摘要：2025年的春节，DeepSeek-R1横空出世，以1/50的训练成本撼动全球AI格局，

2025年的春节，DeepSeek-R1横空出世，以1/50的训练成本撼动全球AI格局，

更让"奇点临近"的声音再次响起，但你知道吗？这场技术革命的种子，

其实早在80年前就已经种下了，从一个数学公式开始，

AI走到今天，究竟经历了什么样的跌宕起伏？

1943年，当世界还沉浸在二战硝烟中时，

美国神经科学家沃伦·麦卡洛克和逻辑学家沃尔特·皮茨，用数学公式描述了人脑神经元的工作方式——这就是著名的M-P模型，

这个公式看起来毫不起眼，但它第一次告诉人们：智能，也许可以用数学来模拟，

6年后，图灵又给这个想法加了一把火，他在1950年提出的"图灵测试"直接抛出了一个问题，

如果一台机器能和人对话而不被识破，那它算不算有智能？这个标准至今仍在使用。

1956年夏天，达特茅斯学院的一场会议彻底改变了历史，

约翰·麦卡锡等科学家在这里正式提出了"人工智能"这个词，AI作为一门学科正式诞生。

那时候的AI研究者信心爆棚，

他们觉得用逻辑和符号就能让机器拥有智能，马文·明斯基甚至在1967年预测，

"一代人内，创建人工智能的问题就会被事实上解决掉。"

到了70年代，早期AI的局限性暴露无遗，那些基于规则的专家系统只能处理简单问题，一遇到复杂情况就抓瞎。

1973年英国政府委托的"莱特希尔报告"给AI泼了一盆冷水，直言AI研究的实际成果远低于预期。

这份报告直接导致英国政府停止了对AI的资助，美国的DARPA也大幅削减预算，

AI进入了第一个"寒冬"，持续了整整6年。

真正的转机在1986年，杰弗里·辛顿等人提出了反向传播算法，解决了多层神经网络的训练难题。

这为后来的深度学习革命埋下了种子。

80年代，AI重新焕发生机，专家系统开始在商业领域大展身手，DEC公司的XCON系统每年能省下数百万美元。

这证明了AI的商业价值，重新点燃了投资热情，

到1988年，AI产业估值从几百万美元暴涨到数十亿美元，

好景不长，1987年LISP机器市场的崩溃标志着泡沫破裂，

专家系统的维护成本高昂，扩展性差，很快就显出疲态。

第二次AI寒冬来临，这次持续了近10年

不过，正是在这个低谷期，一些研究者默默坚持着，辛顿继续研究神经网络，为后来的突破积累着力量。

1997年，IBM的深蓝击败国际象棋世界冠军卡斯帕罗夫，给沉寂的AI界带来了一丝曙光。

进入新世纪，一切都变了，

互联网带来了海量数据，GPU的并行计算能力为复杂模型训练提供了支撑，

2012年，辛顿团队的AlexNet在ImageNet挑战赛上横扫对手，将图像识别错误率从26%降到15.3%，

这一刻，深度学习时代正式开启。

DeepSeek-R1的技术突破源于其训练成本仅为数百万美元，

远低于OpenAI的GPT和谷歌的Gemini系列大模型所需的数十亿美元投资，其核心突破在于模型性能与工程优化的双重升级。

根据基准测试，R1在推理能力、多模态处理等维度已与OpenAI的o1正式版持平。

2016年，AlphaGo在围棋比赛中4:1击败李世石，这一事件的震撼性堪比人类登月，围棋的复杂度远超国际象棋，被认为是AI最难攻克的堡垒之一。

AlphaGo的胜利让全世界意识到：AI已经不再是科幻，而是现实。

2017年，Google发表了一篇标题为"Attention is All You Need"的论文，提出了Transformer架构，

这个看似简单的注意力机制，彻底改变了自然语言处理领域。

2020年，OpenAI推出拥有1750亿参数的GPT-3，展示了惊人的语言生成能力，

但真正让AI走进千家万户的，是2022年11月发布的ChatGPT。

两个月内用户破1亿，成为史上增长最快的消费应用，

ChatGPT让普通人第一次体验到了真正智能的对话，AI不再是实验室里的玩具，而是每个人都能使用的工具。

就在全世界都以为AI的制高点被美国牢牢掌控时，

2025年春节期间，DeepSeek-R1的发布彻底改变了游戏规则。

DeepSeek-R1的API定价策略彻底颠覆市场认知，

输入Token成本低至每百万1元（缓存命中），输出Token每百万16元，较同类产品降幅达80%以上。

这种"平民化"的定价让AI技术真正实现了普及。

DeepSeek-R1通过纯强化学习路径、多头潜在注意力机制及DeepSeekMoE架构优化，

在缺乏参考的情况下，成功复现媲美OpenAI o1模型的深度推理能力。

用1/50的成本，达到了同样的效果，DeepSeek-R1的发布引发了美国科技股票市场的震荡，英伟达等公司的股价出现下跌。

《奇点更近》一书的作者雷·库兹韦尔再次预言，

2045年AI将全面超越人类智能，世界将由碳基人、人工智能和被改造的碳基人共同构，

专家们的预测更加激进：通用AI慢则3年，垂类领域快则几个月就会到来，

这让很多人开始思考：是不是该为家里准备一个20万元的人形机器人了？

从历史的角度看，每一次AI的重大突破都伴随着两个特征：算法创新和工程优化的完美结合。

麦卡洛克的数学模型提供了理论基础，反向传播算法解决了训练难题，

Transformer架构实现了效率跃升，DeepSeek-R1证明了成本优化的巨大价值，

80年来，AI从一个数学公式走向了改变世界的力量，

每一次寒冬都孕育着下一次春天，每一次突破都为后续发展奠定基础。

现在的问题不再是AI能不能实现，是我们准备好了吗？

80%的生产力被释放出来，智能助手比人类专家更专业，

当机器开始思考和创造，我们将如何定义人类的价值？

来源：靳律法谈