type
Post
status
Published
date
Jun 25, 2026 17:48
slug
ai/0003
summary
AI 有周期，但不必宿命论。会用「算力—数据—算法」三张体检表看项目，比背年份更有用。
tags
AI
读书
category
AI
icon
password
不是直线上升的故事
AI 的发展不像智能手机——一代比一代强、稳步普及。它更像潮汐：涨起来时人人谈，退下去时经费断。
理解这个节奏，能帮你既不过度恐慌，也不盲目追捧。
三次明显浪潮
第一波：规则与逻辑（约 1950s–1980s）
- 代表思路：智能 = 逻辑推理，把知识写成「如果…那么…」
- 高光：专家系统在特定行业短暂实用
- 瓶颈：知识维护成本爆炸，稍微换个问法就失效
第二波：统计与学习（约 1990s–2010s）
- 代表思路：别手写知识，让机器从数据里找规律
- 高光：搜索排序、推荐、人脸识别开始落地
- 瓶颈：特征要靠人设计，数据规模上去后传统方法触顶
第三波：深度神经网络（2012 至今）
- 代表思路：多层网络自动学特征，算力跟得上就能「越喂越强」
- 高光：图像、语音、语言任务集体突破；2022 年后大模型进入大众视野
- 现状：能力跃升明显，但成本、幻觉、合规仍是硬约束
为什么曾「退潮」
共同模式很简单：
讲给老板听的故事 > 当下真能交付的能力
资金和政策跟着故事走；故事兑现不了，就收缩。这不是技术「骗人」，而是任何前沿技术都会经历的预期管理问题。
这一轮的三项体检指标
判断「是不是又一波虚火」，可以看三样是否同时到位：
指标 | 问什么 | 本轮情况（概括） |
算力 | 训练和推理是否负担得起？ | GPU 等专用芯片普及，推理成本持续下降 |
数据 | 有没有足够多样的学习材料？ | 公开语料 + 合成数据 + 行业私域数据并用 |
算法 | 有没有可扩展的方法论？ | Transformer 等大模型架构成为主流基座 |
三项齐，浪潮才站得稳；缺一项，就会在特定场景里「看起来很美」却落不了地。
「全民可用」比「性能榜第一」更重要
上一轮技术突破很多发生在实验室和论文里。
这一轮一个关键变化是：普通人用自然语言就能驱动复杂能力——写材料、改代码、做摘要、生成图片，入口从「会调 API 的工程师」扩展到「会打字的人」。
一项技术从「少数人会用」变成「多数人每天用」，往往比参数再涨 10% 更能改变社会面貌。
本模块 takeaway
AI 有周期，但不必宿命论。会用「算力—数据—算法」三张体检表看项目，比背年份更有用。
- 作者:xiahonglin
- 链接:https://www.xiahonglin.com//article/ai/0003
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。
