产品团队分享 · 2026.11.15
AI 七十年
每个时代在解决什么问题
技术演进 × 公司决策 —— 写给做 AI · 硬件 · 交互 的产品人
主线
一个问题，被不断重新提问
01
手写规则
1956 – 1980s
智能能被
写下来吗？
专家系统
02
数据驱动
1990s – 2000s
机器能从
例子中学吗？
深蓝
Google · Palantir
03
深度学习
2012 – 2016
语义到底
如何理解？
ImageNet
NVIDIA · 字节跳动
04
预训练与规模
2016 – 2022
能不能理解
得更深？
AlphaGo · Transformer
OpenAI
05
交互与硬件
2022 – 2025
能力如何
到达人？
ChatGPT
AI Pin · Ray-Ban Meta
06
具身智能
2023 – 今天
能理解并改变
物理世界吗？
VLA · 世界模型
π · Skild · World Labs
看每家公司，只看三件事：
当时的现状→
他们提出了什么问题→
核心洞见为什么击中了核心用户
技术 01 · 手写规则
1956：智能能被写下来吗？
学习或智能的任何特征，原则上都能被精确地描述，从而让机器来模拟。
—— 达特茅斯会议提案（大意），McCarthy、Minsky、Shannon 等，1956
专家系统：把专家的经验写成“如果…那么…”
- MYCIN（斯坦福，1970s）：约 600 条规则，诊断血液感染，水平接近专科医生
- XCON（DEC，1980）：自动配置计算机订单，每年为公司节省数千万美元
技术 01 · 手写规则
为什么走不通？
写不完
真实世界的情况无穷无尽。规则越写越多，维护比编写还难，改一条就会牵动其他规则。
说不清
“我们知道的，比能说出来的多。”
—— 波兰尼悖论
你会骑车，但写不出骑车的规则。
一碰就碎
遇到规则之外的情况，系统不会“差一点”，而是直接失效。
1987
LISP 专用 AI 计算机的市场崩溃，专家系统热潮退去 → AI 寒冬
关键瓶颈不在机器，而在于人能不能把自己的知识说清楚。
技术 02 · 数据驱动
换个问题：机器能从例子中学吗？
我每开除一个语言学家，语音识别的准确率就上升一点。
—— Fred Jelinek，IBM 语音识别负责人（流传的说法，大意）
AI 开始藏在产品背后：
搜索排序垃圾邮件过滤推荐反欺诈广告点击率
技术 02 · 数据驱动
1997 深蓝：赢的不是“像人一样思考”
深蓝
暴力搜索海量变化
局面评估的参数用大量大师对局来调
伏笔规则清楚、对错可评估的问题 → 算力 + 搜索终将胜过人类的经验总结
公司 · Google 1/3 · 现状与问题
1998：搜索结果是错的
2400 万
Google 1998 年论文中索引的网页
Yahoo：人工编目
编辑按目录分类，结果准，但人工跟不上网页的增长速度
AltaVista：关键词匹配
搜索快，但按关键词出现的次数排序，被堆砌关键词的垃圾页淹没
为什么这个问题值得解决
- 搜索是互联网的入口
- 结果对不对，决定用户还会不会回来
- 网页数量指数增长，靠人工的方案注定跟不上
Larry Page 的博士课题
“把整个互联网下载下来，只看链接。”
学术论文看引用次数判断重要性，网页能不能也这样？
公司 · Google 2/3 · 洞见与 PMF
洞见：链接就是投票
- 被链接得越多越重要；被重要的网页链接，就更重要（PageRank）
- “好不好”不再由编辑判断，而是由全网的链接结构决定
- 用廉价 PC 自建集群，不买昂贵的服务器
1996斯坦福研究项目 BackRub
1998.8Bechtolsheim 开出 10 万美元支票，此时公司还没注册
1998.9在车库里正式成立
1999曾想以约 75 万美元卖给 Excite，被拒绝
1999.6红杉、KP 投资 2500 万美元
2000.6成为 Yahoo 的默认搜索引擎PMF ≈ 2 年
2000.10上线 AdWords
2002广告改为按点击竞价商业模式 ≈ 4 年
2004IPO
早期没有营销，增长全靠口碑：结果好到用户一用就回不去。
公司 · Google 3/3 · 数据飞轮
把“什么是好结果”交给用户行为
“您是不是要找：…”
拼写纠错不靠词典，而是从用户自己改写搜索词的记录里学出来的
广告排序 = 出价 × 点击率
出价高但没人点的广告排不上去。广告也必须是“对的结果”
排序持续改进
用户点了什么、点完有没有回来接着搜，这些都是信号
洞见把“好结果”的判断，从少数人的经验，变成可规模化的数据信号
公司 · PayPal → Palantir 1/3 · 现状与问题
2000 年的 PayPal：每个月被骗走约 1000 万美元
- 支付刚刚搬到网上，有组织的欺诈团伙大规模盗刷
- 欺诈手法每周都在变，对手是会学习的人
- 欺诈损失直接威胁公司的生存
为什么这个问题值得解决
这不是一个功能，而是生死问题：反欺诈做不好，在线支付这件事本身就不成立。
纯规则 / 纯算法
骗子很快学会绕过。对手在进化，固定的规则必然失效
公司 · PayPal → Palantir 2/3 · 洞见与 PMF
洞见：人机协同，而不是机器替代人
所有交易
→
机器标出
最可疑的
→
可视化
给人看
→
人做
最终判断
PayPal 的反欺诈系统 IGOR（Max Levchin 主导，以一名欺诈者的名字命名）
计算机是人的补充，而不是替代。
—— Peter Thiel，《从 0 到 1》（大意）
2001 年“9·11”之后，Thiel 意识到情报机构面临同样的问题：数据都有，但散落在各个系统里，连不起来。
2003Palantir 成立（Thiel、Alex Karp 等）
早期主流 VC 几乎都拒绝了
~2005CIA 旗下的 In-Q-Tel 投资，情报机构成为第一批客户
2005–08工程师驻场，和分析师一起打磨产品（FDE 模式）
~2008Gotham 在情报和国防领域站稳PMF ≈ 5 年
2016+Foundry 进入商业企业市场
2020直接上市
2023AIP：把大模型接入企业数据
公司 · Palantir 3/3 · 数据驱动的价值
数据驱动的价值，不在算法本身
① 连接
把散落在各个系统里的数据，整合成一张“人、账户、地点、事件”的关系图（Ontology）
Google 和 Palantir 的对比
Google 的数据天然在一处（公开的网页）
Palantir 的价值在于把数据孤岛连起来
大模型时代反而更值钱
模型需要组织好的数据、清晰的权限、可追溯的决策，这些正是 Palantir 多年积累的东西
洞见先驻场当“咨询”，摸清真实工作流，再把它沉淀成产品
技术 03 · 深度学习
统计学习的天花板：特征还得靠人设计
统计学习
图片
→
人工设计特征
边缘检测、颜色直方图……由专家决定“看什么”
→
分类器
→
猫？
“猫”既写不出规则，也很难设计出好的特征
→ 让机器自己一层一层地学出特征
Geoffrey Hinton：在神经网络被学界冷落的几十年里一直坚持，直到算力和数据终于追上来
技术 03 · 深度学习
2012 AlexNet：三件事同时就位
数据：ImageNet
李飞飞团队（2009）：1400 万张图，靠来自 167 个国家的约 4.9 万名众包标注员完成
算力：GPU
用 2 块 GTX 580 游戏显卡，训练了大约一周
算法：深层神经网络
Hinton、Sutskever、Krizhevsky 训练的 8 层网络
ImageNet 竞赛 Top-5 错误率
2010
2011
2012
AlexNet
2013
2014
2015
ResNet
2015 年的 ResNet 已经低于人类的约 5% → 机器“看懂”图像
技术 03 · 深度学习
语言：“意思”到底是什么？
看一个词和哪些词一起出现，
就知道它的意思。
—— J.R. Firth，语言学家，1957（大意）
2013 词向量（Word2Vec）
每个词变成空间里的一个点
意思 = 位置；关系 = 方向
2016 谷歌翻译换成神经网络
部分语种的翻译错误减少了一半以上
国王 − 男人 + 女人 ≈ 女王
公司 · NVIDIA 1/3 · 现状与问题
1993：3D 游戏要的算力，CPU 给不了
- PC 进入家庭，3D 游戏和内容创作是最吃算力的应用
- 640×480 像素 × 每秒 30 帧，每秒要算近千万个像素，每个像素都要算光照和纹理
- 关键：每个像素的计算互相独立 → 天然适合并行
黄仁勋的判断（大意）
游戏既是最难的计算问题，又是巨大的消费市场。游戏市场养活研发，研发做出更好的画面，又把市场做得更大。
1993.4，三位创始人在一家 Denny's 餐厅里决定创业
CPU：少数几个强大的核
擅长复杂逻辑，一件接一件地做（串行）
GPU：成千上万个简单的核
每个核只做简单的事，但所有核同时做（并行）
公司 · NVIDIA 2/3 · 从初创到 PMF
从差点倒闭，到站稳脚跟
1993成立，切入 PC 3D 图形加速
1995NV1 押错了技术路线：用四边形曲面渲染，而微软 DirectX 的标准是三角形 → 卖不动
1996给世嘉做的芯片也做不下去。黄仁勋如实告诉世嘉，世嘉仍然付了 500 万美元，公司得以续命
1996裁员过半，把所有资源押在下一款芯片上
1997RIVA 128 全面兼容标准，4 个月卖出约 100 万片PMF ≈ 4 年
1999GeForce 256 发布，提出“GPU”这个概念；同年上市
2001拿下微软 Xbox 的图形芯片
教训
兼容标准，不要对抗标准。
技术上更“优雅”没有用，用户和开发者都站在标准那一边。
我们的公司离倒闭只有 30 天。
—— 黄仁勋多年来反复对员工说的话
公司 · NVIDIA 3/3 · 关键决策
为什么必须变成通用计算平台？
- 2000 年代初：科学家们开始把物理模拟、医学成像等计算“伪装”成图形任务，塞进 GPU 里跑
- 斯坦福博士生 Ian Buck 做了 GPU 编程语言 Brook，之后加入 NVIDIA
- 2006 CUDA：让开发者可以直接用 C 语言给 GPU 编程
代价
每一颗显卡都要承担 CUDA 的成本，利润被压缩。2008 年股价跌去约 80%，华尔街看不懂，坚持了约 6 年没有明显回报
回报
2012 年 AlexNet 跑在 CUDA 上 → 深度学习选择了 NVIDIA
判断
- 摩尔定律在放缓，CPU 越来越难变快 → 未来属于并行加速计算
- 只做游戏，天花板就是游戏；做成平台，每一个需要并行计算的领域都是市场
- 护城河不是芯片，而是开发者生态：大家的代码和工具都写在 CUDA 上
公司 · 字节跳动 1/3 · 现状与问题
2012：人不知道自己该看（搜）什么
- 智能手机在中国爆发。张一鸣注意到：地铁里看报纸的人，都换成了看手机
- 新闻客户端：编辑挑头条，给所有人推送同一份内容
- 搜索的前提是：你已经知道自己想要什么
张一鸣之前在酷讯（垂直搜索）、九九房工作和创业，对搜索和推荐都有一手经验
问题
信息爆炸 × 碎片时间 × 小屏幕
用户没有明确意图，也没耐心自己去找
为什么值得解决
谁解决了移动时代的信息分发效率，谁就是新的入口
从“人找信息”，到“信息找人”
公司 · 字节跳动 2/3 · 洞见与 PMF
洞见：让用户行为来定义“好内容”
今日头条
点击、停留时长
滑走、分享
→
推荐算法
→
每人一份
越用越准
不生产内容，只做分发：衡量“质量”的标准，从编辑的判断变成了每个用户自己的倾向
2012.3在一套居民楼里创立
2012.5先上线内涵段子、搞笑囧图等小 App，积累用户和数据
2012.8今日头条上线
2014红杉领投 C 轮 1 亿美元，用户规模爆发PMF ≈ 2 年
2016.9抖音上线
2017TikTok 出海
2018与 Musical.ly 合并
同一套推荐引擎，被复用到图文、段子、视频，再到海外
公司 · 字节跳动 3/3 · 交互即数据
交互形态，就是数据采集方式
- 抖音的全屏单列：每一次看完或划走，都是一个明确的标签
- 一次只给一条，算法不需要猜“用户看到了没有”
- 手机前置摄像头 + 美颜，让每个人都能生产视频
- 重度依赖 A/B 测试：交互上的每个决策都用数据来验证
对我们设计交互，就是在设计 AI 能学到什么
技术 04 · 预训练与规模
新问题：能不能把语义理解得更深？
但人工标注的数据有限，需要新的训练方法：
强化学习
自己试错，只根据结果打分
→ AlphaGo
生成对抗（GAN，2014）
“伪造者”和“鉴定师”互相较量，一起变强
→ 机器开始“生成”内容
自监督预训练
遮住一个词让模型猜，或者让它预测下一个词
→ 互联网文本本身就是标注数据
共同点摆脱对人工标注的依赖 → 数据规模不再受人力限制
技术 04 · 预训练与规模
AlphaGo：从学人类，到超越人类
AlphaGo · 2016
- 先学约 3000 万步人类棋谱
- 再通过自我对弈继续提升
- 4 : 1 战胜李世石
- 第 37 手：人类棋手以为是失误，后来被视为“神之一手”
AlphaGo Zero · 2017
- 不看任何人类棋谱，只给它规则
- 从零开始自我对弈约 3 天
- 100 : 0 击败打败李世石的那个版本
启示人类知识可能是天花板，而不是地板
技术 04 · 预训练与规模
2017 Transformer：每个词，都看得见所有词
小猫没有跳上桌子，因为它太累了。 它 → 小猫
小猫没有跳上桌子，因为它太高了。 它 → 桌子
注意力机制：理解一个词，就是看它和句子里其他每个词之间的关系
可以并行计算
正好能吃满 GPU 的算力 → 模型可以一直做大
论文《Attention Is All You Need》，Google 的 8 位作者。后来他们全部离开了 Google，而把它做成产品的是 OpenAI。
技术 04 · 预训练与规模
规模定律：越大越好，而且可以预测
参数量（对数刻度）
GPT-3 的意外：没有为任何具体任务专门训练过，只要在提示里给几个例子，它就能做新任务（上下文学习）
2020 规模定律
参数、数据、算力增加 → 能力平稳、可预测地提升
这意味着什么
提升能力从科研上的碰运气，变成了工程和资本问题：只要投入，就能预期回报
技术 04 · 预训练与规模
The Bitter Lesson · 苦涩的教训
70 年 AI 研究给出的最大教训：
能充分利用算力的通用方法，最终最有效，而且优势巨大。
—— Rich Sutton，强化学习奠基人，2019（大意）
| 领域 | 研究者把人类知识写进系统 | | 最终胜出的方法 |
|---|
| 国际象棋 | 棋理、开局库 | → 输给 | 大规模搜索（深蓝） |
| 围棋 | 定式、人类棋谱 | → 输给 | 自我对弈（AlphaGo Zero） |
| 视觉 | 人工设计的特征 | → 输给 | 深度学习（AlexNet） |
| 语言 | 语法规则、专用模型 | → 输给 | 大规模预训练（GPT） |
对产品不要为模型当下的短板做精巧的补丁，下一代模型会免费送给你
公司 · OpenAI 1/3 · 现状与问题
2015：智能是什么？要怎么实现？
- 深度学习爆发，Google 收购 DeepMind（2014）
- 顶尖人才和算力都集中在少数几家大公司
- 担忧：通用人工智能（AGI）会被一家公司掌控
2015.12 以非营利组织成立，承诺投入 10 亿美元
Sam Altman、Elon Musk、Ilya Sutskever（AlexNet 作者之一）、Greg Brockman 等
和其他公司都不一样
没有产品，没有用户
只有一个问题：
AGI 能不能实现？
应该走哪条路？
公司 · OpenAI 2/3 · 探索与收敛
前三年：到处试，然后收敛
2016 Universe
让 AI 操作电脑和网页，可以看作最早的 “Computer Use”
2017–19 Dota 2
OpenAI Five 击败世界冠军 OG。现有算法加上规模就足够了
2019 机械手
单手还原魔方（2021 年解散机器人团队）
2017 情感神经元：关键线索
只训练模型去预测亚马逊评论的下一个字符，模型内部竟然自发出现了一个能判断“正面 / 负面情感”的神经元 → 预测下一个字，能学到语义
2018.6GPT-1，押注“预测下一个词”这条路线
2019转为“有限盈利”结构；微软投资 10 亿美元
2020.6GPT-3 API，第一个产品，面向开发者成立 4.5 年
2021和 GitHub 合作推出 Copilot
2022.1InstructGPT：让模型听懂指令（RLHF）
2022.11ChatGPT：5 天 100 万用户，约 2 个月 1 亿PMF ≈ 7 年
公司 · OpenAI 3/3 · 关键人物怎么想
Ilya Sutskever：押注一个可以一直放大的方法
如果你有一个很大的数据集，再训练一个非常大的神经网络，成功就是有保证的。
—— Ilya Sutskever，2014 年 NeurIPS 演讲（大意）
要把下一个词预测得足够好，就必须理解产生这些文字的那个世界。
—— Ilya 的核心观点（大意）：预测即压缩，压缩即理解
Dota 项目的结论：不一定需要新算法，把现有算法放大到足够规模就行
探索期允许发散；一旦看到规模效应的信号，就坚决收敛
技术 05 · 交互与硬件
2022：能力早就在，是交互把它解锁了
GPT-3 · 2020
只有开发者通过 API 使用
能力强，但普通人用不上
→
ChatGPT · 2022
底层能力相差不大
+ 对齐（RLHF）：能听懂指令
+ 聊天框：人人都会用
2024
GPT-4o：实时语音，能被打断，还能看见画面
下一个问题AI 应该放在什么设备上？ → 2024 年，AI 硬件集中出现
产品 05 · 交互与硬件
为什么 AI Pin 和 Rabbit R1 失败了？
Humane AI Pin
- 前苹果团队打造，融资超过 2 亿美元
- 2024.4 发售：$699 + 每月 $24
- 激光投影到手掌上，主要靠语音交互
- 发热、响应慢、续航短、户外看不清投影
- 据报道退货量一度超过销量
- 2025.2 资产以 1.16 亿美元卖给惠普，设备停止服务
Rabbit R1
- 2024.1 CES 发布，$199，预订约 10 万台
- 卖点是“大动作模型”：替你操作各种 App
- 实际能完成的任务很少
- 被发现本质上是一个安卓 App
- 据报道发货几个月后，日活只有几千
② 卖的是期货
Agent 在 2024 年还远不可靠
③ 全新的交互
学习成本高，在公共场合对着设备说话很尴尬
产品 05 · 交互与硬件
为什么 Ray-Ban Meta 和 Plaud 跑通了？
Ray-Ban Meta 眼镜
- 2021 年的第一代 Ray-Ban Stories 反响平平
- 2023 年第二代：$299，加入 Meta AI
- 主要用途是免手持拍照录像、听音乐、打电话，AI 是加分项
- 外观就是一副普通的雷朋眼镜，戴眼镜本来就是习惯
- 2023.10 到 2025.2 售出超过 200 万副
- 2025.9 推出带显示屏的版本
Plaud AI 录音卡
- 2023 年推出 Plaud Note：卡片大小，磁吸在手机背面
- 切入点：当时 iPhone 不能录通话
- 录音 → 转写 → 总结
- 目标人群：销售、律师、医生、咨询顾问，每天都有大量会议和电话
- 商业模式：硬件 + 订阅
- 官方口径用户超过百万
产品 05 · 交互与硬件
一张表看清差别
| 和手机的关系 | 核心价值依赖的能力 | 学习成本 | 场景 |
|---|
| AI Pin | 替代 | 尚未就绪（全能助手） | 高（投影 + 语音） | 泛 |
| Rabbit R1 | 替代 App | 尚未就绪（Agent） | 中 | 泛 |
| Ray-Ban Meta | 增强 | 已就绪（拍照、音频） | 零（就是眼镜） | 第一视角、免手持 |
| Plaud | 增强 | 已就绪（转写、总结） | 零（贴在手机上） | 会议、通话 |
结论AI 硬件的位置 = 手机做不到的地方（第一视角、始终在场、免手持）× 已经就绪的能力 × 用户已有的习惯
另外：硬件采集到的真实场景上下文，是 AI 最稀缺的输入
技术 06 · 具身智能
莫拉维克悖论：难的容易，容易的难
对 AI 来说容易
下棋、围棋、考试
写代码、做数学题
对 AI 来说很难
叠衣服、拿起一个鸡蛋
在陌生的房间里走路
让计算机在智力测验上达到成年人的水平相对容易，让它拥有一岁小孩的感知和行动能力却很难，甚至不可能。
—— Hans Moravec，1988（大意）
十几万亿
大语言模型训练用的 token 数：整个互联网的文字
约 1 万小时
π0 使用的真机数据。世界上没有“动作的互联网”
技术 06 · 具身智能
VLA：给大模型接上手
→
视觉语言模型
从互联网学到的常识：
衣服是什么、应该怎么叠
→
→
思路
复用大模型对世界的理解，机器人只需要再学“怎么动”
2023 年 Google 的 RT-2 首次提出 VLA 这个说法
代表
π0 / π0.5Figure HelixGemini RoboticsNVIDIA GR00T
和 GPT 是同一个赌注一个通用模型 > 每个任务写一套程序
技术 06 · 具身智能
世界模型：在脑子里模拟世界
用途 1：想象
动手之前先在脑子里推演，选出最好的动作（规划）
用途 2：造数据
生成源源不断的训练场景，弥补真机数据的不足
就像人闭着眼也知道：把杯子推下桌，它会摔碎
Google DeepMind Genie 3：实时生成可交互的世界NVIDIA CosmosWorld Labs MarbleMeta V-JEPA 2（LeCun 路线）
技术 06 · 具身智能
持续学习：边干边学
为什么机器人需要
每个家庭、每个工厂都不一样，不可能出厂时就全部学会
难点：灾难性遗忘
学会新技能的同时，把旧技能忘了；另一个难点是学错了怎么办
“经验时代”
Sutton 与 Silver（2025）：下一阶段的数据，来自 AI 自己和世界的交互
技术 06 · 具身智能
技术路径还没收敛
| 争论点 | 路线 A | 路线 B | 路线 C |
|---|
| 模型结构 | 端到端：一个大模型 | 分层：“大脑”负责规划 +“小脑”负责控制 | — |
| 数据从哪来 | 真机遥操作采集 | 仿真 / 世界模型生成 | 人类视频 |
| 本体形态 | 人形 | 轮式底盘 + 双臂 | 专用机械臂 |
| 泛化方式 | 一个模型适配所有本体 | 每种本体专门训练 | — |
相当于 2012 年之前的视觉、2017 年之前的语言
还在等属于它的 “ImageNet 时刻 / Transformer 时刻”
根本原因是莫拉维克悖论加上数据鸿沟：
还没有被验证过的规模定律
行业 06 · 具身智能 · 国内
国内：硬件先行，目标是“具身落地”
整机
宇树：四足起家，人形 G1 / H1，上过 2025 年春晚
智元：远征、灵犀系列
优必选：Walker S 进车厂实训
银河通用：重视仿真数据
傅利叶、天工（2025 北京人形机器人半马冠军）
关节 / 执行器
电机、减速器、丝杠
例如 绿的谐波（谐波减速器）
头部整机厂大多自研关节
灵巧手
因时机器人、灵心巧手、帕西尼等
自由度、力控和成本是竞争焦点
触觉 / 电子皮肤
帕西尼等
为“手”补上触觉，这是 VLA 目前最缺的一种感知
供应链优势 → 价格快速下探
宇树 G1 起售价 9.9 万元
落地场景：工厂搬运和分拣、导览展示、教育科研、表演
行业 06 · 具身智能 · 海外
海外 Frontier Lab：在赌“通用大脑”
Physical Intelligence（π）
一个模型，泛化到所有任务
Sergey Levine、Chelsea Finn 等人创立
π0（2024）：叠衣服、收拾桌子
π0.5（2025）：进入从未见过的家庭做清洁
Skild AI
一个大脑，控制所有机器人
CMU 的 Deepak Pathak、Abhinav Gupta 创立
Skild Brain（2025）：四足、人形、机械臂通用
World Labs
生成式世界模型，为大规模训练造世界
李飞飞创立（她也是 ImageNet 的创建者）
Marble：用一张图或一句话，生成可以漫游的 3D 世界
Figure · HelixGoogle DeepMind · Gemini RoboticsNVIDIA · GR00T + Cosmos + 仿真（又在卖铲子）Tesla · Optimus
一个呼应2009 年李飞飞用 ImageNet 为视觉造数据，2024 年她又用世界模型为机器人造数据
回看
每个时代的问题、洞见和公司
| 时代 | 核心问题 | 关键洞见 | 代表 |
|---|
| 手写规则 | 智能能写下来吗？ | 专家知识写成规则 → 写不完，也说不清 | 专家系统 |
| 数据驱动 | 能从例子中学吗？ | 让数据和用户行为来判断好坏 | 深蓝 · Google · Palantir |
| 深度学习 | 语义如何理解？ | 机器自己学特征；用并行算力支撑 | NVIDIA · 字节跳动 |
| 预训练 | 能理解得更深吗？ | 规模 + 通用方法（苦涩的教训） | AlphaGo · OpenAI |
| 交互与硬件 | 能力如何到达人？ | 增强已有习惯，用已经就绪的能力 | Ray-Ban Meta · Plaud |
| 具身智能 | 能改变物理世界吗？ | 路线尚未收敛 | π · Skild · World Labs |
① 从窄而痛的问题开始
搜索结果不对、不知道看什么、游戏画面卡、被骗钱
② 洞见 = 把人工判断换成可规模化的信号
链接、点击、并行算力、数据连接、下一个词
③ 产品放在：已就绪的能力 × 已有的习惯 × 手机做不到的位置
最后
我们的问题是什么？
在 AI · 硬件 · 交互 的交汇处
哪个具体的人，在哪个具体的场景，正在被什么问题困扰？