2020年06月

2020年，OpenAI发布了GPT-3（Generative Pre-trained Transformer 3），这是一个具有1750亿参数的巨型语言模型，标志着自然语言处理领域进入了一个新纪元。GPT-3展示了前所未有的少样本和零样本学习能力，能够根据简单的提示生成连贯、多样且复杂的文本，完成包括翻译、问答、代码生成在内的多种任务。其发布引发了学术界和工业界的巨大震动，一方面展示了大规模预训练模型的巨大潜力，另一方面也引发了关于模型偏见、环境影响、技术垄断和潜在滥用的广泛讨论。据资料显示，GPT-3的训练消耗了巨大的计算资源，其API的开放也催生了大量创新应用，为后续的生成式AI商业化浪潮奠定了基础。

2020年11月

2020年底，DeepMind公司发布了其人工智能系统AlphaFold 2，在第十四届国际蛋白质结构预测竞赛（CASP14）中取得了突破性成果，其预测的蛋白质三维结构准确度达到了与实验方法（如冷冻电镜）相媲美的水平。这一成就解决了困扰生物学界长达50年的“蛋白质折叠问题”，即如何根据氨基酸序列精确预测蛋白质的三维结构。AlphaFold 2的成功被认为是人工智能在基础科学领域应用的里程碑，它将极大加速新药研发、疾病机理研究和合成生物学的发展。有观点认为，这标志着AI从处理信息世界的问题，开始深入到揭示和理解生命科学的根本规律。

2021年01月 ~ 2022年期间

从2021年开始，基于扩散模型（Diffusion Model）的文本生成图像技术迎来爆发。OpenAI于2021年1月推出DALL-E，展示了根据自然语言描述生成高质量图像的能力。随后，2022年，开源模型Stable Diffusion的发布成为关键转折点，其代码和模型权重公开，极大地降低了技术门槛，引发了全球范围内的创作和开发热潮。与此同时，Midjourney、DALL-E 2等产品也通过API或社区形式提供服务，生成了大量极具艺术感和创意的图像。这一技术浪潮不仅改变了数字艺术和设计行业的工作流程，也引发了关于版权、深度伪造、艺术价值以及AI创造力本质的激烈辩论。据资料显示，其核心原理是通过学习逐步去除图像中的噪声来生成新图像。

2021年08月

2021年8月，北京智源人工智能研究院联合多家中国科研机构发布了超大规模预训练模型“悟道2.0”，其参数规模达到1.75万亿，在当时刷新了全球预训练模型参数规模的纪录。该模型采用了独特的“稠密稀疏混合”架构，旨在更高效地利用计算资源。悟道2.0的发布是中国在人工智能基础模型领域寻求突破和自主创新的重要标志。它推动了中文自然语言处理和多模态理解的研究，并衍生出“文心一言”等后续产品。这一进展也反映了全球AI竞赛中，中美在基础模型研发上的投入与竞争态势。学界常见观点认为，大规模模型是当前AI能力提升的关键路径，但同时也面临着能耗、公平性和可持续性的挑战。

2022年11月

2022年11月30日，OpenAI向公众发布了对话式人工智能助手ChatGPT（基于GPT-3.5架构）。其以极其自然、流畅的多轮对话能力和广泛的知识覆盖面，迅速在全球范围内引发现象级热潮，发布后两个月内月活跃用户即突破1亿，成为历史上增长最快的消费级应用。ChatGPT的成功不仅向公众普及了生成式AI的能力，也彻底改变了人机交互的范式，并直接引发了科技巨头之间的大模型“军备竞赛”。它被广泛应用于内容创作、编程辅助、教育、客服等多个领域，同时其“幻觉”（生成虚假信息）、偏见和安全问题也引发了监管机构和社会的深度关切，标志着生成式AI从实验室研究正式步入大规模社会应用阶段。

2023年03月 ~ 2023年04月

继ChatGPT引爆市场后，全球主要科技公司密集发布其大型语言模型产品。2023年3月，谷歌正式开放其对话AI Bard的访问（最初基于LaMDA模型，后升级为PaLM 2及Gemini）。同月，中国百度公司发布了其生成式AI产品“文心一言”（ERNIE Bot）。4月，阿里巴巴推出“通义千问”，科大讯飞发布“星火认知大模型”。这一系列发布标志着全球AI竞争进入白热化阶段，形成了以OpenAI、谷歌、微软、Meta以及中国多家科技公司为代表的多极格局。这些模型在中文理解、多模态能力、行业应用等方面展开了差异化竞争。有观点认为，这一阶段的应用探索为AI技术融入搜索引擎、办公软件、企业服务等具体场景铺平了道路。

2023年全年 ~ 2024年

随着大模型能力的提升，其与具体行业和物理世界的结合成为发展重点，“AI智能体”（AI Agent）概念兴起。智能体指能够理解复杂指令、自主规划并调用工具（如搜索引擎、代码解释器、API）来完成任务的AI系统。例如，AutoGPT等开源项目展示了自主任务的潜力。与此同时，具身智能（Embodied AI）研究加速，旨在让AI模型能够控制机器人身体，在真实环境中执行任务。例如，谷歌的RT-2模型将视觉-语言模型与机器人控制相结合。这一趋势表明，AI正从纯数字世界的文本和图像生成，向能够进行复杂决策、并与现实世界交互的“行动者”演进，被认为是通向通用人工智能（AGI）的重要路径之一。

2024年02月

2024年2月，OpenAI发布了其首个文生视频大模型Sora。Sora能够根据用户的文本提示，生成长达一分钟、保持高度连贯性和视觉质量的视频，其场景、角色和物理运动的理解能力令人震惊。Sora的发布被视为继文生图之后，生成式AI在多模态领域的又一次重大飞跃，展示了AI在理解动态物理世界和时空关系方面的潜力。它立即引发了影视、广告、游戏等行业的广泛关注与讨论，同时也加剧了人们对深度伪造视频泛滥的担忧。技术分析认为，Sora可能采用了扩散模型与Transformer结合的架构，并将视频数据视为“视觉补丁”的序列进行处理。其出现预示着高质量、低成本视频内容创作可能迎来变革。

2024年05月 ~ 2024年07月

2024年5月至7月，OpenAI和谷歌相继发布了其新一代旗舰模型。5月，OpenAI推出GPT-4o，其突出特点是“原生多模态”和极快的响应速度，能够实时处理并交织生成文本、音频和图像，提供了更自然的人机交互体验。紧接着在7月，谷歌发布了其迄今为止最强大的模型家族Gemini 1.5 Pro和Flash，其中1.5 Pro版本支持高达100万的超长上下文窗口，并能处理包括视频在内的多种模态输入。这两次发布将大模型竞赛推向新的高度，焦点集中在更高效的多模态理解、更长的上下文记忆以及更低的推理成本上。这标志着大模型技术正朝着更实用、更全能、更高效的方向快速演进。

2024年全年 ~ 2025年初

随着生成式AI能力的爆炸式增长，全球范围内的监管与治理框架建设加速推进。2024年，欧盟的《人工智能法案》最终获批，成为全球首部全面监管AI的综合性法律，依据风险等级对AI系统进行分类管理。美国通过行政命令推动AI安全标准制定。中国也出台了《生成式人工智能服务管理暂行办法》等法规。同时，AI安全与对齐（Alignment）成为研究核心议题，包括如何防止模型输出有害内容、如何确保其目标与人类一致（价值对齐）、以及如何评估和控制日益强大的AI系统。OpenAI、Anthropic等公司成立了“超级对齐”团队。这一系列举措反映了国际社会对AI技术双刃剑效应的深刻认识，试图在鼓励创新与防范风险之间寻求平衡。