人工智能大模型的发展，是一条从理论奠基到能力跃迁、再到应用爆发的演进路径。关键拐点主要有三个：1956年“人工智能”概念首次提出，开启六十余年的探索；2006年深度学习理论突破，带动人工智能第三次浪潮加速；过去五年数据、算力、算法共同提升，AI从小模型迈入大模型阶段，大模型具备涌现能力，最终催生了ChatGPT这一现象级应用。

拐点一：概念奠基与三次浪潮

“人工智能”概念于1956年首次被提出，此后人工智能发展历经60余年，走过三次浪潮，曲折起伏。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。

拐点二：深度学习理论突破

2006年深度学习理论的突破，带动了人工智能第三次浪潮的加速进展。在这轮浪潮的前期，AI模型多为针对特定应用场景训练的小模型。小模型通用性差，换到另一个应用场景往往并不适用，需要重新训练，牵涉大量调参、调优工作和成本；同时模型训练需要大规模标注数据，在数据量少的场景中，训练出的模型精度不理想，导致AI研发成本高、效率低。

拐点三：从小模型到大模型，涌现能力催生ChatGPT

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。更重要的是，大模型具备涌现能力——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这类现象级应用的出现。

2022年11月，美国OpenAI公司发布基于GPT-3.5大模型的聊天机器人程序ChatGPT，短短五天注册用户数量就超过100万，60日后月活更是直接破亿，成为史上增长最快的消费者应用。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不同，生成式AI并非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模仿式、缝合式创作，生成全新内容。

常见问题

人工智能大模型发展的核心拐点是什么？

核心拐点可归纳为三点：1956年“人工智能”概念首次提出；2006年深度学习理论突破带动第三次浪潮加速；过去五年数据、算力、算法提升推动AI从小模型走向大模型，大模型的涌现能力进而催生了ChatGPT。

什么是大模型的“涌现能力”？

涌现能力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。这一特性是大模型区别于小模型的重要标志，也是ChatGPT等现象级应用得以出现的能力基础。

ChatGPT的增长速度有多快？

ChatGPT发布后短短五天注册用户数量就超过100万，60日后月活破亿，成为史上增长最快的消费者应用。