参考文献与资源
本书在编写过程中参考了大量论文、报告、政策文件、媒体文章和在线资源。以下按类别整理，供读者深入阅读和查证。本书内容截至2026年8月，AI领域迭代极快，部分信息可能已有更新。
使用说明
本参考文献列表按类别分组，每类内大致按在书中出现的先后排列。部分来源为公开网页，可能随时间变动或下线。标注"≈"的日期为近似值。本书为通识读物，非学术专著，引用方式从简，仅列来源名称和关键信息，不采用严格的学术引用格式。
一、经典论文与学术著作
以下为AI发展史上具有里程碑意义的论文和著作，本书在理论、历史和神经网络等章节中多次引用。
| 序号 | 作者 | 标题/来源 | 年份 | 本书引用章节 |
|---|---|---|---|---|
| 1 | Alan Turing | "Computing Machinery and Intelligence"（《计算机器与智能》），Mind 期刊 | 1950 | AI理论发展史 |
| 2 | Frank Rosenblatt | 感知机（Perceptron）论文，Cornell Aeronautical Laboratory | 1958 | 神经网络发展史 |
| 3 | Marvin Minsky, Seymour Papert | 《Perceptrons》，MIT Press | 1969 | 神经网络发展史、AI理论发展史 |
| 4 | Geoffrey Hinton 等 | 反向传播算法（Backpropagation）论文 | 1986 | 神经网络发展史 |
| 5 | Yann LeCun 等 | LeNet-5（卷积神经网络手写数字识别） | 1998 | 神经网络发展史 |
| 6 | Fei-Fei Li 等 | ImageNet 数据集论文，CVPR | 2009 | AI发展概况、中国与AI发展史 |
| 7 | Alex Krizhevsky, Ilya Sutskever, Geoffrey Hinton | AlexNet 论文，NIPS（ImageNet 竞赛冠军） | 2012 | 神经网络发展史、AI硬件发展史 |
| 8 | Kaiming He（何恺明）等 | ResNet（残差网络）论文，CVPR | 2015 | AI工程实践发展史 |
| 9 | Ashish Vaswani 等（Google） | "Attention Is All You Need"（Transformer 架构论文），NeurIPS | 2017 | AI理论发展史、神经网络发展史、头部产品 |
| 10 | Jared Kaplan 等（OpenAI） | Scaling Laws for Neural Language Models | 2020 | AI理论发展史 |
| 11 | Tom Brown 等（OpenAI） | GPT-3 论文 "Language Models are Few-Shot Learners"，NeurIPS | 2020 | AI发展概况 |
| 12 | DeepSeek 团队 | DeepSeek-R1 技术报告（纯强化学习驱动推理） | 2025 | AI后训练技术、中国与AI发展史 |
| 13 | OpenAI | InstructGPT 论文（RLHF 方法），arXiv | 2022 | AI后训练技术 |
| 14 | 斯坦福大学研究者 | DPO（Direct Preference Optimization）论文 | 2023 | AI后训练技术 |
| 15 | Gottfried Wilhelm Leibniz | 《关于仅用0与1两个符号的二进制算术的说明》，收入《法国科学院学报》 | 1703 | 中国与AI发展史 |
二、技术报告与产业研究
以下为研究机构、咨询公司和行业组织发布的报告，本书在应用场景、产业成就等章节中引用了其中的数据。
| 序号 | 发布机构 | 报告名称/内容 | 年份 | 本书引用数据 |
|---|---|---|---|---|
| 1 | Gartner | 企业级AI采用报告 | 2025—2026 | 超80%企业计划接入生成式AI，规模化落地不足20% |
| 2 | Gartner | 企业级AI编码智能体魔力象限 | 2026 | Cursor/Anysphere位居"领导者" |
| 3 | IDC | 中国AI手机出货量预测 | 2026 | 2026年中国AI手机出货量1.47亿台 |
| 4 | IDC | 中国企业级AI智能体市场规模报告 | 2025—2026 | 2025年212亿元，2026年预计449亿元 |
| 5 | 高盛 | 《2026具身智能产业白皮书》 | 2026 | 全球人形机器人出货量增长210% |
| 6 | 高盛 | 《投资策略：做多中国AI价值链》报告 | 2026 | 中国AI产业投资价值链分析 |
| 7 | 量子位智库 | AI办公应用市场数据 | 2025 | 2025年4月中国AI办公Web端月活超7500万 |
| 8 | Hugging Face | 《2026春季开源现状报告》 | 2026 | 中国开源模型下载占比41%，首次超越美国 |
| 9 | OpenRouter | AI模型调用量排行榜 | 2026 | 中国AI模型周Token调用量超越美国，5月达美国2.11倍 |
| 10 | McKinsey/麦肯锡 | AI在企业中的应用研究 | 2026 | 超70%财富500强企业使用Cursor |
| 11 | 斯坦福 | 《企业AI实战手册》 | 2026 | 覆盖41家组织、51个案例 |
| 12 | 联合国教科文组织（UNESCO） | AI能力框架 | — | AI教育能力框架 |
三、政策法规与标准
以下为本书引用的政策文件、法律法规和行业标准。
| 序号 | 发布机构 | 文件名称 | 年份 | 本书引用章节 |
|---|---|---|---|---|
| 1 | 国务院 | 《新一代人工智能发展规划》 | 2017 | 中国与AI发展史 |
| 2 | 国务院 | 《关于深入实施"人工智能+"行动的意见》 | 2025 | AI+战略 |
| 3 | 教育部等五部门 | 《"人工智能+教育"行动计划》 | 2026 | AI应用场景 |
| 4 | 四部门 | 《关于加快推进"人工智能+人社"应用发展的实施意见》 | — | AI+战略 |
| 5 | 欧盟 | 《AI Act》（人工智能法案） | 2024—2026 | AI后训练技术、AI与伦理 |
| 6 | 中国 | 《个人信息保护法》 | — | AI与伦理 |
| 7 | 中国 | 《算法推荐管理规定》 | — | 中国与AI发展史 |
| 8 | 中国 | 《生成式AI服务管理办法》 | — | 中国与AI发展史 |
| 9 | 中国 | 《人工智能科技伦理审查与服务办法》 | — | AI+战略 |
| 10 | 中国 | 《人工智能拟人化互动服务管理暂行办法》 | — | AI+战略 |
| 11 | TC260 | 《生成式人工智能服务安全基本要求》（附录：题库≥2000题、拒答≥500题） | — | AI后训练技术 |
| 12 | 中国安全测试标准 | 安全测试题库要求（覆盖31类风险） | — | AI后训练技术 |
| 13 | ISO | ISO L4（物理常识推理强制指标） | — | AI理论前沿 |
| 14 | 工信部 | OpenClaw 预警 | 2026 | AI与伦理 |
四、媒体与期刊
以下为本书引用的媒体报道和学术期刊。
| 序号 | 媒体/期刊 | 引用内容 | 本书引用章节 |
|---|---|---|---|
| 1 | 《Nature》/《自然》 | 清华"天机芯"封面（2019）；AlphaFold评为年度最大突破（2020）；Ilya Sutskever入选年度十大人物（2023）；GraphRAG+Multi-Agent论文（2026） | AI硬件发展史、AI工程实践、AI理论前沿 |
| 2 | 《Science》/《科学》 | AlphaFold 评为年度最大突破（2020） | AI工程实践发展史 |
| 3 | 《纽约时报》 | 1958年感知机报道；DeepSeek相关报道 | 神经网络发展史、AI理论发展史 |
| 4 | 《金融时报》 | "斯普特尼克时刻"报道（DeepSeek R1发布后） | 中国与AI发展史 |
| 5 | 《华盛顿邮报》 | DeepSeek相关报道 | 中国与AI发展史 |
| 6 | 《纽约客》 | DeepSeek相关深度报道 | 中国与AI发展史 |
| 7 | 《时代》 | 2025年度人物（Dario Amodei 与 Sam Altman） | 头部产品与背后的团队 |
| 8 | 东方财富网 | AI短剧百亿赛道爆发报道（2026.08） | AI就在你身边 |
| 9 | 中国网 | 《被裁掉的女孩》AI短剧报道（2026.07） | AI就在你身边 |
| 10 | 新浪网 | AI短剧赛道变局与首部AI短剧报道（2026.07） | AI就在你身边 |
| 11 | 品玩（PingWest） | 腾讯Miora发布报道（2026.07） | AI就在你身边 |
| 12 | 36氪 | 腾讯Miora全量上线新闻快讯（2026.07） | AI就在你身边 |
| 13 | 腾讯新闻 | Miora全量上线及Lovart产品体验报道（2026.06—07） | AI就在你身边 |
| 14 | 从极客（FromGeek） | Miora国际版全量上线深度报道（2026.07） | AI就在你身边 |
五、评测基准与排行榜
以下为本书在AI评价体系和各章节中引用的评测基准和排行榜。
| 序号 | 名称 | 说明 | 本书引用章节 |
|---|---|---|---|
| 1 | ImageNet | 图像识别竞赛与数据集（2009年启动，2012年AlexNet夺冠） | AI发展概况、神经网络发展史 |
| 2 | MMLU | 大规模多任务语言理解基准 | AI评价体系 |
| 3 | GPQA | 研究生水平问答基准 | AI评价体系 |
| 4 | SWE-bench Verified | 软件工程能力评测（Claude Opus 4.8: 93.9%，DeepSeek V4-Pro: 80.6%开源最高） | AI评价体系、AI技术突破、中国AI成就 |
| 5 | SWE-bench Pro / SWE-rebench | SWE-bench 的进阶与抗污染版本 | AI评价体系 |
| 6 | Terminal-Bench | 终端操作能力评测 | AI评价体系 |
| 7 | ARC-AGI-2 | 通用智能推理基准 | AI评价体系 |
| 8 | LMSYS Chatbot Arena | AI模型盲测Elo评分排行榜 | AI评价体系、头部产品 |
| 9 | Artificial Analysis Intelligence Index v4.0 | 聚合10项标准化基准的综合智能指数 | 头部产品、中国AI成就 |
| 10 | Codeforces | 编程竞赛平台（DeepSeek V4-Pro: 3206分） | 头部产品、AI技术突破、中国AI成就 |
| 11 | LiveCodeBench | 实时代码评测基准 | 头部产品 |
| 12 | GAIA | 通用AI助手基准（Manus超越OpenAI DeepResearch） | AI产品的演化 |
六、AI产品与平台
以下为本书各章节中介绍或引用的AI产品和平台。
对话与通用助手
ChatGPT（OpenAI）、Claude（Anthropic）、Gemini（Google）、DeepSeek、通义千问（阿里）、Kimi（月之暗面）、GLM（智谱）、文心一言（百度）、豆包（字节跳动）
AI搜索
Perplexity、秘塔AI搜索、夸克AI、百度AI搜
AI编程
GitHub Copilot（GitHub×OpenAI）、Cursor（Anysphere）、Devin（Cognition）、Windsurf
AI绘画与图片生成
Midjourney、Stable Diffusion、DALL·E（OpenAI）、Lovart（lovart.ai，多模型聚合创意智能体）
AI视频生成
即梦AI/Seedance（字节跳动）、可灵（快手）、Sora（OpenAI）、Google Veo
AI创意智能体
Miora/妙境（腾讯，miora.design，多智能体协同创意平台）、Lovart（一站式图片/视频/3D生成）
AI for Science
AlphaFold（DeepMind，蛋白质结构预测）、GPT-Rosalind（OpenAI生命科学大模型）
AI Agent
AutoGPT（开源）、Manus（Monica研发）、WorkBuddy（腾讯）
七、开源框架与工具
以下为本书在软件发展史、互联网技术与开源等章节中引用的开源框架和工具。
| 序号 | 名称 | 说明 | 本书引用章节 |
|---|---|---|---|
| 1 | Theano | 早期深度学习框架（蒙特利尔大学） | AI关联软件发展史 |
| 2 | Caffe | 深度学习框架（贾扬清，UC Berkeley） | AI关联软件发展史 |
| 3 | TensorFlow | 深度学习框架（Google，2015年开源） | AI关联软件发展史、互联网技术与开源 |
| 4 | PyTorch | 深度学习框架（Meta，2016年开源）；2019年NeurIPS超80%论文使用 | AI关联软件发展史、互联网技术与开源 |
| 5 | Hugging Face | AI模型和数据集社区（"AI界的GitHub"，超100万开源模型） | AI关联软件发展史、中国AI成就、投身AI事业 |
| 6 | ModelScope/魔搭 | 阿里达摩院开源模型平台（"中国版Hugging Face"） | AI关联软件发展史、中国与AI发展史 |
| 7 | OpenBMB | 智源研究院开源项目 | AI关联软件发展史 |
| 8 | DeepSpeed | 大模型训练优化库（微软） | AI关联软件发展史 |
| 9 | vLLM | 大模型推理引擎 | AI关联软件发展史 |
| 10 | LangChain | LLM应用开发框架 | AI关联软件发展史 |
| 11 | GraphRAG | 微软开源的图谱增强检索生成项目 | AI脚手架技术 |
| 12 | Linux | 开源操作系统（Linus Torvalds，1991年） | 互联网技术与开源 |
| 13 | Hadoop / Spark | 大数据分布式处理框架 | 互联网技术与开源 |
| 14 | Docker / Kubernetes | 容器化与容器编排工具 | 互联网技术与开源 |
| 15 | CUDA | NVIDIA GPU通用计算平台（2007年发布） | AI硬件发展史、互联网技术与开源 |
八、会议与活动
以下为本书引用的学术会议和产业活动。
| 序号 | 会议/活动 | 说明 | 本书引用章节 |
|---|---|---|---|
| 1 | NeurIPS | 神经信息处理系统大会（AI领域顶会）；2025年论文作者本科毕业院校前十名中9所为中国高校 | AI关联软件发展史、中国与AI发展史 |
| 2 | ICML | 国际机器学习大会（AI领域顶会） | AI关联软件发展史 |
| 3 | ICLR | 国际学习表征会议（AI领域顶会） | 投身AI事业 |
| 4 | CVPR | 计算机视觉与模式识别会议；2026年 EAI Workshop（具身智能） | AI关联软件发展史、AI理论前沿 |
| 5 | WAIC 2026 | 世界人工智能大会（上海）；科学前沿论坛 | AI理论前沿、AI+战略 |
| 6 | AI Engineering Summit | 2026年4月硅谷AI工程峰会；圆桌《朴素RAG的死亡》 | AI脚手架技术 |
| 7 | 全球数字经济大会 | 2026年产业活动 | AI+战略 |
| 8 | 全球OPC共创节 | 2026年7月2日，北京 | AI+战略 |
| 9 | Product Hunt | Miora曾登上当日产品榜第一名 | AI就在你身边 |
九、学习资源与社区
以下为本书推荐给读者的学习资源和社区平台。
| 序号 | 资源类型 | 名称 | 说明 |
|---|---|---|---|
| 1 | 论文平台 | arXiv | AI领域预印本平台（cs.AI、cs.CL、cs.CV等分类） |
| 2 | 论文平台 | Papers with Code | 论文+代码，方便复现 |
| 3 | 模型库 | Hugging Face | 全球最大的开源模型和数据集社区 |
| 4 | 模型库 | ModelScope/魔搭 | 阿里达摩院开源模型平台 |
| 5 | 代码库 | GitHub / Gitee | 开源项目托管与协作 |
| 6 | 竞赛平台 | Kaggle | 全球最大的数据科学竞赛平台 |
| 7 | 竞赛平台 | 天池 / 和鲸 | 国内数据科学竞赛平台 |
| 8 | 课程平台 | Coursera / B站 / 吴恩达课程 | 系统学习AI基础理论 |
| 9 | 社区 | Reddit / 知乎 / X（Twitter） | AI话题讨论与行业资讯 |
十、事实核查与核验来源
本书在定稿前进行了逐章审读与事实核查，以下为核查过程中使用的关键权威来源，涵盖官方文档、学术百科、政府公示和权威媒体。
| 序号 | 来源 | 核查内容 | 核查结论 |
|---|---|---|---|
| 1 | OpenAI 官方博客 "Introducing GPT-5"（2025-08-07） | GPT-5 发布时间 | 2025年8月7日发布，非6月 |
| 2 | 澎湃新闻（2025-08-08）、新华网/参考消息（2025-08-11） | GPT-5 发布日期交叉验证 | 确认8月7日（北京时间8月8日凌晨） |
| 3 | Meta AI 官方博客（2025-04-05）；CSDN、搜狐科技等多篇解析 | Llama 4 架构与参数 | 全系 MoE 架构（Scout 109B/17B、Maverick 400B/17B），无 405B 密集模型 |
| 4 | Star History（star-history.com）；CSDN、51CTO 等技术社区 | GraphRAG GitHub Star 数 | 约 3.5 万 Star，非"8 万" |
| 5 | 腾讯云开发者社区《AI巨擘创世纪》；The AI Rankings；DeepAI Profile | 吴恩达"识别猫"实验年份与 CPU/GPU 归属 | 2012年6月，用 16000 个 CPU 核心；用 48 个 GPU 复现的是 NVIDIA 的 Bill Dally |
| 6 | 天长市政府采购公示（2024-06）；科大讯飞官网；百科 | 科大讯飞"智医助理"通过执业医师考试年份 | 2017年11月通过，非2021年 |
| 7 | 新浪AI（2024-11-12）；爱范儿（2024-11-13）；dev.to（2024-11-12） | AlphaFold 3 开源时间与许可 | 2024年11月11日开源代码与权重，限定学术非商业用途 |
| 8 | GDPR Register；artificialintelligenceact.eu；Legiscope（2026-06-03） | 欧盟 AI Act 生效时间与分阶段适用 | 2024年8月1日生效；GPAI 义务2025年8月起；高风险系统2026年8月起 |
| 9 | Britannica 百科；HandWiki；澎湃新闻（2025-04-02） | DENDRAL 专家系统启动年份 | 1965年由 Feigenbaum 与 Lederberg 在斯坦福启动 |
| 10 | FactsIntel；HandWiki；CSDN 等多篇资料 | 吴恩达博士导师归属 | 导师为 UC Berkeley 的 Michael I. Jordan（2002年博士），非 Geoffrey Hinton |
| 11 | 百科；中科院网（2024-04-30）；Cognition AI 官方博客 | Devin AI 的归属公司 | Devin 由 Cognition 公司于2024年3月发布，非 OpenAI 产品 |
| 12 | HiveBook Wiki；CSDN 等技术社区 | AutoGPT 与 Devin 的发布时间线 | AutoGPT 2023年3月引爆；Devin 2024年3月发布 |
| 13 | 科大讯飞官网公益页面 | 智医助理通过考试的交叉验证 | 确认"2017年8月通过国家执业医师资格考试" |
十一、特别说明
关于数据时效性与准确性
一、时效性。本书内容截至2026年8月2日。AI领域迭代极快——新模型、新基准、新政策可能随时出现。部分模型版本号、性能分数、定价数据在本书出版后可能已发生变化，请以各厂商官方最新信息为准。
二、数据来源。书中引用的市场数据（如IDC出货量、高盛预测、Hugging Face报告等）来自公开报告和媒体报道，本书编写时已尽力核实，但无法保证所有数据的绝对准确性。建议读者在引用时回溯原始报告。
三、产品信息。书中提到的AI产品名称、功能描述和定价信息均基于公开资料。产品可能已更新迭代，功能与定价可能已调整。书中不构成对任何产品的推荐或评价，仅作为知识介绍。
四、开源协议。书中提到的开源项目遵循各自的开源协议（如MIT、Apache 2.0等），使用前请查阅原始项目的协议条款。
五、勘误反馈。本书为开源书籍，欢迎读者反馈错误和建议。如发现内容有误或需要更新，欢迎通过GitHub提交Issue或Pull Request。
本章小结
参考文献使用建议
本参考文献列表分为十一个类别，涵盖了本书引用的经典论文、产业报告、政策法规、媒体文章、评测基准、产品平台、开源工具、会议活动、学习资源和事实核查来源。如果你想深入某个方向：
做研究→ 从经典论文入手，追踪arXiv上的最新工作；做产业分析→ 关注Gartner、IDC、高盛等机构的报告；做产品开发→ 熟悉Hugging Face、GitHub上的开源项目；做投资决策→ 参考OpenRouter调用量、LMSYS排行榜等实时数据。
AI领域没有"读完就够了"的书——这本书是你探索的起点，而这些参考文献，是你继续前行的路标。
—— 参考文献完 ——