8月18日，全国青联副主席、中科院计算技术研究所副所长陈云霁做客2026年第15期华夏大讲堂，用两个小时，把人工智能70年发展史讲得明明白白。华夏银行首席信息官龚伟华主持。
陈云霁14岁考入中国科学技术大学少年班，29岁成为计算所最年轻的研究员之一。长期从事处理器芯片与人工智能的交叉研究，研制了国际首款深度学习处理器芯片（寒武纪1号）。
全程不讲公式，不堆术语，听完你会发现：AI这70年的故事，比科幻电影还精彩。
4个词，理清70年
人工智能的概念大家都不太陌生——深度学习、大模型、智能体……但它们到底什么关系？
陈云霁说，记住四个词就够了，而且是“套娃”关系：
人工智能⊃人工神经网络⊃深度学习⊃大模型
人工智能是最大的范畴；其中最主流的技术叫人工神经网络；网络层数多了，叫深度学习；深度学习参数规模大到上万亿，就成了大模型。
70年发展史，就是这四个词层层递进的过程。
三条路，只有一条走通了
AI诞生于1956年的达特茅斯会议。当时一群年轻科学家聚在一起，雄心勃勃地提出了“人工智能”这个新概念。
但怎么走？有三条路：
符号主义：数学家们主张用逻辑规则表示世间一切知识。结果发现两个困难：一是没有找到能表述世间所有知识的简洁逻辑；二是常识根本写不完，类似“太阳从东边升起”这种事，你怎么逐条编码？而且逻辑推理耗时极长。
行为主义：基于控制论，让机器人会走会跑会跳，相当于做“小脑”。波士顿动力的机器狗、目前的很多机器人都属此类，但光有“小脑”没有“大脑”远不够。
连接主义：模仿人脑神经元连接的方式来计算。这条路开始最不被看好，却最终走通了。
1956年达特茅斯会议期间，部分与会者合影（图源：长江日报）
被权威“叫停”的方向
连接主义的逆袭史，堪称一部“冷板凳坐穿”的传奇。
1969年，AI权威明斯基写了本书，“证明”单层神经网络连最简单的“异或”问题都解决不了。权威一锤定音，整个领域瞬间冰封。整个70年代，研究人工神经网络的人寥寥。
但有一个人不信邪——杰弗里・辛顿（Geoffrey Hinton）。
杰弗里・辛顿参加世界人工智能大会（图源：观察者网）
从70年代开始，在几乎所有人离开这个领域的时候，他一个人默默坚持，1985年，他提出“隐层”的概念。此前，人工神经网络都只有一层，此后，人工神经网络就可以做两层或多层了。
有隐层的神经网络怎么训练呢？1986年，他和合作者提出“反向传播”算法。陈云霁开玩笑说，这算法本质就是“分锅”：输出结果跟预期有误差，就反过来倒推每个参数该担多少责任，错得多的多调，错得少的少调。这个朴素的思想，至今仍是所有大模型的训练基础。
2006年，辛顿正式提出“深度学习”概念；2012年，他的学生Alex把人工神经网络做到8层，图像识别错误率骤降，深度学习一夜爆发。
值得注意的是，2015年，ResNet成为第一个上百层的神经网络，而它完全由中国科学家完成。网络层数太深，信号传到下面就衰减了。ResNet加了“跳级连接”，解决了信号衰减问题，克服了层级增多的一大障碍。
2016年，AlphaGo战胜李世石，全世界第一次真切感受到AI和深度学习的威力。
大模型：量变引发质变
网络越做越深，参数越做越多，有人开始想：如果做到上千层、上万亿参数，会发生什么？
答案是“涌现”——参数突破某个阈值后，模型能力会突然飞跃，这就是“大模型”。就像人脑容量比猩猩大几倍，智能却产生了质的差距。
先是GPT一路狂奔：1亿参数→15亿→1750亿→2022年ChatGPT横空出世。
2025年1月，DeepSeek R1发布，证明中国大模型完全可以对标世界顶尖水平。而且，中国有影响力的模型基本开源。开源意义重大，比如对银行这样的行业，开源意味着既可以应用大模型，敏感数据又可以留在本地服务器上保证安全。
大模型有了“记忆”和环境交互，就是智能体
大模型很聪明，但像“缸中之脑”——被关在笼子里，能说不能做。给它加上记忆、工具和行动力，就成了智能体。
可以认为智能体是大模型的一个延伸，它在特定环境中，能够自主感知这个环境，根据环境的反馈来进行决策，决策完之后，还可以去操作这个环境。
未来：从数字世界走向物理世界
AI发展如火如荼，正在赋能千行百业。陈云霁分享了对未来趋势的判断：AI目前还主要在数字空间发力（文本、图片、视频），但真正的变革将是走向物理世界，深度融入实体经济。
在物理世界，要求人工智能必须更加精准、确定、稳定、可控，这就需要发展新的人工智能技术，把物理性质的科学知识融入大模型。
陈云霁最后说，70年前，AI还只是达特茅斯会议上一群年轻人的大胆设想。70年后，它已是“站在海岸遥望海中，看得见桅杆尖头的一只航船”。
这只航船会驶向何方？习近平总书记在世界人工智能大会上提出著名的“四问”：当机器开始思考，人类如何与之相处？当算法参与决策，安全如何保障？当技术挑战伦理，治理如何跟上？当鸿沟不断拉大，普惠如何实现？
未来已来，我们需要为新阶段的变革去做更多的准备。
