一篇报道，划开两个时代

1988 年 3 月 4 日，《纽约时报》商业版登出一篇报道，标题只有四个词："Setbacks for Artificial Intelligence"（人工智能的挫败）。记者安德鲁·波拉克（Andrew Pollack）写道，整个 AI 行业正在大撤退——Teknowledge 在 1988 年停止销售它的商用专家系统产品，Intellicorp、Inference Corporation、Carnegie Group 一同陷入亏损与裁员。

那是顶峰之后的第一道裂缝。两年前，1986 年的 Symbolics 还站在巅峰：年营收约 1.15 亿美元，六百多名员工，全球装机超过 1500 台 Lisp 机。分析师预测专家系统市场到 1990 年代将达数十亿美元。所有人都相信，专家系统就是未来。

但 Pollack 看到的，是未来正在崩塌。第二次 AI 寒冬，已经开始了。

寒冬的第一个标志：专用硬件的死亡

寒冬最先冻死的，是最昂贵的那一层——专用 Lisp 硬件。

转折点是 1987 年。这一年，通用 Unix 工作站——尤其是 Sun Microsystems 在 1987 年推出的 Sun-4（第一台 SPARC 机器）——以远低于专用 Lisp 机的价格，提供了可比甚至更好的性能。Symbolics 的 3600 系列单价约 8 万美元，Texas Instruments 的 Explorer 卖到 5 万到 16 万美元；而一台 Sun 工作站只要它的一小部分，却能跑 Lucid Common Lisp、Allegro CL 这些越来越成熟的 Lisp 软件环境。同样的算力，专用机卖八万，通用机卖一两万——这个账，任何采购经理都会算。

于是市场用脚投票。LMI（Lisp Machines Inc.）在 1987 年破产，它以 GigaMos Systems 之名重组，但 GigaMos 同样没能活下来。Xerox 的 AI 系统部门（XAIS）被拆分出去成了 Envos，大约在 1989 年倒闭。Symbolics 自己在 1987 年后销售断崖式下滑，1988 年起持续裁员，最终在 1993 年 2 月申请了 Chapter 11 破产保护——《洛杉矶时报》那年的标题是"Symbolics Inc. Seeks Chapter 11 Protection"。临死前，Symbolics 试图把它的 Genera 环境移植到通用硬件上，1992 到 1993 年间推出了运行在 DEC Alpha 上的 Open Genera，但这只是抢救，不是复苏。

这里有一个值得点出的文化尾声。当年 Symbolics 和 LMI 围绕 MIT 共有的 Lisp 代码长期紧张——Symbolics 宣布它的改进转为专有，留守 MIT 的理查德·斯托尔曼（Richard Stallman）便一项项地把 Symbolics 的新功能重新实现到 LMI 的代码里，一个人对抗一家公司。这段经历，被广泛认为是他 1983 年 9 月 27 日发布 GNU 宣言、1985 年成立自由软件基金会（FSF）的直接动因。Lisp 机死了，但它催生的自由软件运动，活了下来。

寒冬的第二个标志：专家系统卖不动了

硬件先死，但根子在软件。专家系统本身的商业故事，讲不下去了。

Teknowledge 在 1988 年停止销售商用专家系统产品——不是因为没钱，而是因为产品交付不动。Grandon Gill 1995 年在《MIS Quarterly》发表的追踪研究《Early Expert Systems: Where Are They Now?》，给这个困境提供了学术级的量化：早期专家系统扩散缓慢、ROI 不达预期、交付和维护难度高、多数未能长期运行。Gill 发现，那些当年被大肆宣传的成功案例，很多停留在试点阶段，进不了生产——这是一个结构性的现象，后来有人用"试点地狱"（pilot hell）来概括它。需要说明：这个说法是当代的回溯术语，不是 1980 年代人的用语；但它描述的病灶——从演示到产品之间那道难以跨越的鸿沟——是真实的。

为什么会这样？答案就在第三章的诊断里。规则爆炸让维护成本随规模超线性增长，知识获取瓶颈让每个新领域都要从零做一遍知识工程，脆弱性让系统一出边界就灾难性失效。这三个病灶在 XCON 还只有几千条规则时是隐忧，到一万七千条规则时是危机，到要复制到几十个新领域时就是死刑判决。专家系统不是被市场抛弃的——它是先在工程上撞墙，市场才失去信心的。

这个因果顺序至关重要，全书要强调的就是它：钱退是结果，不是原因。结构病灶才是原因。

寒冬的第三个标志：国家计划也落幕了

商业泡沫破了，国家豪赌也到了结账的时候。

1992 年 6 月 5 日，《纽约时报》还是波拉克，写了一篇更冷的标题："'Fifth Generation' Became Japan's Lost Generation"（第五代，成了日本的"失去的一代"）。日本通产省的第五代机计划，这个十年前让美欧恐慌的国家工程，主体阶段在 1992 年结束。它没有产出有商业价值的并行推理机。那些 PIM（并行推理机）样机——p 型和 m 型——最终被送进了东京的国立科学博物馆保存。一个想征服世界的机器，最后成了博物馆里的展品。

美国这边，DARPA 的战略计算计划（SCI）也在收缩。这里要厘清一个常见误解：SCI 不是在 1988 年"终止"的。它在 1988 年大幅缩减了对 AI 新项目的投入，又撑了几年，到 1993 年才正式终止——恰好在 Symbolics 申请破产保护那一年。两个年份要对清楚：1988 是缩减，1993 是终止。

把三个标志并在一起看，寒冬的全貌就清楚了：1987 年专用硬件市场崩塌，1988 年专家系统厂商开始大撤退，1992 年国家计划落幕，1993 年最后的象征 Symbolics 申请破产、SCI 终止。 这不是一个事件，是一个链条。

两次寒冬，同一个病灶

值得退后一步，把两次 AI 寒冬并排放着看。

第一次寒冬（约 1974—1980）的导火索是两份报告：1966 年美国的 ALPAC 报告判定机器翻译"更慢、更不准、更贵"，近乎冻结了 MT 经费；1973 年英国的 Lighthill 报告得出一个更刺骨的结论——原文是"the discoveries made so far produced the major impact that was then promised"的反面，即 AI 的发现远未兑现当初的承诺。两次寒冬，诱因表述不同——第一次被说成"承诺不兑现"，第二次被说成"专家系统结构病灶加 Lisp 机泡沫"——但内核是同一个：技术撞上了一道结构性的墙，组合爆炸、知识获取、脆弱性，每一道墙都不是靠多投钱能跨越的。

Lighthill 报告的核心批评，用今天的话翻译，就是 AI 撞上了组合爆炸——搜索和定理证明在玩具问题上有效，scale 到真实问题就失效。ALPAC 撞上的，是机器翻译的技术远未成熟。第二次寒冬撞上的，是专家系统的三个结构性病灶。每一次，墙都不同；每一次，本质都是"用某种形式的显式方法，去覆盖一个开放世界，而开放世界随规模超线性增长"。这正是第三章给出的那个根诊断。

德雷福斯又一次被证明是对的。他在 1965 年就警告符号 AI 走的是炼金术的路，在 1972 年把这个批判写进了《What Computers Can't Do》。两次寒冬，两次兑现了他的预言。但耐人寻味的是，AI 界在每一次寒冬后，倾向于把责任推给外部——第一次说是英国人太保守，第二次说是市场太短视——而不愿意承认病灶是结构性的、是会复发的。

谁在寒冬里悄悄活着

但寒冬不是死亡，是休眠。在所有人都以为 AI 已死的那十几年里，有一支队伍在边缘悄悄活着。

1986 年——恰好在第二次寒冬爆发的前一年——鲁梅尔哈特、辛顿和威廉斯在《Nature》发表了反向传播算法，同年两卷本《Parallel Distributed Processing》（《并行分布式处理》）出版。连接主义，这个在 1969 年被《感知机》按下去的流派，在学术上复活了。更早，1979 到 1980 年，日本的福岛邦彦（Fukushima Kunihiko）发表了 Neocognitron——第一个多层分层神经网络，带局部感受野和下采样，是今天卷积神经网络的直接架构前身。还有施密德胡伯（Schmidhuber）等人在寒冬期持续工作。寒冬期同时是统计学习的暗生期——支持向量机（SVM）、决策树、数据挖掘，这些不那么"智能"但扎实可用的方法，在 1990 年代悄悄兴起。

这些名字和流派，在 1987 年的废墟上毫不起眼。没有人会想到，二十多年后，正是这条被打入冷宫的连接主义路线，会以"深度学习"之名，点燃下一场烧遍全球的智能之春。

而 Symbolics 的 3600 机，作为无人问津的专用硬件，连同它代表的整个"专用基础设施"的信念，被锁进了历史的仓库。

（本章史料均经独立核证，详见《第四章-史料核证附录》。）