗森布拉特证明了感知机学习算法的收敛性，表明如果数据线性可分，感知机一定会收敛。这一理论结果为神经网络的学习提供了数学保证。
AI 诞生Unimate 成为第一台在装配线上工作的机器人。1961年，通用汽车将它装在新泽西州特伦顿的工厂，用于卸载压铸机，把高温铸件从机器上取下。Unimation 制造这些机器，是为了承担对人来说困难、危险或单调的工作。
AI 诞生Larry Roberts 在1963年的 MIT 博士论文《三维实体的机器感知》中，描述了从图像解释简单多面体场景的系统，成为早期三维计算机视觉的重要基础。
AI 诞生MIT 于1963年在 Robert Fano 领导下启动 Project MAC，研究分时计算、计算理论与机器辅助认知。1959年成立的 MIT 人工智能项目随后参与其中。两者并非同一个1959年成立的实验室。
AI 诞生约瑟夫·维森鲍姆在麻省理工学院创建了 ELIZA，这是早期聊天机器人之一。ELIZA 通过模式匹配模拟心理治疗师的对话，虽然技术简单，但引发了人们对人机交互的深刻思考。
AI 诞生斯坦福研究所开发了 Shakey 机器人，这是早期能够感知环境、规划路径并执行任务的自主移动机器人。Shakey 结合了计算机视觉、自然语言处理和规划算法，展示了 AI 系统的综合能力。
AI 诞生Marvin Minsky 和 Seymour Papert 出版《感知机》，严格分析了单层感知机能够和不能表示的问题。该书后来常与神经网络研究兴趣下降联系在一起，但当时的资金变化还受到算力限制、研究预期落空及政策调整等多重因素影响。
AI 寒冬Alain Colmerauer 和 Philippe Roussel 等人在马赛开发了第一版 Prolog，将谓词逻辑用于编程，推动了逻辑编程与符号人工智能的发展。
AI 寒冬英国科学家詹姆斯·莱特希尔向英国政府提交了一份关于 AI 研究状况的报告。报告对 AI 的进展持悲观态度，认为 AI 的承诺远远没有实现。这导致英国政府大幅削减 AI 研究经费。
AI 寒冬斯坦福大学开发了 MYCIN，这是一个用于医疗诊断的专家系统，能够根据患者的症状和测试结果推荐抗生素治疗方案。MYCIN 展示了专家系统的实用性，尽管由于责任问题从未实际用于临床。
AI 寒冬DEC 公司部署了 XCON（eXpert CONfigurer），这是一个用于配置 VAX 计算机系统的专家系统。它于1978年在卡内基梅隆大学开始研发，1979年首次部署，1980年全面投入使用，是最早在商业上取得成功的专家系统之一，每年为公司节省数百万美元。
AI 寒冬20世纪70年代，在批评性评估和经费削减之后，部分 AI 研究进入低谷。“第一次 AI 寒冬”是后来的历史分期，不同国家和研究方向受到影响的时间与程度并不相同。
AI 寒冬1981年10月，日本在 JIPDEC 与通产省主办的会议上宣布了第五代计算机计划（FGCS），这是一项为期10年的国家计划，旨在开发能够进行逻辑推理和知识处理的计算机。1982年4月，新一代计算机技术研究所（ICOT）成立，该计划正式启动。
AI 寒冬1980年代后期，远超实际成果的期望纷纷落空。Lisp 机器厂商败给了通用工作站，多家 AI 公司关闭，DARPA 对基础 AI 研究的资助在1987年至1989年间下降。
AI 寒冬1990年代，统计方法开始主导 AI 研究。隐马尔可夫模型（HMM）在语音识别中的应用，朴素贝叶斯和决策树在机器学习中的应用，都取得了很好的效果。
复兴时代在海湾战争中，美国军方使用了基于 AI 的规划和后勤系统。虽然这些系统并不完美，但展示了 AI 在现实世界中的应用潜力。
AI 寒冬这场低潮是逐渐缓解的，并没有确切的结束日期。许多研究者转向更务实、可实现的目标，而神经网络与概率方法研究的复兴为新时代奠定了基础。
AI 寒冬弗拉基米尔·瓦普尼克等人提出了支持向量机（SVM），这是一种强大的分类和回归方法。SVM 在文本分类、手写识别等任务上取得了优异性能。
复兴时代塞普·霍克赖特和于尔根·施密德胡伯提出了长短期记忆网络（LSTM），这是一种特殊的循环神经网络，能够学习长期依赖关系。LSTM 在语音识别、语言建模等任务上取得了巨大成功。
复兴时代杨立昆开发了 LeNet-5，这是一个用于手写数字识别的卷积神经网络。LeNet-5 是最早大规模商业部署的深度学习模型之一，1993年起被 AT&T/NCR 用于支票识别，自1990年代末起被美国邮政系统用于邮政编码识别。
复兴时代Yoshua Bengio、Réjean Ducharme、Pascal Vincent 和 Christian Jauvin 提出神经概率语言模型，同时学习词的分布式表示与词序列概率，以连续表示缓解维数灾难。该模型使用前馈神经网络，并非 RNN。
复兴时代自2004年起，CIFAR 项目促成 Geoffrey Hinton、Yann LeCun、Yoshua Bengio 及合作者定期交流。该项目推动了后来深度学习复兴所依赖的研究协作，但并非唯一或确定的起点。
复兴时代杰弗里·辛顿与合作者提出了深度信念网络（DBN），并给出一种快速的贪心算法，逐层训练这种网络。这种逐层预训练帮助重新唤起了人们对深度神经网络的兴趣。
复兴时代研究人员开始使用 GPU（图形处理器）来加速深度学习训练。GPU 的并行计算能力使得训练大型神经网络成为可能，大大加速了深度学习的发展。
复兴时代ImageNet 团队于2009年发表大型分层图像数据库论文，利用 WordNet 层级组织大规模标注图像。此后 ImageNet 及其视觉识别挑战成为计算机视觉规模化训练和评测的重要基础设施。
复兴时代微软研究院与多伦多大学率先取得深度学习在语音识别领域的首次重大突破（Dahl、Yu、Deng 2011；Mohamed、Dahl、Hinton 2012），大幅降低了词错误率。2012—2015年间，Google 陆续在产品中部署了基于 DNN/LSTM 的语音识别。
复兴时代亚历克斯·克里泽夫斯基、伊利亚·萨特斯基弗和杰弗里·辛顿的团队以 AlexNet 参加2012年 ImageNet 竞赛（ILSVRC），以压倒性优势夺冠：top-5 错误率为 15.3%，亚军为 26.2%。
复兴时代托马斯·米科洛沃发布了 Word2Vec，这是一种用于学习词嵌入的神经网络模型。Word2Vec 使得计算机能够理解词语之间的语义关系。
复兴时代伊恩·古德费洛提出了生成对抗网络（GAN），这是深度学习领域最重要的创新之一。GAN 通过两个神经网络的对抗训练，能够生成极其逼真的图像。
复兴时代何恺明等人提出了残差网络（ResNet），通过引入跳跃连接解决了深层网络训练困难的问题。ResNet 使得训练数百层的神经网络成为可能。
复兴时代DeepMind 开发的 AlphaGo 在五番棋比赛中以 4 比 1 击败了世界围棋冠军李世石。围棋被认为是 AI 最难攻克的棋类游戏之一，AlphaGo 的胜利被认为是 AI 历史上的里程碑。
复兴时代Google 提出了 Transformer 架构，这是自然语言处理领域的一次革命性突破。Transformer 摒弃了传统的循环结构，完全基于注意力机制，成为现代大语言模型的基础。
复兴时代OpenAI 发布了 GPT-3，这是一个拥有 1750 亿参数的大型语言模型。GPT-3 展示了令人惊讶的语言生成能力，能够进行对话、写作、编程等复杂任务，引发了对通用人工智能可能性的广泛讨论。
大模型时代OpenAI 发布了 DALL-E（图像生成）和 CLIP（图像-文本对比学习）。这些模型展示了 AI 理解和生成多模态内容的能力。
大模型时代OpenAI 发布了 Codex，这是一个能够理解和生成代码的 AI 模型。基于 Codex 的 GitHub Copilot 成为第一个大规模使用的 AI 编程助手，标志着 AI 辅助开发时代的到来。
大模型时代2022年11月，OpenAI 发布了 ChatGPT，这是第一个面向大众市场的生成式 AI 对话助手。ChatGPT 在两个月内突破 1 亿用户，成为历史上增长最快的消费产品，彻底改变了人们对 AI 的认知。
大模型时代Stability AI 发布了 Stable Diffusion，这是一个可自由下载权重的图像生成模型，其许可证对部分用途设有限制。开源社区的活跃使得图像生成技术迅速普及。
大模型时代OpenAI 发布了 GPT-4，这是一个多模态大模型，能够处理图像和文本。GPT-4 在各种专业和学术基准测试中表现出接近人类水平的性能。
大模型时代Meta 发布了 LLaMA（Large Language Model Meta AI），这是一个采用非商业研究许可的大语言模型。LLaMA 的参数规模相对较小但性能优秀，推动了开放权重大模型的发展。
大模型时代AI Agent 的概念开始受到广泛关注。Agent 是指能够自主规划、执行复杂任务的 AI 系统，它能够理解目标、制定计划、使用工具、评估结果。
大模型时代2024年2月，Google 发布 Gemini 1.5，采用混合专家架构，并在研究预览中提供最长 100 万词元的上下文窗口，展示了跨长文档、代码和视频进行信息检索与推理的能力。
大模型时代Anthropic 发布了 Claude 3 系列，包括 Opus、Sonnet 和 Haiku 三个版本。Claude 3 Opus 在包括 MMLU 和 GPQA 在内的多个基准上与 GPT-4 表现相当，在其他一些基准上略逊于 GPT-4。
大模型时代欧盟通过了《AI 法案》——这是首部针对人工智能的综合性横向监管法规。该法案建立了基于风险的分类体系，并对高风险 AI 系统设定了严格要求。
大模型时代OpenAI 发布了 o1 模型，这是一个具有推理能力的大模型。o1 在科学和编程任务上表现出色，展示了“思考”能力。
大模型时代2024年10月，Anthropic 为升级版 Claude 3.5 Sonnet 推出计算机使用公开测试。开发者可以让 Claude 查看屏幕、移动光标、点击和输入，使其成为首批公开提供通用图形界面操作能力的前沿模型之一。
大模型时代到2025年，AI 智能体从研究演示走向生产工具。编程智能体、浏览器智能体、多步任务智能体成为标准产品，OpenAI、Anthropic、Google 以及开源项目均推出了能力成熟的系统。
大模型时代中国 AI 实验室 DeepSeek 发布了 R1——一个代码与权重均采用 MIT 许可证的开放权重推理模型，性能可与 OpenAI o1 比肩。这次发布证明，前沿能力可以在美国 AI 体系之外实现，引发了全球对 AI 竞争格局的重新评估。
大模型时代OpenAI、Oracle、SoftBank 与阿联酋 MGX 联合宣布，计划在四年内投资 5000 亿美元在美国建设 AI 基础设施，其中包括多座大型数据中心。
大模型时代Anthropic 发布 Claude 3.7 Sonnet，并称它是首个全面上市的混合推理模型：用户可在同一个模型中切换即时回答与深度思考。
大模型时代Anthropic 在2025年3月宣布完成 35 亿美元融资，估值达 615 亿美元。这轮融资使 Anthropic 成为全球估值最高的 AI 初创公司之一，反映了 AI 行业的资本进一步集中。
大模型时代Meta 发布原生多模态的开放权重模型 Llama 4 Scout 与 Maverick，并预览仍在训练的教师模型 Behemoth。Scout 和 Maverick 采用混合专家架构。Behemoth 当时并未发布。
大模型时代Anthropic 发布 Claude 4 系列模型（Opus 4 与 Sonnet 4），引入了“扩展思考”（Extended Thinking）能力，在编程、推理与长任务上大幅提升。Claude 4 巩固了 Anthropic 在企业 AI 市场的地位。
大模型时代2025年8月2日，《欧盟人工智能法案》中针对通用人工智能模型提供者的治理规则与部分义务开始适用。法案的其他条款依照不同时间表分阶段适用，不能把该日期笼统称为“全面执法启动”。
大模型时代OpenAI 完成公司资本重组。营利业务转为公益公司，名为 OpenAI Group PBC；非营利的 OpenAI Foundation 继续控制该业务，二者使命一致。OpenAI 表示，此次重组是在与加州和特拉华州总检察长办公室历时近一年的沟通之后完成的。
大模型时代2026年上半年，Agent 能力从演示走向企业产品交付：编程、客服与办公自动化 Agent 成为有文档记载的功能，工具调用与多 Agent 协作的基础设施也随之成熟。但采用程度究竟到了哪一步并无定论。各家调查对“什么算一个 Agent”口径不一，得出的投产比例差异很大，因此本条只记录方向，不给出水平。
大模型时代2026年上半年，DeepSeek、阿里 Qwen、Moonshot、智谱与 Meta 的开放权重发布达到了此前只见于闭源系统的规模，权重与模型卡可直接下载，而非仅有描述。它们是否已经追平闭源前沿，取决于采用哪一套基准指数以及如何加权，因此本条只记录发布了什么、以何种许可发布，不给出排名。
大模型时代Nature 发表了 Co-Scientist，一套基于 Gemini 的多智能体系统，能够提出可供实验验证的新研究假设。论文报告了三个生物医学场景下的验证：药物重定位、新靶点发现，以及抗微生物耐药机制的解释。作者将其定位为研究者的助手而非替代者。这使它成为经同行评审的证据，说明 AI 已参与假设生成，而不只是数据分析。
大模型时代据2026年6月11日的报道，Meta 开始解除与 AI 智能体公司 Manus 的收购整合，停止双方数据共享并拆分运营。报道将此举与中国监管要求联系起来。交易的后续法律与运营状态仍应以更新披露为准。
大模型时代Anthropic 于2026年6月9日发布面向普通用户、带安全防护的 Claude Fable 5，并向 Project Glasswing 的少数受审查机构提供限制更少的 Mythos 5。6月12日，美国政府实施出口管制，要求限制外国人士访问。由于无法即时核验国籍，Anthropic 暂停了两款模型的全球访问。管制于6月30日解除，Fable 5 于7月1日恢复全球提供，Mythos 5 则先向获批的美国机构恢复。
大模型时代2026年6月13日，由纽约州检察长牵头的美国多州检察长联盟对 OpenAI 发起调查，并向其发出传票。传票要求提供与广告投放、用户参与度与留存、模型谄媚倾向、消费者与健康数据处理、以及对未成年人和老年人保护相关的文件。OpenAI 表示将配合各州检察长的工作，并强调 ChatGPT 已为未成年人构建更严格的保护机制。
大模型时代2026年6月29日，三星与 SK 海力士公布合计 800 万亿韩元的多年期半导体投资计划，涉及韩国西南部的四座内存晶圆厂。美元换算会随汇率变化，项目范围、审批和执行进度仍需持续核验。
大模型时代Google 全天候代理助手 Gemini Spark 正式登陆 macOS，支持实时追踪与更多应用接入。Gemini Spark 可在数字生活的多个方面为用户提供持续代理服务，标志着 Google 把代理 AI 推向了消费者桌面端。
大模型时代2026年7月，Moonshot AI 在 Hugging Face 发布了 Kimi K3 的开放权重。模型卡记载总参数 2.8 万亿、激活参数 1040 亿，上下文窗口 1,048,576 个词元，授权条款为 Kimi K3 License。按总参数计，它在发布时是最大的可公开下载语言模型之一。
大模型时代2026年7月1日，Cloudflare 宣布按 Search、Agent 和 Training 三类用途管理 AI 流量，并表示自9月15日起，新加入 Cloudflare 的域名会在带广告的页面上默认阻止 Training 和 Agent 类爬虫，同时默认允许 Search 类爬虫。站点所有者可以调整设置，多用途爬虫按最严格的适用规则处理。
大模型时代2026年7月2日，微软宣布成立新业务部“Microsoft Frontier Company”，专注企业 AI 部署。该项目将获得微软 25 亿美元投资，并由 6000 名产业与工程专家组成。这是继 Amazon、OpenAI 之后，又一主要厂商成立专门 AI 部署组织。
大模型时代2026年7月9日，OpenAI 在结束有限预览后全面推出 GPT-5.6 系列，包括 Sol、Terra 与 Luna。预览期间，OpenAI 与专家机构及可信合作伙伴密切协作。
大模型时代2026年8月2日，欧盟 AI 法案进入全面适用阶段，AI 办公室与成员国主管机关开始承担实施、监督与执法职责。同一次修订推迟了负担最重的高风险义务：附件三所列独立系统自2027年12月2日适用，嵌入受监管产品的 AI 自2028年8月2日适用。禁止性条款自2025年2月2日起已经适用，通用模型义务自2025年8月2日起适用。
大模型时代2026年9月2日，ARC Prize 公布了对 GPT-6 Astra 的 ARC-AGI-3 核验结果，覆盖十二种 harness 配置。在同一个半私有评测集上，标准 harness 下模型得 62.71%，该 harness 允许模型自行选择带走哪些笔记；Provider Adapter harness 下得 98.55%，它在请求之间保留推理状态并对长对话做压缩。Astra 在 96% 的关卡上使用的动作数少于受测人类的中位数。这个分数衡量的是模型连同它的脚手架，因此两个数字都记录在此。
大模型时代2026年9月3日，OpenAI 发布 GPT-6 Astra 的系统卡，称该模型在公司自有的 Preparedness Framework 下达到网络能力的 Critical 阈值，是 OpenAI 首个被置于该等级的模型。系统卡描述的模型能够发现此前未知的安全缺陷，并在许多防护良好的系统上开发出新的利用方式，而无需人逐步引导。敏感能力经由可信访问计划限制。该定级是 OpenAI 以自家框架对自家模型所作的评估，系统卡中并未出现 AGI 或通用智能字样。
大模型时代