AI的寒冬与爆发：为什么这一次不会冷

引子：AI差点死了两次

今天AI的热度让人感觉它是突然从天上掉下来的。但真相是：AI历史上经历过两次「冰河期」——整个领域被资金、信心和人才同时抛弃。

了解这段历史，不是为了怀旧，而是为了回答一个更紧迫的问题：这一次的AI热潮，会不会也冷下去？

6.1 第一次AI寒冬（1974-1980）

导火索：机器翻译的惨败1960年代，美国政府投入巨资研发机器翻译（俄语→英语），目标是冷战情报。当时的思路是：双语词典 + 语法规则 = 机器翻译。

结果呢？一句「心有余而力不足」（the spirit is willing but the flesh is weak），被翻译成俄语再翻回来，变成了「伏特加很好但肉是烂的」。

1973年，英国科学院的Lighthill报告宣告：「AI在任何领域都没有产生承诺的影响。」政府经费一夜之间枯竭。

寒冬特征 表现资金 政府拨款大幅削减人才 大量研究人员转行公众信心 AI从「未来希望」变成「学术骗局」

根本原因 承诺太多，兑现太少

6.2 第二次AI寒冬（1987-1993）

导火索：专家系统的局限暴露1980年代，专家系统曾被寄予厚望。但到了1987年，其根本缺陷暴露无遗：

知识获取瓶颈：每一条规则都要专家手工编写维护成本爆炸：规则数量指数增长无法处理不确定性：医学诊断不是「if-then」能解决的1987年，AI专用硬件市场崩溃。到1993年，全球AI投资回落到1980年水平以下。

6.3 两次寒冬的共同模式

共同点 第一次 第二次过高期望 机器翻译=理解语言 专家系统=医生替代者技术局限 算力和算法都不够 规则系统无法扩展商业失败 无实际产品 Lisp机器市场崩盘资金撤离 政府停拨 风险投资转向共同点 第一次 第二次恢复方式 技术路线切换 机器学习取代符号主义核心规律：AI寒冬不是因为AI「没用」，而是因为当时的期待远超当时的技术能力。

6.4 为什么这一次不会冷？

六个结构性原因理由 说明

1. 产业落地 AI已经有了数十亿用户和千亿美元产业，不是「未来愿景」，是「当前现实」
2. 多路径支撑 影像AI、对话AI、代码AI、科学AI……即使某条路遇到瓶颈，其他路继续

推进

1. 经济闭环 AI能赚钱（GPT API年收入超20亿美元），而非依赖政府拨款
2. 全球竞争 中美欧三方军备竞赛式投入，谁都不敢退出
3. 算力仍在增

长 摩尔定律减速但没停，专用AI芯片刚起步

1. 数据还没用

完 视频、医学影像、基因序列……大量模态尚未充分训练一个简单的对比第二次寒冬时期（1993）现在（2026）

AI用户 ~0（研究用） 数十亿第二次寒冬时期（1993）现在（2026）

AI产业规模 ~0 数千亿美元落地产品 0 ChatGPT、Copilot、T esla FSD……数不胜数投资来源 单一政府拨款 政府+VC+企业+消费者技术深度 专家系统（规则级） Transformer→Agent→具身智能简而言之：第二次寒冬时期，AI是「根本没有用」。今天，AI是「已经无处不在」。

6.5 可能的风险：什么能让AI再次遇冷？

保持诚实，AI并非零风险：

但与1974和1987不同的是：即使这些风险中的某个成真，AI也不太可能「归零」

——它已经嵌入人类的基础设施，像电力和互联网一样，只会降速，不会消失。

6.6 给医生的启示

启示一：不要成为「观望者」

两次AI寒冬的教训之一：每次寒冬过后，活下来的研究者都成为了下一波浪潮的领军人。在新技术的上升期入局，远好于成熟后再追赶。

启示二：关注应用而非炒作

AI领域向来炒作严重。医生的优势在于：你不需要判断哪个技术会赢——你只需要判断哪个技术在临床上真正有用。这个判断，你比任何AI投资人都在行。

启示三：保持「6个月的视野」

半年看一次AI的发展，远比每天追新闻有效。科技媒体每天都有爆炸性标题，但真正重要的变化，每6个月出现一次已是极快。不必焦虑「跟不上」，跟住半年节奏已属高效。

6.7 本章小结

最后一句：这次不一样。不是因为AI更神了，而是因为它终于有了用。

本章初稿，待浩哥审阅。至此第一卷（基石篇）全部完成。