70 年，一条线：AI 不是突然火起来的。两次寒冬、三样燃料、一个关键年份，再加上 12 个必须弄懂的词——这篇把它们串成一条线。 读完你应该能说清：为什么是 2012 年，为什么是 GPU，以及今天的 Agent 到底由什么零件拼成。
一、AI 的开始：一个问题，一场会议
1950 年，英国，阿兰·图灵（Alan Turing）提出了一个问题：机器能思考吗？换一种问法——如果一台机器隔着屏幕跟你聊天，聊到你分不清对面是人还是机器，它算不算会思考。这就是后来的图灵测试。图灵也因此被称为人工智能之父。
图 1｜阿兰·图灵（Alan Turing）
1956 年的夏天，美国达特茅斯学院的一群年轻科学家开了一个改变世界的会议。会上，这群科学家正式确立了“人工智能（Artificial Intelligence）”这一学科名称，还基于一个核心假设：人类学习的每一个维度、智能的任何特征，原则上都可以被精确地描述，从而使机器能够对其进行模拟。
二、两条路线，两次寒冬
AI 从一开始就有两条路线。
第一条叫符号主义：把“猫有四条腿、会叫”这类知识，连同推理规则，全部由人写死，好比照着菜谱做菜。后来人们发现这条路走不通——要写的东西太多了，根本写不完。
于是有了第二条路线：连接主义。1957 年，罗森布拉特提出感知机，神经网络成为研究纲领。
图 2｜感知机（Perceptron）
1969 年，闵斯基和西摩·佩珀特出版《感知机》，把单层感知机的局限系统地挑了一遍；再加上当时整个 AI 领域都在说大话，而且是说给掏钱的人听。结果学术圈听完只剩一句话：神经网络这条路不行，散会。于是资金断了，项目砍了，论文没人看了，AI 的第一次寒冬就这么来了。
后来到 1980 年代，AI 又火了，这次火的是一个叫专家系统的东西：说白了就是在很窄的领域里，把一个专家的脑子塞进程序。像医疗诊断、设备维修、金融决策，一开始真的有点东西。
图 3｜专家系统的结构：知识库、推理机与人机界面
企业一看这玩意能赚钱，又开始疯狂砸钱。但很快又出了问题：规则越写越多，维护越来越难，世界稍微一变，系统就开始掉链子。再加上知识获取瓶颈、维护成本高昂，专家系统又被遗弃了。
由于 Sun、Apollo 这类通用工作站以更低的成本抢走了市场，Symbolics 等 Lisp 专用机厂商订单崩塌，加上日本第五代计算机计划落空，1980 年代末到 1990 年代初，AI 的第二次寒冬来了。
三、三样东西：算法、数据、算力
那 AI 这么多次起起伏伏，最后又是怎么火起来的呢？核心是三样东西：算法、数据、算力，缺一不可。
算法：学会复盘，也学会落地
1986 年，杰弗里·辛顿、大卫·鲁梅尔哈特和罗纳德·威廉姆斯把一套叫反向传播的训练方法推到了台前。你可以理解为机器第一次学会了复盘：做错题之后，终于知道错在哪、该怎么改。
然后是另一个大佬，杨立昆。他从 80 年代末到 90 年代一直死磕一条叫卷积神经网络的路线，做出了一个叫 LeNet-5 的模型，能识别手写数字，后来真的被银行和邮政系统拿去用了。这是个小小的里程碑，但意义非常大：神经网络第一次不再只是论文里的名词，而是真的能在现实世界里打工。
图 4｜杨立昆（Yann LeCun）
数据：李飞飞和 ImageNet
接下来是数据，这时候轮到李飞飞。她首先解决了一个最底层的问题——AI 根本没有足够好的训练数据。2009 年，她推动了一个叫 ImageNet 的项目，一个超大规模的图像数据集，最后做到了一千多万张图片、两万多个类别。
图 5｜李飞飞
算力：英伟达和 CUDA
最后是算力，这时候轮到英伟达上场：2006 年，英伟达推出 CUDA。从这一刻起，GPU 和 AI 的命运就绑死了。
图 6｜英伟达（NVIDIA）
四、关键的一年：2012
如果要在整个 AI 历史里挑一个最关键的年份，那一定是 2012 年。这一年，在 ImageNet 比赛上，杰弗里·辛顿的博士生亚历克斯·克里泽夫斯基和伊利亚·苏茨克维丢出了一个叫 AlexNet 的模型——用英伟达的 GPU 训练出来的。
比赛结果以碾压式的优势获胜：Top-5 错误率 15.3%，第二名是 26.2%。
这一仗一次性验证了三件事：
- 神经网络不是不行，是以前条件不够；
- ImageNet 这样的大规模数据集真的有用；
- GPU 就是 AI 时代的铲子。
五、AlphaGo 与 Transformer
但真正让全球普通人都意识到“事情开始不对了”的是 AlphaGo。2016 年 3 月，DeepMind 旗下的 AlphaGo 以 4 比 1 击败世界顶尖棋手李世石；2017 年 5 月，又以 3 比 0 战胜柯洁。
图 7｜AlphaGo 大战李世石
2017 年 6 月，谷歌发布了一篇论文《Attention Is All You Need》，里面提出了一个框架，叫 Transformer。今天你在用的所有大模型——GPT、Gemini、DeepSeek 等等，往根上刨，刨到最后，都是它。
六、ChatGPT：分水岭
AI 的腾飞：2018 年 GPT-1 发布，2019 年 GPT-2，2020 年 GPT-3。直到 2022 年 11 月 30 日，这一天成了人类和 AI 关系的分水岭：OpenAI 把 GPT-3.5 包装成一个聊天框放到网上，起名 ChatGPT。结果 5 天用户突破 100 万，两个月突破 1 亿，成为人类历史上增长最快的消费级产品。
图 8｜ChatGPT
接下来几年，谷歌端出了 Gemini。一帮人从 OpenAI 离职另起炉灶，搞了 Anthropic，推出 Claude；马斯克也不甘寂寞，成立 xAI，推出 Grok。
国内这边更热闹：百度的文心、阿里的通义千问、字节的豆包、腾讯的元宝、月之暗面的 Kimi，还有 2025 年初用极低成本撕开全球 AI 圈一个口子、把英伟达股价都砸下来的 DeepSeek。
图 9｜DeepSeek
七、长出五官，也长出双手
然而大模型光会说话还不够。很快它就长出了五官：GPT、Gemini、Claude 都能看图了；Sora、即梦、可灵能从一段文字生成电影级的画面；Midjourney、Stable Diffusion、Flux 让每个人都能当美术总监。
到了 2024、2025 年，整个行业的焦点从大模型转向了一个叫智能体（Agent）的东西。以前你让 AI 帮你订机票，它顶多推荐几个航班；现在你让 agent 订机票，它可以自己打开携程、比价，下单前向你确认，下完单发邮件给你——你从使用者变成了老板。
图 10｜开源式 agent：Hermes Agent
图 11｜Codex：CLI 开源（Apache-2.0），云端服务闭源
从这一步开始，AI 不再只是回答问题，而是真的可以替你完成工作了。
AI 这些年翻天覆地的变化，背后其实是几个零件在共同起作用。要理解今天这些 agent 为什么能干活，得先把下面这些词弄清楚。
八、AI 基础概念：12 个词
Token：模型处理文本的最小单位。英文一个单词常被切成 1–2 个 token；中文里 1 个汉字约等于 1.2–1.3 个 token（不同模型的分词器略有差别）。
LLM：大语言模型（Large Language Model），以语言建模为核心的模型，GPT、DeepSeek、Claude 都属于这一类。今天的头部模型已经是多模态的，但底座仍是 LLM；图片、视频生成模型（如 Midjourney、可灵）不属于 LLM。
Context Window：上下文窗口，模型一次能同时处理的 token 总量，输入和输出合计。超出这个长度就得截断、压缩或分段处理。常见规格有 8K、32K、128K、200K、1M。
Context Engineering：上下文工程，让模型在正确的时间看到正确的内容——放什么、怎么放、什么时候删，从而稳定产出可靠结果。
RAG：检索增强生成（Retrieval-Augmented Generation）。在 LLM 生成回答前，先从外部知识库检索相关内容，把结果放进上下文，再让模型基于这些内容作答。
MCP：模型上下文协议（Model Context Protocol），给 AI 应用规定了一套“怎么接外部数据和工具”的标准接口。简单说，MCP 统一了 AI 应用与外部数据之间的连接方式，就像统一了冰箱和洗衣机的插座标准。
Skill：一段给 AI 读的操作说明，通常还附带脚本、模板、参考资料。简单说就是给 AI 一份说明书，告诉它这件事应该怎么做。
Plugin：把 MCP Server、Skill 和配套资源打成一个包。像一个装箱单齐全的工具箱：里面有 skill，也有 MCP。
Subagent：子代理。主 Agent 委派出去执行特定子任务的 Agent，拥有独立的上下文窗口，在隔离环境里干完活，只把结果摘要返回给主 Agent。
Task List：Agent 在执行复杂任务时维护的一份结构化待办事项清单，记录“要做哪些事、每件事的状态、依赖关系、由谁执行、结果如何”。
AGENTS.md：写给 AI Agent 看的项目指令，相当于这个项目的“使用说明加规矩”。
Agent：智能体。前面介绍的各种概念都是 agent 的零件，agent 就像你身边那个什么都会一点的助手，能帮你把复杂的事拆开、一件件做完。
九、Agent 是怎么干活的
Agent 的工作流程是四步：
- 读懂任务；
- 看上下文决定下一步；
- 把决定变成工具调用去执行；
- 再把结果收回来——勾掉清单里的一项、记下哪条路走不通、扣掉剩余步数、写上结论。
如此循环到任务完成或预算用完。Tool 决定它能做什么，Skill 决定它做得对不对。
图 12｜Agent 的组成
速查：一条时间线
| 年份 | 发生了什么 |
|---|---|
| 1950 | 图灵提出“机器能思考吗”，图灵测试诞生 |
| 1956 | 达特茅斯会议，“人工智能”学科得名 |
| 1957 | 罗森布拉特提出感知机，连接主义登场 |
| 1969 | 《感知机》出版，第一次寒冬到来 |
| 1980s | 专家系统兴起，随后迎来第二次寒冬 |
| 1986 | 反向传播被推到台前 |
| 2006 | 英伟达推出 CUDA |
| 2009 | 李飞飞推动 ImageNet |
| 2012 | AlexNet 夺冠，Top-5 错误率 15.3% |
| 2016 | AlphaGo 4 比 1 击败李世石 |
| 2017 | 《Attention Is All You Need》提出 Transformer |
| 2022 | ChatGPT 上线，两个月破 1 亿用户 |
| 2024–2025 | 行业焦点转向 Agent |
一句话收尾：算法是复盘，数据是教材，算力是学费；Agent 则是把学来的东西真正拿去干活的那双手。
