汽车行业深度报告：AI系列深度14期，深度学习如何开启AI第一次爆发？

分类：人工智能

标签：深度学习、卷积神经网络、AlexNet、ImageNet、Transformer、计算机视觉、人工智能、RNN/LSTM

摘要：报告背景：东吴证券汽车行业AI系列深度第十四期，系统梳理深度学习如何引爆人工智能的第一次爆发。核心论点是将二〇一二年的AlexNet视为分水岭，深度学习自此从学术边缘走向产业主流，奠定了计算机视觉与后续大模型的技术底座。卷积神经网络（CNN）的演进被提炼为七阶段框架：第一阶段为思想提出，从感知机与早期神经网络奠基；第二阶段为基础架构确立，反向传播算法、卷积与池化思想成型；第三阶段为训练优化，梯度下降、正则化、Dropout等关键技术使深层网络可被稳定训练；第四阶段为结构改进，LeNet、AlexNet、VGG、GoogLeNet、ResNet等网络不断加深加宽，残差连接解决了梯度消失；第五阶段为任务扩展，从图像分类走向目标检测、语义分割、人脸识别等丰富场景；第六阶段为轻量化部署，深度可分离卷积、知识蒸馏、模型量化使大模型得以运行在手机与车端等边缘设备；第七阶段为复兴性改进，结合注意力机制与Transformer催生新一代视觉架构。关键数据：AlexNet在ImageNet大规模视觉识别竞赛中将top-5错误率由约百分之二十六骤降至约百分之十五，首次证明深度卷积网络在超大规模数据上的压倒

来源：zuudee | 日期：2026-08-07 | 格式：pdf | 页数：15