人工智能概念自1956年首次提出以来，已历经60余年、三次浪潮的曲折演进。2006年深度学习理论的突破，带动了第三次浪潮的加速；而过去五年数据、算力和算法的提升，推动AI从针对特定场景训练的小模型，转向在大规模无标注数据上训练的大模型。 大模型具备涌现能力——当模型规模达到某个阈值时，对某些问题的处理性能会突然呈现快速增长，ChatGPT正是基于这种能力出现的现象级应用。

三次浪潮与关键拐点

从技术发展阶段看，人工智能可分为运算智能、感知智能、认知智能和意识智能四个层次，目前正处于第三代人工智能，即认知智能阶段，终极探索目标是机器的意识智能。

这一演进的关键拐点在于模型范式的切换。在这轮浪潮前期，AI模型都是针对特定应用场景需求进行训练的小模型，通用性差，换到另一个场景往往并不适用，需要重新训练，牵涉大量调参、调优工作和成本；同时模型训练依赖大规模标注数据，在数据量少的场景中精度不理想，导致研发成本高、效率低。

过去五年，随着数据、算力和算法的提升，AI技术从小模型发展到大模型。大模型在大规模无标注数据上训练，学习出特征和规则，泛化能力更强，通过微调甚至不微调即可完成多个应用场景的任务，有效降低了AI应用研发门槛。

从小模型到大模型的跃迁

大模型最受关注的特征是涌现能力：当模型规模达到某个阈值时，模型对某些问题的处理性能突然呈现快速增长。正是基于这种能力，才有了ChatGPT这种现象级应用的出现。

从产品模式看，ChatGPT属于生成式人工智能技术（AIGC）的一种。与传统的决策/分析式AI相比，生成式AI并非通过简单分析已有数据来进行分析与决策，而是在学习归纳已有数据后进行演绎创造，基于历史进行模仿式、缝合式创作，生成全新的内容。

常见问题

人工智能的三次浪潮中，第三次浪潮的加速节点是什么？

2006年深度学习理论的突破，带动了人工智能第三次浪潮的加速进展。目前正处于这一轮浪潮之中，基于大模型的涌现能力，已经诞生了ChatGPT这一现象级AIGC应用。

大模型和小模型的核心区别是什么？

小模型针对特定应用场景训练，通用性差，换场景需重新训练，且依赖大规模标注数据，导致研发成本高、效率低。大模型在大规模无标注数据上训练，泛化能力强，微调甚至不微调即可完成多个场景任务，有效降低了AI应用研发门槛。

ChatGPT为什么被视为现象级拐点？

ChatGPT属于生成式人工智能技术的一种，其出现标志着人工智能技术即将广泛应用于生产生活。它基于大模型的涌现能力，当模型规模达到阈值时性能突增，从而支撑起这一应用形态的落地。