AI革命的历史与驱动力 - AI革命源于长期积累而非单一突破，思想火花在40年前已点燃[5][6] - 1984年Geoffrey Hinton使用微型模型预测下一个词，发现模型能学习词语含义，成为大语言模型最原始雏形[6][8] - Yann LeCun早期着迷于"让机器自己学会智能"而非编程，形成机器学习核心哲学[8][10] - 2006-2009年李飞飞团队创建ImageNet数据集，手动标注1500万张图片，解决数据短缺问题[11][13][15] - 2010年Bill Dally用48个GPU复现吴恩达16000个CPU的识别猫实验，推动GPU专用于深度学习[15][17][18] - 黄仁勋发现算法框架与芯片设计高度类比，意识到并行计算可扩展到多卡多机数据中心[19] 当前AI发展阶段判断 - 黄仁勋认为AI革命真实存在，与互联网泡沫时期"暗光纤"不同，当前每块GPU都被点亮投入使用[20][21] - AI首次成为"生产力"本身而非工具，需要价值数千亿美元的AI工厂支持数万亿美元新产业[24] - 李飞飞强调AI仍是非常年轻领域，存在广阔"空间智能"等前沿待开拓[25] - Yann LeCun指出泡沫在于认为当前大语言模型能发展到人类水平智能，需要根本性突破[25][33] 对人类级智能的发展预测 - 黄仁勋认为是否达到"人类级"不重要，已有足够通用智能转化为大量有用应用[27] - Bill Dally认为目标是增强人类而非取代，AI擅长分类解难题，人类擅长创造共情[28][29] - 李飞飞认为机器将在部分维度超人但不会与人类智能同形，智能全貌尚未搞懂[30][31][32] - Yann LeCun直言当前大语言模型无法通向人类级智能，需要根本性突破[33][34] - Geoffrey Hinton预测20年内机器在辩论中能永远赢人类[35] - Yoshua Bengio认为当AI具备自我研究能力时将成游戏规则改变者，时间高度不确定但需做好预案[35]