人工智能行业发展历程中的关键拐点，可以概括为由小模型到大模型的范式转变、大模型涌现能力的被发现，以及ChatGPT所代表的AIGC应用爆发，其中“涌现能力”的出现是行业从量变走向质变的标志性节点。

回顾人工智能的发展历程，一个核心的认知拐点在于行业从“小模型”走向“大模型”。早期AI多针对特定场景训练，通用性差、研发成本高；而大模型在大规模无标注数据上训练，泛化能力强，有效降低了AI应用的门槛。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会突然呈现快速增长，这种从量变到质变的突变，正是AI能力跃升的关键。

从技术演进看关键拐点

人工智能的发展历经了从运算智能、感知智能到认知智能的演进，目前正处于第三代认知智能阶段。在技术路线上，深度学习理论的突破带动了行业加速进展，而模型参数量与训练规模的扩大，让AI从“分析决策”走向了“生成创造”。

这种范式转变最终催生了现象级的AIGC应用。ChatGPT的出现，标志着生成式人工智能技术开始广泛进入生产生活，被行业视为“AI的iPhone时刻”。它不再仅仅是分析已有数据，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，深刻影响经济社会各个层面。

全球竞争格局的变化

在这一轮技术革命中，全球大模型竞争格局也出现了显著变化。在全球超千亿参数大模型中，中国企业或机构贡献了约1/3，美国贡献了约1/2。虽然美国在大模型技术方面仍有一定优势，但国内大模型与美国的整体差距已明显缩小，并且领先于世界大部分其他国家。未来，中国有望依托大模型的应用落地与产业升级，爆发出巨大的增长潜力。

常见问题

什么是大模型的涌现能力？

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的现象。这是大模型区别于小模型的关键特征，也是ChatGPT等现象级应用能够出现的基础。

为什么说现在是人工智能发展的关键时期？

因为AI技术正处于从“感知智能”向“认知智能”跨越的阶段，大模型的出现大幅降低了AI应用的研发门槛，使AI能够赋能千行百业，被视为数字经济时代的“蒸汽机”。

国内大模型与国际水平的差距有多大？

从发布时间的差距上看，同等参数量级的模型，美国仅比国内领先1-2年；在具体大模型技术方面，美国优势稍大，大约领先国内公司2-3年，但整体差距正在持续缩小。