今天分享的主题是把握 AI 大模型引发的时代机遇，主要包括以下内容：第一，什么是 AI 大模型的本质？演进路线是什么？第二，为什么当今被称为“智能时代”？第三，如何把握这一百年难遇的机会？

AI 大模型发展的政策背景与行业趋势
4月25日，中共中央政治局就加强人工智能发展和监管进行集体学习，提出充分发挥新型举国体制优势、坚持自立自强、突出应用导向、健康有序发展等关键词。

2025年的两会报告中，大模型首次被写入，同时涉及优化全国算力资源布局、发展新一代智能终端、低空经济、生物制造、具身智能、平台经济以及重视青年科技人才等内容，均围绕数字经济发展，凸显应用导向。

美国方舟基金创始人凯瑟利·伍德发布的“2025 大胆设想”，与我国两会报告在 AI Agent、无人驾驶出租车、低空经济等方面存在高度共识。美国这一报告预测全球 GDP 增长将因新兴产业发展显著提升，人工智能将在其中占据主导地位。

AI 大模型的发展历程与技术演进

从 AI 的起源来看，1950 年图灵提出图灵测试，1956 年人工智能学科诞生。早期受技术限制，基于规则的专家系统因难以实现标准化规则而受限；随后从棋类游戏方向突破，基于概率统计的机器学习取得一定成果，但在围棋领域遭遇瓶颈。

1. 深度学习与 AlphaGo：2013 年，基于神经网络的深度学习诞生，其将 GPU 计算特征与神经网络结合，造就了 AlphaGo 战胜世界冠军李世石的壮举。然而，AlphaGo 仅为专属模型，只能下围棋，应用局限性导致其逐渐淡出人们视野。

2. Transformer 架构与通用模型：2017 年，谷歌发布 Transformer 底层架构，通过预训练大量无标注数据，使模型具备通用性，能够适配多种任务。这一架构成为 ChatGPT 等众多 AI 模型的基础，开启了生成式 AI 阶段，使 AI 具备推理和判断能力，推动 AI 发展进入新阶段。

AI 大模型的定义与核心
1. 知识获取新范式：AI 大模型是人类获取知识的新范式，其地位与文字、互联网相当。过去，人类通过书籍、互联网获取知识，如今知识体系被训练到大模型中，人们通过与模型交互获取答案，如 ChatGPT 能回答各种问题、进行创意写作、编程等，改变了知识获取和应用的方式。

2. ChatGPT 的引领作用：ChatGPT 作为 AI 大模型的首个现象级产品，将 GPT 模型与 chat 交互环境结合，“G” 代表生成式，“P” 代表预训练，基于 Transformer 算法，展现出强大的功能。它的出现标志着 AI 大模型能力的充分发挥，促使 AI 搜索逐渐抢占传统搜索市场份额，如谷歌搜索流量增长遇阻，而微软将 ChatGPT 与搜索引擎结合后实现增长。

AI 大模型的特性与广泛应用
在软件领域，AI 大模型将重构软件系统，使软件具备 AI 能力，如 WPS、钉钉、飞书等软件纷纷融入 AI 功能；硬件方面，驱动自动驾驶汽车、智能工厂机械臂等发展；数据层面，激活数据价值，使其成为重要生产要素。

在实际应用中，AI 大模型已渗透到奥运转播（如实现快速图像实时处理和 3D 渲染）、电商（助力商品推荐、营销、客服等）、医疗（多癌早筛、加速药物研发）、生产制造（智能决策、优化生产流程）等众多领域，提升各行业效率与创新能力。

AI 大模型的技术本质与演进逻辑

AI 大模型是人类社会第 25 种通用技术。回顾前面 24 种通用技术，包括铁路、内燃机、电力、计算机、互联网等，会发现每一种通用技术都推动了时代的变革。计算机推动了计算革命，互联网推动了互联网革命，电力引发了电气革命，内燃机促进了工业革命。这些通用技术具有四个重要特征：其一，在多个领域广泛使用，区别于仅解决单一问题的专用技术；其二，能够与其他技术互补，并非独立存在；其三，具备降本增效功能，降低门槛、减少成本并提高生产效率，带来颠覆性的生产力提升；其四，会对组织方式产生变革性影响 。

各类通用目的技术达到临界应用水平（即一半以上的人都在使用该技术）所需时间各不相同。电用了 37 年，起初电的持续使用成本很高，例如铺设电线点亮灯泡，一天可能需要一到两美金，而同样能在夜间照明的蜡烛成本更低，因此电实现临界应用水平需满足两个关键点：**技术好用且足够便宜，实现普惠。**当用电成本远低于蜡烛时，电不仅用于点灯，还被应用于电冰箱、面包机等，从而实现普及。个人电脑达到临界应用水平用了 23 年，智能手机用了 21 年，互联网用了 17 年，而 GPT 仅用了十个月。这充分说明 GPT 好用且价格亲民，大幅提升了生产力。

**AI 大模型的通用性遵循规模定律，即模型的参数越大，预训练数据集越多，模型的性能越好。**参数可理解为模型学到的知识，这些知识通过数据表征，以向量的方式呈现每个知识点。例如人的身高、体重、性别、头发颜色等特征，通过数字计算实现关联权重。以 “浙江省科普联合会” 为例，“科” 与 “普” 的组合，以及 “科普” 与 “联合会” 的组合，都存在关联度和权重，这就是参数的体现。从数学角度看，参数就类似函数中用于更好匹配输入与输出信息的系数，参数越多，准确度越高。

此外，AI 大模型本身是深度神经网络的模型架构，从生物理论来讲，大脑皮层的神经元数量与通用水平成正比。人类拥有 900 亿个神经元，属于通用型大脑；狗有 22 亿个神经元，是专用性大脑，狗出生一年后，肌肉发达、嗅觉灵敏，到三、四、五岁基本能力无明显增加，因其神经元决定了它只能做专属任务；而人类一岁时还只能爬，但后续能学会说话、走路、学习各种知识，正是 900 亿神经元赋予了人类通用性，使人多才多艺、有记忆力、具备推理能力，由此也能更好地理解 AI 大模型的参数与规模定律。

AI 大模型有两个核心魔力。****

**第一个是涌现性。**随着模型参数数量达到一定规模，模型在各项能力上会出现迅猛提升，从线性增长转变为指数级增长。例如孩子学习数学，做 100 道题可能仍无明显进步，但做到 1100~1200 道题时，突然开窍，所有题目都会做，这便是量变到质变的过程。在 AI 大模型中，无论是文字理解、修饰手法运用、数学逻辑推导还是国际音标撰写等方面，都会出现这种涌现现象，再次印证了规模定律，即模型参数规模越大，训练数据集规模越大，模型性能越好。

第二个魔力是泛化性，即模型的学习能力，它能够对从未见过的数据进行良好处理，且表现专业。

模型的发展演进经历了不同阶段。最初是 “一事一模” 阶段，通过简单的专属模型实现机器翻译、语音转录、人脸识别、指纹识别等单一任务，每个模型只能完成特定一件事，若要解决其他问题，需重新寻找模型并训练数据。

后来进入 “多事一模” 阶段，尝试将人脸识别、猪脸识别、狗脸识别等任务整合到一个模型中，该模型具备跨领域知识，能够完成多个不同任务。在这个过程中，专属模型精度高，参数增加后会获得泛化能力，但精度有所下降。为解决这一问题，需不断加大参数和数据集规模，使模型兼具泛化性和高精度。

最终目标是实现 “万事一模”，即一个模型能解决人类认知中的所有任务，此时模型具备推理能力、多模态融合能力以及规划和执行能力，真正实现通用人工智能。事实上，AI 大模型正逐步接近人类专家水平，2017 年达到基础阅读理解能力，2021 年具备视觉推理能力，2023 年拥有多元认知能力，到 2025 年，已能够解决复杂推理问题，比如完成奥数题目。

中美 AI 大模型竞争格局与中国产业生态
1. 中美竞争态势：在大模型赛道，中美呈现不同竞争格局。语言大模型方面，中国从追赶逐步发展；推理模型中，中国与美国并驾齐驱，如中国的 R1 推理模型与 OpenAI 的相关模型不分上下；多模态模型领域，中国因注重业务场景应用，处于领跑地位。

2. 中国产业生态优势：中国 AI 大模型产业图谱涵盖应用端和基础设施端。基础设施端包括硬件、数据治理、模型和工具层，培育出众多龙头和独角兽企业；应用端广泛涉及办公、营销、创意等领域。以杭州为例，其 AI 企业成功得益于开源开放生态，包括政策支持、资本投入、人才培养、良好营商环境，以及产学园融合和丰富的数字化场景应用，为 AI 发展提供了肥沃土壤。

以杭州为例，其成功发展 AI 产业得益于开源开放的生态，包括政策支持、资本投入、人才培养和良好的营商环境，以及产学研融合和丰富的数字化场景应用。科技创新不能躺平，企业需不断创新，如特斯拉的端到端大模型取代传统规则系统，以及具生智能模型提升产品附加值，体现了技术创新和赋能的重要性。个人也应拥抱 AI，用好 AI 工具包，提升自身 AI 素养，积极融入智能时代。

把握 AI 时代机遇的关键举措
1. 科技创新的重要性：科技创新没有绝对的护城河，企业需持续创新。如特斯拉采用端到端大模型改进自动驾驶技术，摒弃传统规则系统；企业通过将 AI 大模型与产品结合实现技术赋能，如扫地机结合 AI 大模型后，售价大幅提升且节省人工成本，展现出科技创新带来的巨大竞争力。

2. 个人与时代的共成长：身处智能时代，个人应积极拥抱 AI，使用 AI 工具包提升自身 AI 素养。随着模型迭代和工具优化，个人需不断学习适应。

最后引用我们马老师的一段话作结：“电刚刚发明的时候，唯一的电器就是电灯，人类根本想象不出电有啥用，然而由于电的发明，世界出现了许多新的东西。那么今天的 AI 与早年的电其实是相差不多的，而且今天 AI 带来的改变，会远超过电的时代，远超过大家的想象。”

本文作者：汪源，阿里研究院秘书长

本文根据浙江省科普联合会周四夜学内容整理

来源: 科小二