从决策式AI到生成式AIGC，人工智能行业的关键拐点可归纳为三个：1956年概念提出奠定学科基础，2006年深度学习理论突破加速第三次浪潮，以及2022年11月ChatGPT发布标志生成式AI走向大众。其中，大模型展现的“涌现能力”是决策式AI迈向生成式AIGC最核心的技术拐点——当模型规模达到一定阈值后，处理性能会突然跃升，由此催生了现象级应用，推动行业从“分析判断”转向“创造生成”。

三个历史性拐点

人工智能的发展并非线性上升，而是历经三次浪潮、六十余年曲折前行。

第一个拐点是概念的诞生。 1956年，“人工智能”概念首次被提出，为整个行业确立了研究方向。此后数十年，AI经历了多次起伏，但始终未能突破应用瓶颈。

第二个拐点是深度学习理论的突破。 2006年，深度学习理论的突破带动了人工智能第三次浪潮加速。这轮浪潮前期，AI模型多为针对特定场景训练的“小模型”，通用性差、研发成本高。而过去5年，随着数据、算力和算法的提升，行业从“小模型”走向“大模型”——在大规模无标注数据上训练，泛化能力强，通过微调即可适配多场景，有效降低了AI应用研发门槛。

第三个拐点是ChatGPT的发布。 2022年11月，OpenAI发布基于GPT-3.5大模型的聊天机器人程序ChatGPT，5天注册用户破百万，60日月活破亿，成为史上增长最快的消费者应用，被英伟达CEO黄仁勋称为“AI的iPhone时刻”。

涌现能力：从分析到创造的分水岭

如果说前两个拐点是技术与范式的铺垫，那么**“涌现能力”则是生成式AI区别于决策式AI的本质特征**。

所谓涌现能力，是指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。这种非线性跃升意味着，大模型不再只是对已有数据做分析、决策，而是能够学习归纳后进行模仿式、缝合式创作，生成全新内容——这正是ChatGPT所属的生成式人工智能技术（AIGC）的核心。

从产品模式看，ChatGPT属于AIGC的一种。与传统的决策/分析式AI相比，生成式AI并非简单分析已有数据来决策，而是基于历史进行创作，生成全新内容。这一转变，标志着人工智能从“工具”向“创造者”的角色演进。

常见问题

为什么说ChatGPT是增长最快的消费者应用？

ChatGPT发布后5天注册用户超100万，60日月活破亿。对比来看，达到1亿月活，TikTok用了9个月，Instagram用了30个月，Twitter用了60个月，而ChatGPT仅用了2个月，增速远超此前所有现象级应用。

大模型和小模型的核心区别是什么？

小模型针对特定场景训练，换场景就需重新训练，调参成本高、通用性差；大模型在大规模无标注数据上训练，泛化能力强，通过微调即可完成多场景任务，有效解决了小模型数据量少、精度低的问题。更关键的是，大模型具备涌现能力，这是小模型不具备的质变特征。

当前人工智能处于哪个发展阶段？

从技术发展阶段看，人工智能分为运算智能、感知智能、认知智能和意识智能四个层次，目前行业正处于第三代认知智能阶段，终极探索目标是机器的意识智能。ChatGPT等AIGC应用的爆发，正是认知智能阶段的重要标志。