第一部分：人工智能的历史面孔 / 1
第 1 章 概述 / 2
1.1 人工智能的发展史 / 2
1.2 人工智能的斗争史 / 4

第2章 人工智能的“三皇五帝”阶段 / 6
2.1 六边形科学家之一：莱布尼茨 / 6
2.2 自学成才的数学奇才：乔治·布尔 / 7
2.3 六边形科学家之二：约翰·冯·诺依曼 / 7
2.4 六边形科学家之三：诺伯特·维纳 / 8
2.5 计算机之父：阿兰·图灵 / 9
2.6 被遗忘的先驱：沃伦·麦卡洛克 / 10

第 3 章 人工智能的“春秋五霸”阶段 / 12
3.1 人工智能的诞生 / 12
3.1.1 人工智能诞生时刻：达特茅斯会议 / 12
3.1.2 计算机和人工智能的分岔口 / 13
3.2 推理期 / 15
3.2.1 一哄而上：推理系统的兴起 / 15
3.2.2 一哄而散 / 16
3.3 知识期 / 17
3.3.1 一哄而上：专家系统的兴起 / 17
3.3.2 一哄而散：专家系统的衰退 / 17
3.4 七位值得铭记的巨人 / 18

第4章 人工智能的“战国七雄”阶段 / 21
4.1 七雄概述 / 21
4.2 机器学习 / 22
4.2.1 概率性计算的主战场 / 22
4.2.2 基石人物 / 23
4.2.3 领军人物 / 24
4.2.4 旗帜性人物 / 26
4.3 自然语言处理 / 27
4.3.1 山头概述 / 27
4.3.2 基石人物 / 28
4.3.3 领军人物 / 29
4.3.4 旗帜性人物 / 30
4.4 计算机视觉 / 31
4.4.1 概述 / 31
4.4.2 基石人物 / 31
4.4.3 领军人物 / 32
4.4.4 旗帜性人物 / 33
4.5 认知与脑科学 / 34
4.5.1 基石人物 / 34
4.5.2 领军人物 / 35
4.5.3 旗帜性人物 / 36
4.6 其他领域 / 36
4.6.1 机器人学与自动控制 / 36
4.6.2 强化学习与决策理论 / 37

第 5 章 人工智能的“一统秦两汉”阶段 / 40
5.1 “一统秦两汉”的 Transformer 架构时代 / 40
5.1.1 “大一统”：以 Transformer 架构为核心的规模化训练突破 / 40
5.1.2 大模型的革新及其长远意义 / 41
5.2 人工智能与常识 / 42
5.2.1 常识的构成 / 42
5.2.2 常识在意图识别和交互上的价值 / 44
5.2.3 拥有常识是人工智能的转折点 / 44
5.2.4 Transformer 架构与常识 / 45
5.3 Transformer 架构的局限性与未来 / 46
5.3.1 局限性 / 46
5.3.2 未来发展方向 / 47
5.4 Transformer 架构背后的英雄面孔 / 49

第6章 历史的启示 / 51
书籍1.indb 6 2026/1/13 9:42:46

第二部分：人工智能的技术面孔 / 53
第 7 章 为大而生——Transformer 架构的正面 / 54
7.1 Transformer 架构兼顾了宏大与细腻 / 54
7.2 自注意力机制 / 58
7.2.1 注意力机制是智能的基础 / 58
7.2.2 通过找朋友的过程来理解自注意力机制的工作原理 / 59
7.2.3 自注意力机制与找朋友 / 60
7.2.4 到全世界找朋友 / 60
7.2.5 自注意力机制的核心原理 / 60
7.2.6 多头注意力机制：多维度的社交筛选 / 61
7.2.7 位置编码：保持顺序信息的关键 / 61
7.2.8 从社交场合到数据处理的转化 / 62

第 8 章 伟大的集成者——Transformer 的架构侧面 / 63
8.1 Transformer 架构的继承与集成 / 63
8.1.1 概率性计算 / 64
8.1.2 确定性计算 / 65
8.1.3 兼而有之的嵌入技术（Embedding） / 65
8.2 反向传播机制 / 66
8.3 前馈神经网络 / 68
8.4 掩码机制 / 70
8.5 层归一化 / 72
8.6 残差连接 / 73
8.7 位置编码 / 75

第9章 大算力的新面孔 / 77
9.1 从静态计算范式到动态计算范式 / 77
9.1.1 范式变化 / 78
9.1.2 具体变化 / 79
9.2 加速计算 / 81
9.2.1 核心概念 / 81
9.2.2 技术架构 / 82
9.2.3 算力水平 / 85
9.3 揭开 GPU 的面纱 / 89
9.3.1 CPU 与 GPU / 89
9.3.2 NPU 专家型工匠 / 94
9.4 算力正在成为新的基础设施 / 96

第 10 章 “大”是由小“凑”出来的——大模型爆发的一点启示 / 98
10.1 三个“凑齐”的故事 / 98
10.1.1 Transformer 架构的“凑齐”之旅 / 98
10.1.2 ChatGPT 的“凑齐”之旅 / 101
10.1.3 特斯拉的“凑齐”之旅 / 103
10.2 “凑齐”思维的启示 / 104
10.2.1 行动方法论 / 104
10.2.2 对抗不确定性的路径 / 104
10.3 “凑齐”思维的个人启示 / 105
10.3.1 人生历程 / 105
10.3.2 解决问题 / 106

第三部分：人工智能的商业面孔 / 108
第 11 章 智能吞噬一切——动力与逻辑 / 109
11.1 历史的韵脚：计算时代的商业景象 / 109
11.2 未来的注脚：智能是否能吞噬一切 / 111
11.2.1 智能的逻辑：计算是火，智能是电 / 112
11.2.2 商业的逻辑：主角更迭，但故事延展 / 113
11.3 阴阳共济，生生不息 / 115

第 12 章 智能时代的商业新逻辑——从开放分层到一体化模式 / 116
12.1 开放性的分层逻辑赢得 PC 时代和互联网时代 / 117
12.1.1 野蛮生长的 PC 时代迎来了最好的开放性 / 117
12.1.2 互联网时代延续了开放和分层 / 118
12.2 苹果公司的时代：混合模式的商业逻辑 / 119
12.3 分块一体化模式的商业逻辑：以特斯拉为例 / 120
12.4 变迁逻辑：从复杂需求到滚雪球效应的闭环 / 122

第 13 章 智能商业浪潮的节奏与韵律 / 125
13.1 数字经济的节奏：三个波次轮动模型 / 125
13.1.1 历史的节奏：摩尔定律陪伴下的移动互联网发展波次 / 125
13.1.2 未来的智能商业的波次轮动 / 127
13.2 能源革命的启示：循环与交替 / 131
13.2.1 来自能源革命发展模式的启示 / 131
13.2.2 智能未来的源端互动发展模式 / 134

第 14 章 智能商业浪潮中的玩家与玩法 / 138
14.1 滚雪球的三种模式 / 138
14.1.1 自上而下型 / 138
14.1.2 居中而上下求索型 / 139
14.1.3 自下而上型 / 139
14.2 巨人的雪球 / 140
14.2.1 特斯拉 / 140
14.2.2 Meta / 143
14.2.3 英伟达的局面与玩法 / 146
14.2.4 人工智能时代的“铁人四项” / 149
14.3 留给初创公司的时间不多了 / 152
14.3.1 智能时代留给初创公司的缝隙不多了 / 152
14.3.2 OpenAI 是个异类，GPT 是个意外 / 154

第四部分：人工智能的社会面孔 / 158
第 15 章 人工智能对生产力和物质世界的加速与塑造 / 159
15.1 人类认知的新纪元——人工智能重塑人类认知范式 / 159
15.1.1 人工智能与人类认知新范式 / 159
15.1.2 人工智能加速人类的认知过程 / 162
15.2 一切被加速——人工智能是科技发展的催化剂 / 164
15.2.1 具有重大价值的三个技术平台 / 164
15.2.2 人工智能对能源领域的加速 / 166
15.2.3 人工智能对生物医学的加速 / 170
15.3 人工智能对社会影响之教育 / 173
15.3.1 趋势：充沛但不均衡加剧 / 174
15.3.2 教育功能的分化 / 177
15.3.3 动态能力与创新教育 / 178
15.4 人工智能对社会影响之就业 / 183
15.4.1 人工智能对就业的冲击 / 183
15.4.2 人工智能应该是“股息”而不是“苛税” / 186

第 16 章 人工智能对精神文明的冲击 / 189
16.1 魔法被魔法打败——智能时代精神问题的根源 / 189
16.1.1 人类的注意力机制：生存的基础 / 189
16.1.2 硅基生命的崛起：更强大的注意力机制 / 189
16.1.3 魔法被魔法打败：新物种的崛起 / 191
16.2 信息茧房与精神撕裂 / 192
16.3 就业危机引发的精神危机 / 194
16.4 对冲人工智能的冲击 / 195
16.4.1 症结分析 / 195
16.4.2 从“修身养性”到“愚公移山”三部曲 / 197
16.4.3 对齐真实世界：从真实中来，到真实中去 / 200

第 17 章 智能社会的终极命运：从“细胞”来，到“细胞”去 / 204
17.1 从虚构故事到社会组织 / 204
17.2 涌现效应与个体价值的稀释 / 205
17.3 硅基逻辑的崛起：网络走自己的路 / 205
17.4 从社会动物到网络动物 / 206

第五部分：人工智能的哲学面孔 / 208
第 18 章 压缩即智能 / 209
18.1 大模型压缩技术拆解 / 209
18.1.1 嵌入：压缩之前的准备 / 210
18.1.2 自注意力机制的压缩体现 / 212
18.1.3 LLM 是如何完成压缩的 / 214
18.2 人工智能的集中式压缩阶段 / 217
18.3 渐进式压缩的自然智能 / 219
18.3.1 大脑是一台“预测机器” / 220
18.3.2 自由能：可操作的“惊讶上界” / 220
18.3.3 渐进式压缩循环：看 → 猜 → 比 → 改 / 220
18.3.4 层级与时间：从知觉到概念 / 221
18.3.5 集中式人工智能 vs 渐进式自然智能 / 221
18.4 两种压缩模式的继承与融合 / 222

第 19 章 智能与涌现 / 225
19.1 升维与压缩 / 225
19.1.1 认知升维伴随着智能压缩 / 225
19.1.2 生物体如何实现“升维” / 226
19.1.3 人工智能如何实现“升维” / 227
19.1.4 升维和压缩是智能的一体两面 / 229
19.2 涌现与升维 / 230
19.2.1 复杂系统中的涌现现象 / 230
19.2.2 认知的升维 / 231
19.2.3 涌现与认知升维的关系 / 231
19.2.4 生物体中的涌现与认知升维 / 232
19.2.5 人工智能中的涌现与升维 / 232
19.3 智能无止境：论涌现的可持续性 / 233
19.3.1 涌现问题 / 233
19.3.2 智能与涌现 / 238
19.4 压缩与涌现的双轮驱动 / 240

第 20 章 智能即秩序 / 243
20.1 一元论下的视角 / 243
20.1.1 一元论 / 243
20.1.2 张载的“浑天一气” / 243
20.1.3 我的一元论 / 244
20.2 智能与能量、秩序的关系 / 246