1 of 16

在技术浪潮中学习前行

刘 康

2025年5月3日

​

Université Bourgogne Europe

Ariel Tech

AIFC

​

AI发展对创业的启示

2 of 16

引言：AI创业现状

2

AI发展历史以及思考

青年与AI：机遇与启示

总结

报告提纲

CONTENTS

一

二

三

四

3 of 16

引言：AI创业现状

3

AI发展历史以及思考

青年与AI：机遇与启示

总结

报告提纲

CONTENTS

一

二

三

四

4 of 16

引言：AI创业现状

AI发展历史以及思考

青年与AI：机遇与启示

总结

引言：AI创业现状

  • 全球AI融资（2019-2024）及关键领域占比（2024），数据来源 Crunchbase

全球AI融资（单位（十亿美元））

AI融资占比图（2024）

4

5 of 16

生成式AI爆发式增长

生成式AI

核心技术：

  • 大语言模型（如GPT）
  • 图像生成模型（如SD）
  • 视频生成（如Sora）等

开源模型与轻量化部署

  • 美：LLaMA
  • 欧：Mistral
  • 中：DeepSeek

“垂直化”创业

具体场景：教育、金融、医疗等

自主行动体： AI智能体（Agent）

伦理与法治：AI治理

AI发展历史以及思考

青年与AI：机遇与启示

总结

引言：AI创业现状

5

6 of 16

引言：AI创业现状

6

AI发展历史以及思考

青年与AI：机遇与启示

总结

报告提纲

CONTENTS

一

二

三

四

7 of 16

AI发展历史以及思考

AI发展四个阶段

1940s-1960s

  • 理论奠基阶段

1960s-1990s

  • 神经网络初步探索期

1990s-2012

  • 统计学习的黄金期

2012至今

  • 深度学习的爆发期
  • 大模型时代

AI发展历史以及思考

青年与AI：机遇与启示

总结

引言：AI创业现状

7

8 of 16

主要学术成绩

未来工作设想

单位科研支持

个人基本情况

理论先驱

维纳

1894-1964

冯·诺依曼

1903-1957

图灵

1912-1954

  • 维纳创立控制论与人-机系统；
  • 冯·诺依曼确立计算机结构（计算架构）；
  • 图灵提出图灵机与图灵测试（早期AGI）。

达特茅斯会议

历史意义

  1. 正式提出“人工智能”这一术语
  2. 将“智能”问题从哲学转向工程与数学
  3. 学科交汇（认知心理学、语言学、数学、神经科学）

理论奠基阶段（1940s-1960s）

AI的诞生：1956年达特茅斯会议

AI发展历史以及思考

青年与AI：机遇与启示

总结

引言：AI创业现状

8

9 of 16

F. Rosenblatt

神经网络初步探索期（1960s-1990s）

AI发展历史以及思考

青年与AI：机遇与启示

总结

引言：AI创业现状

G. Hinton

多层感知机（神经网络）

1960s

反向传播算法（训练）

1986

Y. Le Cun

机器学习三大要素

MNIST数据集与卷积神经网络

1998

  • 网络架构
  • 计算：算法&算力
  • 数据

9

10 of 16

统计学习的黄金期 （1990s-2012）

网络架构

计算：算法&算力

算力严重不足

数据

深度学习的寒冬

AI发展历史以及思考

青年与AI：机遇与启示

总结

引言：AI创业现状

工作

代表人物

时间

支持向量机与泛化误差

V. Vapnik

1995

Boosting 集成学习框架

Schapire & Freund

1996

贝叶斯变分推断&概率图

M. Jordan

2008

统计学习理论框架

泛化误差：压缩即预测（LLM）

集成学习：梯度提升树（XGBoost）

贝叶斯推断：扩散模型（SD）

后续影响

10

11 of 16

深度学习的爆发期（2012至今）

AI发展历史以及思考

青年与AI：机遇与启示

总结

引言：AI创业现状

2018年图灵奖

AI里程碑（from 2012）

2012

2014

AlexNet 赢得 ImageNet 图像识别挑战 （GPU+CNN）

GAN的提出（生成模型的首次尝试）

2022

ChatGPT3.5（生成模型的彻底爆发）

2016

AlphaGo 战胜李世石 （强化学习）

2017

Attention is all you need （Transformer 架构）

2015

ResNet（残差架构）

AlphaFold 蛋白质分类 （AI for Science）

2020

2024至今

LLM的商业化加速（投资与创业的风口）

关键人物/团队

I. Sutskever, I. Goodfellow, 何凯明, D. Silver, Google Brain, DeepMind, OpenAI…

11

12 of 16

深度学习的爆发期（2012至今）

AI发展历史以及思考

青年与AI：机遇与启示

总结

引言：AI创业现状

AI里程碑（from 2012）

2012

2014

AlexNet 赢得 ImageNet 图像识别挑战 （GPU+CNN）

GAN的提出（生成模型的首次尝试）

2022

ChatGPT3.5（生成模型的彻底爆发）

2016

AlphaGo 战胜李世石 （强化学习）

2017

Attention is all you need （Transformer 架构）

2015

ResNet（残差架构）

AlphaFold 蛋白质分类 （AI for Science）

2020

2024至今

LLM的商业化加速（投资与创业的风口）

年份

GPU型号 / 架构

2006

CUDA 平台发布

2012

GTX 580 / Fermi 架构

2014

GTX 980 / Maxwell 架构

2016

P100 / Pascal 架构

2017

V100 / Volta 架构

2020

A100 / Ampere 架构

2022

H100 / Hopper 架构

2024

H200 / Hopper + HBM3e

英伟达显卡年表

12

13 of 16

引言：AI创业现状

13

AI发展历史以及思考

青年与AI：机遇与启示

总结

报告提纲

CONTENTS

一

二

三

四

14 of 16

青年与AI：机遇与启示

技术爆发前，往往是长期沉淀

例子：Hinton在1986年提出反向传播后，仍被冷落多年；直到GPU与数据成熟，才迎来2012年爆发。

计算资源的变革是创业跳板

从三要素中寻找灵感并且抢占市场

例子：AlexNet 之所以成功，不只是算法好，而是第一次可以在两张GPU上跑完。

​

可能性 = number（网络架构）* number （训练方法）* number （数据集）

AI安全

  • 目标对齐（主客观的统一）
  • 数据隐私
  • 大模型幻觉（蒸馏模型）

​

例子： OpenAI 内部矛盾：Superalignment

​

AI发展历史以及思考

青年与AI：机遇与启示

总结

引言：AI创业现状

14

15 of 16

引言：AI创业现状

15

AI发展历史以及思考

青年与AI：机遇与启示

总结

报告提纲

CONTENTS

一

二

三

四

16 of 16

  • 算力基础决定了技术上限，但不是想象力上限（应用或者理论）
  • 技术积累是周期性的，但创业机会是结构性的（低估的技术+高涨的需求）

总结

  • 何凯明，Deep Learning Bootcamp，MIT，2024.
  • Ilya Sutskever，An Observation on Generalization，UC Berkeley，2023.
  • 3Blue1Brown，Videos about Deep Learning.

引申材料

总结

主要学术成绩

未来工作设想

单位科研支持

个人基本情况

AI发展历史以及思考

青年与AI：机遇与启示

总结

引言：AI创业现状

Thank You !

16