2025年7月9日，英伟达成为全球首家市值突破4万亿美元的上市公司，标志着人工智能领域迎来了一个新的高峰。然而，英伟达和整个AI行业未来的发展方向仍充满变数。虽然预测未来极具挑战，但通过回顾过去80年的人工智能发展历程，我们可以从历史的成败中汲取宝贵的经验，理解为何许多早期预言未能实现，以及哪些因素推动了AI的发展与停滞。
人工智能的历史可以追溯到1943年12月，当时神经生理学家沃伦·S·麦卡洛克和逻辑学家沃尔特·皮茨发表了一篇开创性的论文，提出了理想化的神经元网络模型，探讨神经元如何通过传递脉冲来执行简单的逻辑运算。尽管这项工作在神经科学领域缺乏实证支持，却点燃了一个全新领域的兴起——后来被称为“人工智能”。这篇论文催生了“联结主义”，即现代深度学习的前身，尽管其与真实大脑的运作机制相去甚远，但其统计模型成为当代AI研究的基石。
历史教训之一，是必须警惕将工程实践混同于科学研究，以及将科学混淆为单纯的数学符号游戏。更重要的是，抵制那种“人类如同神明”的错觉，认为人类能够创造出与自己完全相同的机器智能。正是这种过度自信和盲目乐观，多年来催生了一轮又一轮的科技泡沫和AI狂热。
1950至70年代，通用人工智能（AGI）的梦想尤为炽热。先驱赫伯特·西蒙甚至宣称“世界已有能够思考、学习、创造的机器”，并预测十年内计算机会成为国际象棋冠军。1970年，AI先驱马文·明斯基更大胆预言，机器智力将在三到八年内达到人类水平，甚至可能统治人类。此类预期影响了当时全球多个政府项目的大规模资金投入，例如1980年代日本耗资数十亿美元的第五代计算机计划，以及美国国防高级研究计划局的巨额资助，试图开发出能模仿人类感知和思考的机器。
然而，经过长达十余年的试验与投资，学界和政府终于认识到通用AI的复杂性与传统AI的局限性。直到2012年，深度学习重新崛起，带动了新一轮关于通用AI即将问世的热潮。OpenAI在2023年更预言，超级智能AI可能在本十年内出现，甚至威胁人类的主导地位。这也提醒我们，第二个教训是对每一次“新革命”的警惕，要理性、审慎地看待这些表面光鲜的进展，因为它们可能与过去的承诺并无本质区别。
第三个教训源自“第一步谬论”——人们往往低估了从“机器无法完成任务”到“能完成但效果差”之间的巨大鸿沟，错误地认为只需时间和技术积累，机器便能完美胜任。20世纪50至60年代，随着半导体技术的飞速发展，许多乐观主义者将硬件进步等同于智能飞跃，殊不知智能的提升还涉及复杂的软件算法和庞大的数据支持。
20世纪60至80年代，专家系统一度盛行，企业和政府纷纷投入巨资，但其庞大且难以维护的知识库、缺乏灵活应对新环境的能力，最终导致系统脆弱且成本高昂，难以持久。第四个教训则是，广泛采用和大量资金投入未必能带来持续的产业繁荣，泡沫和失败时常伴随着创新浪潮。
纵观80年，人工智能领域主要存在两种对立方法：基于规则的符号AI和以统计分析为核心的联结主义。尽管学术界在两者之间长期摇摆，但自2012年联结主义的复兴后，AI研究的重心逐步转向私营企业，尤其是专注于深度学习的大型科技公司。与此同时，强化学习等其他AI方法也在近年获得认可，2025年其两位先驱获得图灵奖，显示AI领域依旧多元化发展。
然而，现阶段无论是DeepMind、OpenAI，还是其他投入巨资的AGI企业，都尚未超越大语言模型这一范式。第五个教训提醒我们，切勿将所有资源押注于单一技术路径，只有多元化探索才能降低风险、促进技术的持续突破。
英伟达及其CEO黄仁勋作为这一波AI浪潮中的关键玩家，展现了极强的战略眼光和危机意识。英伟达早期专注于为游戏打造的并行处理芯片，恰恰适合深度学习计算，从而抢占了AI硬件市场先机。黄仁勋曾多次警告公司存在倒闭风险，彰显了在高速变革中的谨慎态度。
总而言之，人工智能八十年的发展充满跌宕起伏，历史的教训不仅对业界有启发意义，也为未来企业如英伟达提供了借鉴。面对未来的机遇与挑战，只有结合科学理性与务实创新，方能在这场持续演进的技术革命中立于不败之地，稳健迈过未来的30天、30年，乃至更长远的历程。