AI进化70年：从理论到机器人具身智能
追溯AI从图灵思想、首届达特茅斯会议到现代大语言模型和机器人技术的历程。如今，AI正从文本处理迈向多模态与推理能力。
70年后：为何AI终于“超越”文本，却仍未拥有人类智能
周年纪念文章总是有些夸大其词。似乎AI从1956年达特茅斯会议到如今的多模态模型，是一条平滑的进步之路，每个阶段都逻辑地承接前一个。实际上，AI的历史充满了灾难性的失望、“寒冬”和意想不到的突破。而今天从文本处理到多模态和“推理”的转变，并非又一步——而是一场行业不知如何正确评估的地壳运动。
在“进化”的盛况中，一个关键的非显而易见洞察被忽略了：70年来我们试图让AI像人一样，但现在我们发现，真正的价值在于AI不像人，而是一个完美的工程工具。达特茅斯关于类人思维的梦想，让我们得到了会幻觉、会欺骗、会引发诉讼的大语言模型。与此同时，另一条轨道——物理AI、智能体系统、科学AI——突然被证明更加实用和有利可图。只是我们最初没有意识到。
核心：真正发生了什么
今天的AI并非“超级智能”，而是一个巨大的工程妥协。是的，现代模型已从文本扩展到图像、视频，甚至规划物理世界中的行动。Reka和Moonvalley正在联合开发一个世界语言行动模型，该模型基于自我中心数据训练并模拟物理，使机器人能够“在行动前理解后果”。ABB机器人公司宣布了物理AI工具链——一个从仿真到工业执行的软件栈，让机器人从合成数据中学习，并将学习迁移到现实世界，实现“工业精度”。这听起来像是一个突破。
但在这表象背后，是严酷的现实。今天的物理AI是一个昂贵、复杂且高度专业化的工具。ABB在机器人领域深耕多年，其物理AI工具链是其自身平台的演进，而非可以“现成购买”的革命。Reka从DeepMind招募了一个团队，但他们的模型仅承诺“推理和行动”——尚无工业部署。而根据Mayfield的一项调查，58%的企业将“数据就绪”视为采用智能体AI的主要瓶颈。数据，而非算法，才是当前真正的战场。
第二个主要趋势：AI不再是巨头的游戏。中国初创公司DeepSeek表明，可以用更少的资金构建一个有竞争力的模型。与此同时，分子蛋白质设计公司Molecule-Mind（中国）融资超过1亿美元，表明科学AI正在成为一个独立产业，与大语言模型竞赛分道扬镳。据该公司称，其模型MMFold在预测抗体结构方面超越了谷歌的AlphaFold 3。这意味着中国正在认真瞄准一个美国目前领先（谷歌DeepMind）但中国拥有国家项目和庞大生物技术市场的细分领域。
时间线与背景
我们是如何走到这一步的？让我们看看过去两年改变游戏规则的关键里程碑：
2024年： 欧洲通过了《AI法案》——世界上第一部严格的监管法规。所有人都嘲笑它对于如此动态的技术来说太慢了。结果证明它太快了——到2026年，公司们惊慌失措，纷纷对欧洲用户禁用功能。
2025年： 特朗普回归，废除了拜登的AI安全行政令。美国押注放松管制和私人投资——5000亿美元用于基础设施。与此同时，中国启动了“东数西算”工程——一个全国性的数据中心网络，作为一个单一超级计算机运行。两种截然不同的方法应对同一个问题。
2026年初： OpenAI向美国证券交易委员会提交了保密的S-1文件，计划进行可能价值1万亿美元的首次公开募股。Anthropic在一周前也做了同样的事。AI市场达到炒作顶峰。但与此同时，TrendForce警告：英伟达的Rubin芯片出货可能因HBM4内存、散热和网络互连问题而延迟，Rubin的出货份额从29%降至22%。这意味着即使英伟达也无法克服物理定律——散热、功耗和互连成为限制因素。
2026年3月： 日本生命保险诉OpenAI案。法官正在审理一起1000万美元的诉讼，指控ChatGPT“非法执业”——在案件结束后帮助一名前客户起草了44份法庭文件。其中一份文件包含一个捏造的法律先例“Carr v. Gateway”。这是首次AI开发者因通过消费产品未经授权执业而被起诉。如果该诉讼在驳回动议中幸存，将改变所有AI公司的游戏规则。
2026年6月： ABB机器人在Automate 2026上展示了物理AI工具链。Reka和Moonvalley宣布合并以发展物理AI。日本启动了ARiSE计划（AI重塑科学探索），预算尚未公开，但这是一项旗舰倡议。正是这70年的进化，将我们带到了AI开始真正与世界互动的时刻。
谁赢谁输
赢家——拥有垂直整合和数据的公司：
- 谷歌DeepMind 在基础研究方面仍然领先，尤其是AlphaFold和多模态。与Android和Chrome的整合使其占据了大语言模型市场27.7%的份额——这是一个无法通过技术“追赶”的结构性优势。
- ABB机器人——一个工业巨头将物理AI转化为实际产品的独特案例。其物理AI工具链以及与英伟达的合作（2026年3月）弥合了仿真与现实之间的差距。他们拥有7000名员工和真正的工厂——而非初创公司。
- 科学AI领域的中国玩家——Molecule-Mind从包括国家基金在内的投资者财团融资超过1亿美元。其MMFold模型在特定任务上优于AlphaFold 3。这表明中国押注应用生物学，并可能长期获胜，因为他们拥有数据（临床试验、基因组数据库）和国家支持。
输家——没有数据或分销渠道的初创公司：
- 75%的企业声称正在采用智能体AI，但只有42%已投入生产，只有少数扩展了多智能体系统。这意味着大多数“AI平台”将停留在试点阶段，并在投资者要求回报时消亡。
- 纯文本大语言模型初创公司（除了OpenAI、Anthropic和谷歌）正在失去市场。模型正在商品化，质量差距正在缩小。用户根据价格、集成和信任来选择——而非“智能”。
特殊类别——“监管输家”：
- 任何无法证明其模型安全性和公正性的AI公司都将面临诉讼。日本生命保险诉OpenAI案只是个开始。如果法院裁定开发者应对聊天机器人的行为负责，AI公司的保险费将飙升，扼杀利润。
媒体未提及之事
有三件事你不会在关于“进化”的周年纪念文章中找到：
第一：物理AI不是“机器人中的AI”，而是“可能损坏和杀人的机器人”。 当大语言模型产生幻觉时，只是一个错误答案。当物理AI在工厂车间犯错时，则是数百万的废品或人员受伤。ABB强调其系统确保“工业精度”——但这意味着他们限制AI，而非增强它。他们不给机器人完全的自由，而是提供一套严格控制的操作。这不是“推理”，而是“带校正的条件反射”。只要情况如此，我们就远未达到可以称为“智能”的AI。
第二：能源消耗不是“问题”，而是“死刑判决”。 2026年的预测是数据中心消耗1050太瓦时，相当于整个日本或俄罗斯的消耗量。到2028年，单个AI任务可能消耗高达326太瓦时——超过今天美国所有数据中心的消耗量。这意味着没有廉价能源的国家（欧洲）或无法快速建设发电能力的国家（英国）将输掉这场竞赛。中国在拥有廉价水电和煤电的省份建设数据中心。美国在电网已经过载的德克萨斯州建设。这并非“更高效模型”能解决的“挑战”——这是一个根本性约束，将决定未来10000个数据中心的位置。
第三：“进化”实际上是旧范式的“死亡”。 我们自豪于AI从逻辑推理发展到神经网络。但实际上，神经网络杀死了符号AI，深度学习杀死了经典机器学习，Transformer杀死了循环神经网络。现在，智能体AI正在杀死“愚蠢的聊天机器人”，物理AI可能杀死作为主导模式的云AI服务。这不是进化；这是一系列大规模灭绝。那些在未来12个月内未能适应的人，将成为技术地质记录中的又一层。
预测：未来30天和90天
未来30天（2026年6月中旬至7月中旬）：
第一波关于智能体AI的诉讼。在日本生命保险诉OpenAI案之后，全球律师事务所将开始追捕那些聊天机器人在受监管领域（法律、医学、金融）提供“建议”的AI公司。这将导致OpenAI（如果届时已上市）和其他上市AI公司的股票在法院初步裁决后数日内下跌5-10%。与此同时，ABB机器人将开始从汽车制造商和航空航天公司收集物理AI工具链的首批合同——这可能成为美国和德国交易所工业机器人股票的催化剂。
未来90天（2026年7月至9月）：
资金的结构性转变将开始。风险投资者看到Mayfield的数据——60%的公司缺乏正式的AI治理体系，数据仍是主要瓶颈——将开始投资于解决数据问题的公司：清洗、标注、合成、访问管理，而非“又一家AI初创公司”。这将扼杀数十个建立在他人模型和数据之上的“AI平台”。
与此同时，日本的ARiSE计划将于9月公布首批受资助者，向全球市场发出信号：日本正在认真押注科学AI。这可能吸引来自美国和欧洲的人才，因为那里的AI薪资已经过热，而日本在材料科学、机器人和医学影像方面提供独特的数据。
关键的是——到9月底，我们将看到物理AI的首次工业部署失败。某家工厂将发生一起事故，使用ABB物理AI工具链的机器人出现仿真错误，导致废品或停机。媒体会将其炒作成“AI失败”。但业内人士会明白：这很正常。这是2026年趋势报告预测的“幻灭低谷”。那些经受住冲击并实施监控和回滚系统的公司将生存下来。其余的将退出。历来如此，将来亦然。因为70年的进化，实际上是70年从错误中学习。而我们仍在学习。
— Editorial Team
暂无评论。