1. AI发展

第一页，专家系统

时间：七十到八十年代

简介：跟着固定菜谱做菜

标志事件：1980年， DEC（大型机小型机生产商）落地XCON系统，解决人工配置运维问题，年处理超过8万份订单，准确率高达95%-98%，为公司节省3千万美元/年。

第二页，机器学习系统

时间：九十年代

简介：给机器10万份菜谱，自己学会方法，能够自创菜谱做菜

标志技术：强化学习、支持向量机等（补充强化学习原理图）

标示事件：1997年IBM 2：1深蓝战胜俄罗斯国际象棋冠军，实现了智能博弈的突破。证明人工智能在特定领域可以超过人类。

第三页，深度神经网络 从小众赛道开始

左侧放多层神经网络图,

人工智能之父，辛顿教授，

1986年，论文《Learning representations by back-propagating errors》。

第四页，深度神经网络 漫长等待到理论突破

20年漫长寒冬：虽然提出了多层神经网络的训练方法，但是当层数增加是信息无法有效传递。Hiton在多伦多大学当教授时，只有他一个人研究神经网络，他希望组建一个团队讨论，但校长回应说“一个疯子就够了”,曾经很长一段时间招不到学生。

辛顿当年回忆，“在AI的寒冬里，我们这些搞神经网络的人就像在北极裸奔。”

早期NeurIPS会议只有几百人，现在NeurIPS已经有1.5万人。

2006年，论文《A Fast Learning Algorithm for Deep Belief Nets》， 提出了深度信念网络(DBN)的快速学习算法，为解决深度神经网络训练难题提供了新思路， 为后来的深度学习复兴奠定了理论基础。

第五页，深度神经网络 第一次巨大突破

2012年，辛顿带领学生参加ImageNet图像识别大赛中，AlexNet以84.7%的准确率夺冠。第一次神经网络取得巨大突破。

国内以图像识别为技术基础，诞生了AI四小龙，国内第一批AI公司。"AI四小龙"（商汤、旷视、云从、依图），商业模式主要是ToG卖安防系统。

第六页，深度神经网络 第一次巨大突破

1. 深度神经网络技术和强化学习结合

2016年，谷歌旗下DeepMind开发AlphaGo战胜李世石，让深度学习突破了"围棋"这一人类智慧堡垒，引发全社会关注。

2. 2015-2020年

wide-deep双塔模型，深度学习促进了推荐系统规模工业化，快手、抖音等短视频平台相继崛起

3. 2018年  学术界辛顿教授荣获 “图灵奖”（计算机领域内的世界最高奖项）

第七页，深度神经网络  第二次理论突破

时间：2017年  Google 的几位研究员，提出Transformer架构，解决了传统神经网络处理长序列数据的难题，奠基了在自然语言处理领域的理论基础。引入Self-Attention自注意力机制。

Transformer最初几年解决了语言翻译的问题，比如google的翻译、百度翻译服务。

但是：Google没有意识到Transformer的革命性，只是应用在翻译工具服务上。

1. 高层战略：过度谨慎，低估潜力

• 谷歌太担心聊天机器人会说“蠢话”而引发负面舆论，因此在产品化上极度迟疑。这种对“完美”和“安全”的执念，让其错失了先机。

2. 内部竞争：AlphaGo的光芒太耀眼

谷歌内部的焦点并不在语言模型上，旗下DeepMind开发的AlphaGo正如日中天，刚刚以3:0战胜了围棋冠军柯洁。

3. 团队自身：专注翻译，未预见AGI

第八页，深度神经网络 第二次突破-高潮LLM

时间：2022年11月30日， ChatGPT发布，发布后5天用户破100万，2个月月活破1亿，成为史上增长最快的消费级应用。大语言模型LLM进入视野。

scale law: 参数量做大-transformer层数增加，大力出奇迹。

第九页. 大语言模型（一）

2023年-2024年，国内大厂诞生练丹热潮，基础大模型，百度文心一言，阿里通义千问，腾讯元宝，美团龙猫等。疯狂追赶。

国内诞生第二批AI公司，“六小虎”，月之暗面 (Moonshot AI) | 智谱 (Zhipu) | MiniMax | 阶跃星辰 (StepFun) | 百川智能 (Baichuan) | 零一万物 (01.AI)。

商业模式：1.2B卖Tokens, MaaS俗称卖模型服务  2.2B卖解决方案医疗助手等  3. 2C产品：Kimi 聊天、专业AI助手等。

2024年，辛顿教授跨界荣获“诺贝尔物理学奖”。一个凌晨辛顿接到来自瑞典的电话，当时的第一反应是：“我原本以为电话是来通知我去打带状疱疹疫苗预约的。”

第十页。大语言模型（二）-高级推理，自我纠错

2024-2025年

国外：GPT发布GPT4、GPT-o1等，将强化学习、思维链技术与神经网络大模型结合，LLM不仅能做写诗，写文章。还能做数学运算、物理公式推理等，模型具备了自我纠正的能力，LLM具备了专业领域博士生的水平。

国内：Deepseek第一次突破技术，后来字节豆包、阿里千问、美团龙猫等支持了这个能力。整体上模型的技术国内外差距在半年以内。

第十一页。大语言模型（三）-Agent 出现

2025-2026  Agent热点

Agent :  让AI从一个需要你不断下达指令的“工具”，变成一个能理解你目标、并能自主规划、执行任务、直至完成目标.

Manus，做一个通用agent，人可以用电脑做的事，或者有手机做的事情。闭源收费服务，比如图像/视频/PPT/文档。

💰 被Meta收购：9个月的奇迹

产品2025年3月上线，内测邀请码一度被炒至数万元

12月29日 Meta正式宣布收购Manus 约20-30亿美元，是Meta历史上第三大收购案。

第十二页。大语言模型-Agent 出现-龙虾（三）

龙虾：

作者：奥地利人彼得·施泰因贝格尔（个人开发者），开始只是自己管理代码用。

开源框架：自由定制功能，以Skills的形式安装，只需要付模型的tokens费用。

2025年11月24日,  彼得将产品发布到GitHub, 短短一周内就吸引了200万访客.

2026年1月，一段“Clawdbot自主买车”的文章在美国社交媒体疯狂传播。

          接收指令：一位工程师给他的 AI 助手下达了一个明确的指令：在波士顿周边 50 英里范围内，寻找特定配色的现代帕里斯帝（Hyundai Palisade）混动版，并向所有经销商询价。

1. 市场调研：在Reddit等论坛上搜索同款车的真实成交价格，为自己设定了57,000美元的预算上限。

2. 全网找车：通过在线库存工具，定位到附近有目标车型和配色的经销商，并自动填写表单发送询价邮件。

3. 邮件谈判：这步最精彩。Clawdbot设置定时任务监控邮箱，将不同经销商的报价邮件互相转发，制造出“A经销商报价更低，你是否愿意匹配？”的竞价氛围。

4. 成功拿下：经过几个回合的“博弈”，Clawdbot最终帮博主争取到了4,200美元的折扣，以远低于目标的5.6万美元成交。

2026年1月28日，项目在48小时内星标数从9000暴涨至10.6万，创下GitHub史上最快增长纪录。截至3月中旬，OpenClaw已斩获32.5万颗星，超越React和Linux，登顶全球开源软件项目榜。

第十三页.  Agent在路上

为什么Agent服务如此重要？

因为Agent服务是实现AI从“工具”向“生产力”跨越的关键。对于企业而言，采购AI不再只是为了“提高员工效率”，而是可以直接替代或增强“岗位”——用AI Agent来处理客服、财务、行政等具体工作，让商业模式从卖模型（成本）转向卖“数字劳动力”（价值），客户也更容易为此付费。

Tokens将成为AI领域的基础设施，类似水、电、燃气、带宽等，AI时代的“货币。

第十四页.  Agent触发的Tokens产业链

因为Agent模式的跑通，围绕Tokens产业链，“生产-流通-消费”，“算力-tokens-Agent”

上游：生产设备与能源——“卖铲”

• 角色：NVIDIA、华为、寒武纪、摩尔线程、沐曦股份 。外层存储、网络、CDN、IDC等。

• NVIDIA  4.2万亿美元，全球第一市值公司

• 寒武纪、摩尔线程、沐曦股份 三家市值总和12000亿元

• 股价新“股王”：在2026年1月，寒武纪股价曾一度突破1444元，超越贵州茅台成为A股“股王”

中游：流通与服务平台——“卖水”

• 角色：云服务厂商（阿里云、腾讯云、AWS）、六小龙（智谱、Minimax、Kimi等）

• 2026年3月初 智谱（02513.HK）与Minimax（00100.HK）市值双双突破3000亿港元关口，超越快手、京东、携程等老牌互联网企业

下游：消费与应用——“烧Token者”

• 各大互联网公司给每位工程师发放“年度Token预算”，Token预算正成为员工的重要筹码

• 调用量登顶、Token出海：2026年3月，中国大模型周调用量已连续两周超过美国，全球前10模型中中国占据四席并包揽前三名（Minimax、阶越星辰、Deepseek) 。Minimax的Tokens收入，海外占比70%。

• 第十五页，Agent 时代互联网公司焦虑-超级入口

• 1. PC时代   百度搜索（框世界），腾讯QQ

• 2.移动互联网时代    微信，抖音

• 3. AI时代     GPT模式不是，Agent会诞生？

• 第十六页，Agent 对互联网就业影响

• AI带来结构性的冲击：岗位在减少，要求在高涨

• 1.岗位总量下降

• 2023-2025年：互联网行业整体招聘量下降约20-30%

• 2.初级岗位缩减

• 受影响最大，如初级程序员、基础UI设计、文案编辑、基础客服等

• 3.AI创新岗位需求

• 大模型算法工程师、AI Infra工程师、AI产品经理、RLHF数据标注师等

• 4.人才要求  兀型人才

• 懂业务，而不只是懂技

• 善用AI工具，与AI协

• 具备系统思维与判断力

• 第十七页 总结

• 威廉·吉布森（美国作家），AI时代已经到来，不是未来或者可能到达，只是分布还很不均匀。历史告诉我们：在技术分布不均的早期，那些率先拥抱变化的人，往往能获得最大的时代红利。