- 综合排序
- 最热优先
- 最新优先
- 来自专栏技术积累
AI 发展 && MCP
文章目录 一、AI 的发展历程 二、关键技术演进 2.1 架构演进 2.2 训练方法演进 2.3 应用领域扩展 三、重要里程碑产品/工具 3.1 开发框架 3.2 AI 应用 四、MCP 4.1 什么是 1964：ELIZA 问世，首个聊天机器人 1965：专家系统开始发展 第一次低谷（1970-1979） AI 研究经费削减 计算能力限制 理论基础不足 实际应用困难 专家系统繁荣（1980-1987 新的 AI 应用也很多，但我们都能感受到的一点是，目前市场上的 AI 应用基本都是全新的服务，和我们原来常用的服务和系统并没有集成，换句话说，AI 模型和我们已有系统集成发展的很缓慢。 看看 Cursor 的 AI Agent 发展过程，我们会发现整个 AI 自动化的过程发展会是从 Chat 到 Composer 再进化到完整的 AI Agent。 )发展历程 MCP 终极指南
1.3K12编辑于 2025-07-20 - 来自专栏老齐教室
图说AI发展史
翻译：洪贤斌 1943年，可以认为是AI肇始，自此人类打开了一个盒子，对于从中放出来的巨兽，尚未定论。但，它来了。 ? ? ? ? ? ? ? AI的发展并如开始期望那样，自1974年，进入了第一次寒冬。尽管在寒冬，聪明的头脑也没有放弃思考。 ? 寒冬总会过去，AI的春天再次来临。 ? ? 重要突破刚刚萌芽，又遇到了问题，AI再次被冷落，史称第二次寒冬，而且，这次持续时间较长，直到1993年AI才回归到人们的视野中。 ? ? 寒冬没有挡住AI的发展，特别是互联网和相关计算技术的发展，AI不仅仅是理论研究，开始步入生产生活中。 ? ? 从深蓝开始，关于“机器人会不会取代人”的讨论似乎其必要性更紧迫了。 ? ? ? ? ? 原文链接：https://figshare.com/articles/AI_History_svg/12363890
99510发布于 2020-06-01 - 来自专栏新智元
Jeff Dean万字长文：2020谷歌10大领域AI技术发展
---- 新智元报道 来源：GoogleAI Blog 编辑：QJP、小匀 【新智元导读】2021年已经度过十余天，Jeff Dean也在酝酿后在Google AI Blog发表了一篇万字长文 ，回顾了谷歌AI2020年的发展与成就，同时，也展望了接下来的工作重点。 机器学习算法 谷歌仍向无监督学习方向大力发展，例如2020年开发的SimCLR，推进自监督和半监督学习技术。 我在AutoML-Zero中：不断学习的代码，我们采用了另一种方法，即为演化算法提供一个由非常原始的运算（例如加法，减法，变量赋值和矩阵乘法）组成的搜索空间，以查看是否有可能从头开始发展现代ML算法。 参考链接： https://ai.googleblog.com/2021/01/google-research-looking-back-at-2020.html
1.8K471发布于 2021-01-25 - 来自专栏智能大数据分析
【AI大模型学习】AI领域技术发展
当涉及AI大模型学习引发的伦理和社会问题时，还有一些其他重要议题值得关注和探讨。 就业和劳动力变革：AI技术的不断发展可能导致部分工作岗位的自动化，对就业和劳动力市场产生影响。 通过深入研究和广泛讨论这些议题，我们可以更好地理解和解决AI大模型学习所带来的伦理和社会问题，促进科技的发展与社会的共荣。 五、未来发展趋势与挑战 展望AI大模型学习的未来发展趋势，可以预见以下几个方面的发展： 持续的模型扩展和改进：随着对大型神经网络模型需求的增长，未来将会看到更多规模更大、效果更好的AI大模型的涌现。 个性化模型和小样本学习：针对个体差异的需求，未来的AI大模型可能朝向个性化定制和小样本学习的方向发展，以提供更加精准和个性化的服务。 通过共同努力，我们可以推动AI大模型学习朝着更加可持续、负责任和有益于社会的方向发展。
40310编辑于 2025-01-22 - 来自专栏AI科技大本营的专栏
AI芯片发展的前世今生
本文将对人工智能芯片的研究进展及市场发展进行介绍 。 ? 人工智能芯片的发展 据了解 ，人工智能(AI)技术的发展和应用在美 国 、中国和欧盟等世界主要国家中已经成为国家战 略 ，在国家的科技发展和产业竞争中占据越来越重要的位置。 2.2 人工智能芯片中的后CPU时代 基于 CPU 的算力问题 ，近年来人工智能芯片领域的科学家们进行了富有成果的广泛研究 ，主要集 中在 AI 芯片目前的两种发展方向。 AI 芯片行业生命 周期正处于幼稚期 ，市场增长快 ，至 2022 年将从2018 年的 42.7 亿美元 ，发展至 343 亿美元 ，但芯片企 业与客户的合作模式仍在探索中。 纵然中国汽车销售量 已达千万量级 ，但目前电动车销售量仍不及整体汽 车销售量的 10% ，而自动驾驶技术的发展是以电动 车为主 ，电动车市场有很大的增长空间 。 ?
1.4K10发布于 2020-02-20 - 来自专栏DrugOne
2021AI年度发展报告
编译 | 董靖鑫 审稿 | 程玉 2021AI年度发展报告由Nathan Benaich (Air Street Capital)和Ian Hogarth (angel investor)合作撰写，它指出了研究人员在过去一年中在 参考资料： https://www.stateof.ai/
44920发布于 2021-10-21 - 来自专栏AI系统
【AI系统】谷歌 TPU 历史发展
在本文中，我们将深入探讨谷歌的 Tensor Processing Unit（TPU）的发展历程及其在深度学习和 AI 领域的应用。 之后，谷歌基于 Edge TPU 的框架研发了继任芯片 —— Pixel Neural Core，在 2019 年 10 月发布的 Pixel 4 上首次搭载。 在这个 AI 爆发的大时代，谷歌在移动端的 AI 掷下豪赌，对于最新发布的 Tensor G3，谷歌 Silicon 的高级总监 Monika Gupta 是这样评价的：“我们的合作与 Tensor 一直不仅仅局限于追求速度和性能这样的传统评价标准 在最新的 Tensor G3 芯片中，我们对每个关键的系统组件都进行了升级，以便更好地支持设备上的生成式 AI 技术。 将这个数字和 TPU v1 的频率 700MHZ 相乘我们可以得出 TPU v1 可以每秒钟处理 65536 \times 7 \times 10^8 \approx 4.6 \times 10^{12
1.9K10编辑于 2024-11-27 - 来自专栏AI科技大本营的专栏
AI芯片行业发展的来龙去脉
与此同时 ， Google、FaceBook、Amazon、Intel等巨头纷纷成立AI团队 ，促进人工智能技术的进一步发展。 ， 也是未来人工智能时代的战略制高点 ，但由于目前的 AI 算法往往都各具优劣，只有给它们设定一个合 适的场景才能最好地发挥它们的作用，因此，确定应用领域就成为发展人工智能芯片的重要前提。 AI 芯片发展需要应用和架构创新双轮驱动 [C]. GTIC 2018 全球 AI 芯片创新峰会 . 上海, 2018. WEI S J. [10] 尹首一, 郭珩, 魏少军 . 人工智能芯片发展的现状及 趋势[J]. 科技导报, 2018, 36(17):45-51. YIN S Y, GUO H, WEI S J. 《微纳电子与智能制造》刊号：CN10-1594/TN 主管单位：北京电子控股有限责任公司 主办单位：北京市电子科技科技情报研究所 北京方略信息科技有限公司 （*本文为AI科技大本营转载文章，转载请联系原作者
89800发布于 2020-02-20 - 来自专栏人工智能AI
AI 技术发展趋势
▶ 通用基础大模型 : 从弱人工智能到强人工智能发展的路线上，提高机器解决问题的“泛化”能力，是重要的手段。 基于 3D虚拟形象的舞台演出、直播带货、教育互动等应用层出不穷，成为 AI 内容产业全新发展方向。 ▶ 安全 AI： 近年来算法后门攻击、对抗样本攻击、模型窃取攻击等针对人工智能算法的攻击技术持续发展，通过篡改构造特殊数据诱骗人工智能应用产生不可信的错误结果，带来了更大的算法安全风险，因此保障人工智能应用安全可靠的需求日渐迫切 ▶ 多点协作： 在 AI 技术发展过程中，算力、数据和模型作为人工智能三要素被呈现，然而实际上位于大型数据中心或者说云端的大算力节点不具备访问位于边缘的具备海量数据的节点的权限；位于边缘的具备海量数据的节点不具备将数据转化为模型的算力 这些因素促使 AI 技术向多点协作的方向发展。
79110编辑于 2024-05-21 - 来自专栏AustinDatabases
数据库信息速递 AI推动数据库发展的10种方法 （译）
（注：对于原文章的说法并不完全赞同） 随着AI技术的推进，很多人工智能充满了 尽管生成式人工智能充满闪光和魅力，但这个新时代最大的变革可能深埋在软件堆栈中。 10 合并数据库和生成人工智能 之前人工智能与数据库是分开的，当需要训练模型时，将从数据库中提取数据，重新格式化，然后通过人工智能进行数据处理。 于此还可以使训练 AI 模型就像发出一条命令一样简单，从而简化了 DevOps 的工作，甚至有人讨论完全替换数据库不再有SQL，人们将人类的语言发送给数据库，然后人工智能获得结果，来回答任何查询。
38220编辑于 2023-09-22 - 来自专栏用户7601947的专栏
未来10年互联网发展趋势
在接下来的10年里，互联网发展最快的地区将会是发展中国家。 这表明未来互联网将在地球上的更多地区发展壮大，而且所支持的语种也将更为丰富。 电子计算机将不再是互联网的中心设备。 由于高清视频/图片的日益流行,互联网上传输的数据量最近年出现了飞速增长.据思科公司估计,在2012年以前,全球互联网的流量将增加到每月10亿GB，比目前的流量增加一倍有余，而且不少在线视频网站的流行程度还会进一步增加 专家们纷纷表示未来的黑客技术将向高端化，复杂化，普遍化的趋势发展。 特此声明！本文取自网络，如有侵利，请及时联系删除。
1.9K30发布于 2020-07-29 - 来自专栏用户7598722的专栏
未来10年互联网发展趋势
在接下来的10年里，互联网发展最快的地区将会是发展中国家。 这表明未来互联网将在地球上的更多地区发展壮大，而且所支持的语种也将更为丰富。 电子计算机将不再是互联网的中心设备。 由于高清视频/图片的日益流行,互联网上传输的数据量最近年出现了飞速增长.据思科公司估计,在2012年以前,全球互联网的流量将增加到每月10亿GB，比目前的流量增加一倍有余，而且不少在线视频网站的流行程度还会进一步增加 专家们纷纷表示未来的黑客技术将向高端化，复杂化，普遍化的趋势发展。
76100发布于 2020-08-01 - 来自专栏奇点大数据
说真的，为什么要发展AI？
AI的热潮起源于2016年AlphaGO的秀肌肉，随后我国就进行了运动式的AI学习与产业革命。 ? 当然在这个过程中有不少怪相，比如一些很传统的数据分析项目也把自己粉饰成AI项目等等。 所以这也招致很多科学家对盲目AI跟随浪潮的批评。 不过，说真的，我们为什么要发展AI？难道所有人都是为了赶时髦吗？其实并不是的。 在我看来，无论是在个人层面还是国家层面，发展AI几乎可以说都是必须走的不能回头的路。 第一、这是不可逆的产业升级 AI本质上是一种高质量的自动化过程。 你如何把30人覆盖100平方公里投递范围的这种工作能力提升到20人、10人，甚至5人以下？ ? ? （看护机器人） 在一所医院中，每100位病患所需要的护士数量如何从20人，降低到10人，甚至降低到2、3人？而且同时还不能对服务质量产生太明显的影响。
1.3K30发布于 2019-05-05 - 来自专栏C语言
【AI】AI 发展下的伦理挑战，应当如何应对 ？
人工智能（AI）的快速发展带来了诸多便利，但也伴随着伦理和隐私保护方面的挑战。以下是一些应对这些挑战的思路和策略： 1. 加强法律法规的制定和执行 1.1 现有法规的改进 尽管一些国家已经出台了相关的法律法规，但现有法规还需要不断改进和完善，以适应AI技术的快速发展。 跨国合作和全球治理 6.1 国际合作 AI技术的发展和应用具有全球性，单靠某一国家的努力难以解决所有问题。需要加强国际合作，共同制定和推行全球性的AI伦理和隐私保护框架。 6.2 全球治理 推动建立全球范围内的AI治理机构和机制，协调各国政策和行动，确保AI技术的安全、透明和公正应用。 总结 面对AI发展带来的伦理和隐私挑战，我们需要多方努力，共同应对。 通过加强法律法规的制定和执行、推动技术透明和算法公平、建立有效的隐私保护机制、加强行业自律和企业责任、增强公众意识和教育以及跨国合作和全球治理，可以更好地促进AI技术的健康发展，保护个人隐私和社会利益。
1.3K10编辑于 2024-12-11 - 来自专栏人工智能
现在，医疗 AI 发展的怎样了？
影像科皮肤科首当其冲 人工智能发展至今，已涉足医学影像、基因检测、临床手术、辅助决策等多个医疗领域。其中，医学影像属于介入较早且卓有成效的板块之一。 轻松识别糖尿病早期视网膜病变的 AI 2016 年，Google DeepMind Health 团队给自家 AI 喂养了 12.8 万副视网膜眼底图像，打造出一只可以轻松识别糖尿病早期视网膜病变的 AI 这项技术，让那些可能将在 3 年、5 年甚至 10 年后失明的糖尿病患者，获得了宝贵的提前治疗机会。 在验证实验中，研究组请来了 8 位眼科专家，与 AI 一同识别 9,963 张眼底图像。 AI 皮肤癌检测 图源: Stanford university 官网 识别甲状腺 B 超的 AI 在今年，知名电商大佬就发布展示用于甲状腺结节病灶识别的 AI。 但国民不断增长的医疗健康需求为 AI 催生了广阔的发展空间，相信在不久的将来，国产人工智能会带给我们更多惊喜。
1.2K70发布于 2018-02-01 - 来自专栏架构师专栏
2026年AI发展趋势预测
端侧AI能够实时响应（延迟<10毫秒）、保护隐私（数据不出设备）、降低长期成本（一次部署持续使用），但算力受限、模型更新慢、难以处理复杂任务。 2026年，能源效率将成为AI发展的硬约束，推动技术路线的调整：稀疏模型架构普及。传统密集模型的每个参数都参与计算，效率低下。 这将催生新的审计行业，预计2026年会有数十家专业机构成立，提供AI审计服务。也会推动可解释AI技术的发展——企业需要向审计员展示模型如何做出决策。数据权益保护强化。 类似金融领域的巴塞尔协议，AI领域也会有统一的安全标准、测试方法、认证流程。这有助于避免监管套利和技术壁垒，促进全球AI产业健康发展。治理的目标不是限制创新，而是让创新更负责任。 AI可能让一部分人的生产力提升10倍，但也可能让另一部分人失业。需要建立社会安全网，为受冲击的行业提供转型支持，为失业人员提供再培训机会。同时要警惕AI带来的新风险：算法歧视、隐私泄露、自主武器。
2.4K20编辑于 2026-01-03 - 来自专栏ADAS性能优化
AI weekly (10-26)
can stop a facial recognition network from identifying people in videos. https://venturebeat.com/2019/10 software tools for artificial intelligence deep learning applications. https://venturebeat.com/2019/10 verification solutions, has raised $10 million in seed funding. https://venturebeat.com/2019/10/24/incode-raises-10-million-to-verify-identities-with-ai Twitter now With the advent of AI, data access and accuracy are being improved even more How AI is transforming
35420编辑于 2022-05-13 - 来自专栏智能大数据分析
【2024年AI辅助研发趋势】AI辅助科技发展
前言 随着人工智能技术的持续发展与突破，2024年AI辅助研发正成为科技界和工业界瞩目的焦点。从医药研发到汽车设计，从软件开发到材料科学，AI正逐渐渗透到研发的各个环节，变革着传统的研发模式。 但鉴于虚拟环境中人工智能迭代速度可能远超想象，其可能在不远的将来自主发展出在各个领域均可超过人类水平的AI。 IBM还宣布计划10年内建成10万量子位的量子计算机。这些不断增加的量子位并非只是为了竞赛，其对于实现通用计算和可编程有着不可或缺的作用。 目前，以AI大模型为基础的编程辅助工具已经发展到一个新的阶段，能够根据用户十分模糊的指令来生成软件或网页代码。 机遇：这些挑战推动了可解释AI（XAI）和数据科学领域的发展。通过开发更加透明和可解释的模型，不仅可以增强用户对AI系统的信任，还可以促进AI技术在更广泛领域的应用。
69410编辑于 2025-01-22 亚马逊Nova AI挑战赛加速生成式AI发展
亚马逊Nova AI挑战赛加速生成式AI领域发展首届全球大学竞赛，致力于推动安全、可信的AI辅助软件开发。发布时间：2025年3月10日在负责任AI发展框架下，通过与顶尖大学合作以培育突破性研究。 虽然该挑战赛将探索生成式AI的多个方面，但今年的重点聚焦于“可信AI：推进安全的AI辅助软件开发，以构建更安全、更可靠的应用程序”。 获胜的红队和模型开发队将各获得25万美元奖金（由学生分配），第二名队伍将获得10万美元。包括津贴、70万美元奖金和AWS积分在内，对团队的总投资超过500万美元。 挑战赛本质上是跨学科的——位于负责任AI、生成式AI、安全、对话式AI和自动化软件开发的交叉点。因此，它汇集了在多个研究领域具有专业知识的团队，为竞赛带来了不同的才能和视角。 研究领域对话式AI安全、隐私和滥用防护标签生成式AI负责任AI大语言模型学术合作某Nova关于作者撰稿人
9410编辑于 2026-01-13- 来自专栏华章科技
2015年度大数据发展10大预测
《中国大数据技术与产业发展报告(2014年)》针对2015年度大数据发展做了十大预测，他们分别是： 趋势一、结合智能计算的大数据分析成为热点 大数据与神经计算、深度学习、语义计算以及人工智能其他相关技术结合 趋势三、与行业数据结合，实现跨领域应用 跨学科领域交叉的数据融合分析与应用将成为今后大数据分析应用发展的重大趋势。大数据技术发展的目标是应用落地，因此大数据研究不能仅仅局限于计算技术本身。 因此，政府、高等院校和科研院所将加快建立大数据技术人才教育和培养体系，发展数据科学和工程专业，梳理和构建跨学科和领域交叉的大数据课程体系，融合计算机、数学分析统计、应用相关的学科，推动交叉学科数据分析技术的发展以及人才的培养 趋势十、开源系统将成为大数据领域的主流技术和系统选择 以Hadoop为代表的开源技术拉开了大数据技术的序幕，大数据应用的发展又促进了开源技术的进一步发展。 开源技术的发展降低了数据处理的成本，引领了大数据生态系统的蓬勃发展，同时也给传统数据库厂商带来了挑战。据统计，目前有超过150 种开源大数据平台。这个数字还在增长中。
47110发布于 2018-08-13
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号