一覽人工智能七十餘年的關鍵節點，沿四條線看演變：算力架構、性能指標、Harness、應用形態，再加上模型、研究、產品與政策。每筆事件附來源連結與日期精度，可依機構、類型與年代篩選。
Anthropic 於 2026 年 1 月 12 日推出 Claude Cowork 研究預覽：在桌面應用裡授予一個資料夾權限，Agent 即可整理檔案、批次重命名、撰寫文件，完成非編程的辦公任務，底層復用 Claude Code。
Nous Research 於 2026 年 2 月發布開源自主 Agent Hermes Agent（MIT 授權、自託管、持久記憶）：一個閘道進程同時接入飛書、微信、WhatsApp、Telegram、Slack、Email 等二十多個平台，每個平台只是共用同一會話、工具與排程的 adapter。
DeepSeek 於 2026 年 8 月 13 日開源官方 Agent 框架 DeepSeek Harness（dsh；MIT 授權、TypeScript monorepo）：模型適配器、工具註冊表、會話日誌、乃至 Agent 循環本身都是可替換插件，底層是論文級插件框架 Cordis，Agent 可在運行時掛載新插件修改自身。
騰訊雲在廈門峰會推出《腾讯云 ADP 前沿部署工程师（FDE）》認證體系，並同步啟動 FDE 合作夥伴招募。官方稱這是行業內首個面向智能體交付崗位設立的工程師認證，能力方向涵蓋場景理解與方案設計、平台應用能力、行業解決方案與項目交付、安全合規與責任 AI。
TypeSafe AI 走出 stealth，發布 Jev——一個只輸出類型化決策、不生成文字的模型。
基於 Qwen3.5/3.8 加 LoRA 與決策頭的 KEV 開源，支援本機部署。
基於 ModernBERT/mmBERT 的 LAYA 開源，支援 100 種以上語言且可本機部署。
凍結 Qwen3-8B 加 20M 投影頭的 CLM-8B 開源，採用對比學習訓練。
DeepSeek 發布推理模型 R1，效能比肩 o1 且開源。
OpenAI 發布 Operator 研究預覽：一個能使用自己的瀏覽器替你完成任務的 Agent——訂位、下單、填表——率先向美國 Pro 用戶開放。
DeepSeek 應用登頂多國 App Store，引發市場對 AI 算力需求的重新定價。
Anthropic 隨 Claude 3.7 Sonnet 推出 Claude Code 有限研究預覽：活在終端機裡的 agentic 編程工具，能搜尋與閱讀程式碼、編輯檔案、撰寫並執行測試、向 GitHub 提交與推送。
OpenAI 發布 deep research：一個用推理合成大量線上資訊、執行多步研究並產出帶引用報告的 Agent，率先向 Pro 用戶開放。
馬斯克的 xAI 發布 Grok 3，以大量算力訓練並主打推理。
Anthropic 發布首款混合推理模型 Claude 3.7 Sonnet，並推出 Claude Code。
中國團隊 Monica 發布通用型 AI Agent Manus，能自主完成多步驟任務。
OpenAI 發布 Responses API——結合 Chat Completions 的簡潔與 Assistants API 的工具能力，內建網頁搜尋、檔案搜尋與 computer use 工具——以及負責編排、handoff 與 guardrail 的 Agents SDK，並附追蹤工具。
METR 提出「50% 任務完成時間跨度」：以人類完成同類任務所需時間來度量 AI 能力。當時的前沿模型約為 50 分鐘，且該時長自 2019 年起約每七個月翻倍。
OpenAI 將原生圖像生成整合進 GPT-4o，文字渲染能力大幅提升。
華為雲於 2025 年 4 月推出 CloudMatrix 384 超節點：384 顆昇騰 910C 以全光互連組成單一邏輯算力池；SemiAnalysis 評估其 scale-up 互連方案「可以說領先 Nvidia 與 AMD 市售產品一代」。
Meta 發布原生多模態的 Llama 4 系列，包含 Scout 與 Maverick。
Google 攜手眾多合作夥伴發布 Agent2Agent（A2A）協定：讓不同廠商、不同框架的 Agent 能互相發現能力、交換資訊並協作完成任務。
OpenAI 於 2025 年 4 月 16 日開源 Codex CLI：跑在本機終端的輕量編碼 Agent，可閱讀程式碼庫、修改檔案、執行命令並提交 PR。
阿里發布 Qwen3 系列，混合推理與非推理模式並全尺寸開源。
OpenAI 推出 Codex——雲端軟體工程 Agent 研究預覽：每個任務在自己的沙箱環境中並行執行，可寫功能、回答程式碼庫問題、修 bug、提 PR，由以強化學習訓練的 codex-1 驅動。
Anthropic 發布 Claude 4 系列，Sonnet 4.5 與 Opus 4.1 主打編程與 Agent。
Anthropic 工程部落格詳述其多 Agent 研究系統：Claude Opus 4 主 Agent 衍生 Sonnet 4 子 Agent 並行檢索，在內部研究評測上比單 Agent 的 Opus 4 高出 90.2%，同時坦承除錯、狀態管理與成本的難題。
月之暗面開源 1 兆參數的 MoE 模型 Kimi K2，主打 Agent 場景。
OpenAI 發布 ChatGPT agent：把 Operator 的瀏覽器操作與 deep research 的研究能力併入統一 Agent，配備自己的虛擬電腦（終端＋瀏覽器＋連接器），在 ChatGPT 內以單一入口完成多步任務。
OpenAI 發布 GPT-5，整合推理與工具能力並統一模型介面。
阿里發布 Qwen3.5 系列，在推理與 Agent 能力上進一步提升。
DeepSeek 發布 V3.2-Exp，在推理與數學上進一步優化。
OpenAI 發布 ChatGPT Atlas——內建 ChatGPT 的瀏覽器（先登陸 macOS）：側邊欄對話、agent 模式可代替用戶瀏覽與操作網頁、瀏覽器記憶讓歷史成為可檢索的上下文。
Cursor 發布 2.0：介面圍繞同時運行的多個 Agent 重新設計，並推出自研 agentic 編碼模型 Composer——官方稱比同等智能的模型快 4 倍。
Google 發布 Gemini 3 系列，主打推理、Agent 與多模態能力。
Peter Steinberger 於 2025 年 11 月 24 日首次發布其個人 AI 助理專案（初名 Warelay，隨後改名 Clawdbot）：自託管閘道把 LLM Agent 接入 WhatsApp、Telegram 等聊天通路，能操作檔案、執行命令與排程任務。
DeepSeek 發布下一代推理模型 R2，延續開源與低成本路線。
rabbit 在 CES 2024 主題演講發布掌上型 AI 裝置 r1：按住說話，由「大型動作模型」代替用戶操作應用完成任務，預售即引發熱潮。
OpenAI 上線 GPT Store：用戶可發布與發現自訂 GPT（無程式碼配置的 ChatGPT 變體），並為美國地區的建置者推出收入分成計畫。
智譜 AI 發布 GLM-4，主打中文能力與智能體。
Google 發表 Gemini 1.5：Pro 版穩定支援 100 萬 token 上下文——官方稱為當時大規模基礎模型中最長的上下文視窗，研究版本甚至成功測試到 1,000 萬 token。
OpenAI 發布文生影片模型 Sora，展示長達一分鐘的高品質影片生成。
Klarna 宣布其 OpenAI 驅動的 AI 助理上線第一個月，就處理了該公司三分之二的客服對話。
Anthropic 發布 Claude 3 家族，在基準測試上首次全面對標甚至超越 GPT-4。
Cognition 發布 Devin，自稱「第一個 AI 軟體工程師」：自備 shell、瀏覽器與程式編輯器，能端到端規劃並完成真實工程任務。
Nvidia 發表 Blackwell 平台：GB200 NVL72 是液冷、機櫃級的系統，把 36 顆 Grace Blackwell 超級晶片（含 72 顆 GPU 與 36 顆 Grace CPU）以 NVLink 連成單一大型加速器；官方稱可將 LLM 推理的營運成本與能耗最高降低 25 倍。
Meta 開源 Llama 3，8B 與 70B 版本在多項基準上表現優異。
DeepSeek 發布 MoE 架構的 V2，以極低 API 價格引發中國大模型降價潮。
OpenAI 發布全能模型 GPT-4o，原生支援語音、視覺與文字的即時交互。
TIGER-Lab 發表 MMLU-Pro：把選項從四個擴到十個、加入更多推理型題目，因為模型在 MMLU 上的表現已趨平緩、越來越難區分能力差異。
蘋果在 WWDC 發布 Apple Intelligence，把生成式 AI 深度整合進作業系統。
Anthropic 發布 Claude 3.5 Sonnet，在編程與推理上表現優異。
LiveBench 發布：題目持續取自最近的資訊來源，評分全部客觀可驗證、不靠 LLM 裁判或人工眾包，並定期更新以壓低訓練資料污染的影響。
OpenAI 發布 GPT-4o mini，API 定價輸入每百萬 token 0.15 美元、輸出 0.60 美元——顯著低於此前的同級模型，價格首次與能力並列為發布標題。
全球首部全面的人工智慧法規《人工智慧法》正式生效。
Snell 等人發表〈Scaling LLM Test-Time Compute Optimally can be More Effective than Scaling Model Parameters〉：給定固定的推理算力，最佳地使用它（修訂答案、思維鏈、搜尋）可以比單純放大模型參數更有效。
OpenAI 與 SWE-bench 原作者發布 Verified 子集：500 道經人工驗證「問題可解、描述充分」的題目，剔除原基準中模糊或無法解決的實例。
Cerebras 推出基於晶圓級引擎的推理服務：Llama 3.1 8B 達每秒 1,800 token、70B 達每秒 450 token，官方稱比基於 Nvidia GPU 的方案快 20 倍。
OpenAI 發布具推理能力的 o1 模型，透過思考時間解決複雜問題。
Salesforce 發布 Agentforce：一套在 CRM 內建構與部署的 AI Agent 組合（客服、銷售、行銷、商務），附低程式碼的 Agent Builder。
OpenAI 發布即時語音 API，讓開發者建構低延遲語音對話應用。
OpenAI 發布 Canvas，讓 ChatGPT 以並排介面協作寫作與編程。
Anthropic 隨升級版 Claude 3.5 Sonnet 與 Claude 3.5 Haiku 推出 computer use（公開測試版）：模型查看螢幕畫面，把指令翻譯成電腦操作——移動游標、點擊按鈕、填寫表單。
Codeium 於 2024 年 11 月推出 Windsurf Editor：以協作 Agent「Cascade」為中心的 IDE，能感知開發者的動作、跨檔案執行多步任務，而不只是自動補全程式碼。
Anthropic 發布並開源 Model Context Protocol（MCP）：連接 AI 助理與資料所在系統——內容倉庫、業務工具、開發環境——的開放標準，以統一協定取代逐個客製的整合。
OpenAI 發布 o1 正式版，並推出每月 200 美元的 ChatGPT Pro。
Google 發布 Gemini 2.0 Flash，強調速度與 Agent 能力。
DeepSeek 發布 6710 億參數的 MoE 模型 V3，以極低成本逼近頂級模型。
微軟宣布對 OpenAI 追加多年期投資，規模達數十億美元。
微軟將 GPT-4 驅動的對話能力整合進 Bing 搜尋與 Edge 瀏覽器。
Meta 發表 Toolformer：以自監督方式讓模型自己決定呼叫哪些 API、何時呼叫、傳什麼參數，並把結果併回下一個 token 的預測。
Anthropic 發布首個公開對話助手 Claude，主打安全與穩健。
OpenAI 發布多模態大模型 GPT-4，在多項專業測驗中逼近人類水準。
百度發布文心一言（ERNIE Bot），是中國首個大規模公開發布的生成式對話產品。
微軟發表 Microsoft 365 Copilot，把 GPT-4 接進 Word、Excel、PowerPoint、Outlook 與 Teams：文稿起草、表格分析、簡報生成都在用戶原有工作流內完成。
Toran Bruce Richards 創建 AutoGPT 倉庫：給 GPT-4 一個目標，讓它自行拆解任務、上網、寫程式、反覆自我提示，直到「完成」為止。
投資人 Yohei Nakajima 開源 babyagi：以極簡的「建立任務→執行→依結果生成新任務」佇列循環，展示自主 Agent 的骨架，與 AutoGPT 前後腳引爆 2023 年春的自主 Agent 熱潮。
阿里巴巴發布通義千問大模型，並計劃將其接入旗下各項業務。
LMSYS 上線 Chatbot Arena：用戶對兩個匿名模型的同題回答投票，以 Elo 評分匯總成公開排行榜，在真實流量中「野外」評測大模型。
科大訊飛發布星火認知大模型，主打中文能力與教育、辦公等場景。
Paul Gauthier 開源 aider——在終端機裡與 Git 倉庫協作的 AI 結對編程工具：模型直接修改檔案，並自動生成有意義的 commit。
Google 在 I/O 發布 PaLM 2，並將其整合進 Bard 與多項產品。
Rafailov 等人提出 Direct Preference Optimization：證明語言模型本身就是隱藏的獎勵模型，用一個分類損失直接最佳化偏好，取代 RLHF 的獎勵建模＋強化學習兩階段管線。
OpenAI 為 API 加入 function calling：開發者以 JSON 描述函式，模型可靠地輸出該呼叫的函式與參數；同日更新更長的 16K 上下文與降價。
Meta 的 Chen 等人提出位置內插（PI）：把位置索引線性縮放回原訓練視窗內，只需約一千步微調，即可把 RoPE 系模型（LLaMA 7B 到 65B）的上下文擴充到 32K。
華為發布盤古 3.0，覆蓋 NLP、視覺、科學計算等分層模型體系。
Meta 開源 Llama 2，並允許商業使用，成為開源大模型的基石。
中國《生成式人工智能服務管理暫行辦法》正式施行，規範生成式 AI 服務。
字節跳動發布 AI 助手豆包，成為中國用戶規模最大的 AI 應用之一。
Kwon 等人把作業系統的虛擬記憶體與分頁思想搬進 LLM 服務：KV cache 以分塊按需分配，幾乎消除碎片浪費，並在其上建成 vLLM 服務系統。
OpenAI 發布 DALL·E 3，並原生整合進 ChatGPT。
月之暗面推出長上下文 AI 助手 Kimi，主打超長文本處理。
Jimenez 等人發表 SWE-bench：2,294 個取自 12 個熱門 Python 倉庫的真實 issue 與對應 PR，模型必須給出能通過倉庫測試的修補。
拜登政府發布行政命令，要求大型 AI 模型開發者進行安全評估並回報。
OpenAI 在首屆 DevDay（2023 年 11 月 6 日）發布 Assistants API：內建 code interpreter、檢索與 function calling，執行緒狀態由平台託管，讓開發者直接建構「類 Agent 體驗」。
OpenAI 在首屆 DevDay 發布 GPT-4 Turbo、可客製化的 GPTs 與助手 API。
OpenAI 董事會突然解職執行長 Sam Altman，五天後他又回任。
AMD 在「Advancing AI」大會宣布 Instinct MI300X 正式供貨：192GB HBM3、峰值頻寬 5.3 TB/s，主打生成式 AI 所需的記憶體容量與頻寬優勢，並宣布 Microsoft、Meta 等客戶採用。
Google 發布原生多模態模型 Gemini，宣示與 GPT-4 競爭。
Meta 公布自建 AI 超算 RSC：第一階段由 760 台 DGX A100 系統組成、共 6,080 顆 A100 GPU，全部建成後規劃達 16,000 顆。
JEDEC 正式發布 JESD238（HBM3）：每堆疊頻寬最高可達 819 GB/s，面向下一代高效能運算與 AI 加速器。
Hoffmann 等人訓練 400 多個模型後發現：給定算力預算，參數量與訓練 token 數應等比例放大——當時的大語言模型普遍嚴重訓練不足。
Google 發布 5400 億參數的 PaLM，在推理與多語言任務上表現突出。
OpenAI 發布 DALL·E 2，以更高解析度與更精確的文字控制生成圖像。
Dao 等人提出 FlashAttention：不改變注意力的數學，而是以分塊（tiling）減少 GPU HBM 與片上 SRAM 之間的讀寫，得到精確且實際更快的注意力。
Groq 在 Hot Chips 34（2022 年 8 月）發表軟體定義的張量串流多處理器（TSP）：沒有快取、沒有分支預測，執行完全由編譯器靜態排程，為大規模推理而生。
Stability AI 開源 Stable Diffusion，讓文生圖模型可在消費級硬體上運行。
Nvidia 發布 H100 GPU，專為大型語言模型與生成式 AI 設計。
OpenAI 開源 Whisper，一個多語言語音辨識模型。
Yao 等人發表 ReAct：讓語言模型交替生成「思考軌跡」與「動作」——思考用於規劃、追蹤與處理異常，動作則與知識庫或環境交換資訊。
美國商務部工業與安全局（BIS）於 2022 年 10 月 7 日宣布全面出口管制，限制向中國出售 A100、H100 等級的先進運算晶片與相關設備。
Harrison Chase 創建 LangChain 倉庫：把 LLM 呼叫、提示範本、工具、記憶與 agent 執行循環，封裝成可組合的 Python 抽象。
Google 的 Pope 等人發表〈Efficiently Scaling Transformer Inference〉：用算術強度分析把推理拆成 prefill（算力受限）與 decode（記憶體頻寬受限）兩個階段，並給出多維切分的工程模型。
史丹佛 CRFM 發布 HELM（Holistic Evaluation of Language Models）：對大量場景做多指標的透明評測——準確度之外還包括校準、穩健、公平、偏差、毒性與效率，而不是只報一個分數。
Leviathan 等人發表投機解碼：讓小的草稿模型並行猜出多個 token，由大模型一次並行驗證，輸出分佈與原模型完全一致，解碼速度成倍提升。
OpenAI 發布對話式 AI ChatGPT，五天內用戶突破百萬。
Perplexity AI 於 2022 年 12 月 7 日上線主搜尋引擎：用大語言模型直接生成帶引用來源的答案，而不是返回藍色連結清單。
OpenAI 發布 DALL·E，用 GPT 架構從文字生成圖像。
Hendrycks 等人發表 MATH：12,500 道競賽級數學題，每題附完整的分步解答，當時最先進模型的正確率仍然很低。
華為發布盤古預訓練大模型系列，聚焦中文理解與產業應用。
蘇劍林等人發表 RoFormer，提出旋轉位置編碼（RoPE）：以旋轉矩陣編入絕對位置，同時讓注意力自然獲得相對位置依賴，並具備長距離衰減特性。
Google 發表對話模型 LaMDA，專為開放式對話而設計。
GitHub 與 OpenAI 合作推出 Copilot，在編輯器內即時生成程式碼。
OpenAI 的 Codex 論文同時發布 HumanEval：164 個「由 docstring 寫出函式」的程式題目，以 pass@k（取樣 k 次至少一次通過單元測試）度量功能正確性。
OpenAI 發布針對程式碼優化的 Codex 模型，是 Copilot 的引擎。
Cobbe 等人發表 GSM8K：8,500 道語言多樣的小學數學應用題，並提出訓練「驗證器」為多個候選解答評分、擇優輸出。
Kaplan 等人發現：語言模型的損失與模型規模、資料規模、訓練算力呈冪律關係，趨勢橫跨七個數量級，而寬度深度等架構細節影響甚微。
微軟在 Build 2020 公布為 OpenAI 打造的單一系統超算：超過 28.5 萬個 CPU 核心、1 萬顆 GPU，每台 GPU 伺服器配 400Gb/s 網路頻寬。
Nvidia 發布 Ampere 架構的 A100 GPU 與 DGX A100 系統，成為大模型訓練的標準硬體。
OpenAI 發表 1750 億參數的 GPT-3，展示小樣本學習與湧現能力。
OpenAI 推出 API，讓開發者透過介面呼叫 GPT-3，開創了「模型即服務」模式。
Hendrycks 等人發表 MMLU：涵蓋初等數學、美國歷史、電腦科學、法律等 57 個學科的多選題測試；當時最大的 GPT-3 也只比隨機猜測平均高約 20 個百分點。
Apple 發表 M1：CPU、GPU 與神經引擎共享同一塊統一記憶體（最高 16GB），以單一系統單晶片取代 Intel 平台。
DeepMind 的 AlphaFold 2 在 CASP14 競賽中以接近實驗精度預測蛋白質結構。
OpenAI 發布 15 億參數的 GPT-2，因顧慮濫用而採分階段公開。
Wang 等人發表 SuperGLUE：沿用 GLUE 的形式，換上一組更難的語言理解任務、工具包與公開排行榜。
華為發布昇騰 910 AI 處理器，號稱當時最強的 AI 運算晶片。
Google 的 T5 把各類 NLP 任務統一成「文本到文本」框架。
AWS 的自研推理晶片 Inferentia 隨 EC2 Inf1 執行個體正式上線，由 2015 年收購的 Annapurna Labs 設計，主打低於 GPU 執行個體的推理成本。
Nvidia 在 GTC 2018 發表 DGX-2：透過 18 埠 NVSwitch，16 顆 V100 以全互連共享同一個位址空間，半精度算力達 2 petaflops。
Wang 等人發表 GLUE 基準：九個語言理解任務、一套加權平均分與公開排行榜，讓「通用語言理解」第一次可以用單一數字比較。
OpenAI 發布生成式預訓練 Transformer，證明無監督預訓練加微調的潛力。
Google 發布雙向 Transformer 模型 BERT，在 11 項 NLP 任務上刷新紀錄。
Facebook 推出 PyTorch 1.0，標誌其從研究框架走向生產可用。
Shazeer 等人提出稀疏閘控混合專家層（MoE）：每個樣本只啟動少數「專家」子網路，以很小的計算代價把模型容量提升超過一千倍。
Google 在 2017 年 5 月的 I/O 大會發表第二代 TPU：不再只做推理，而是能訓練模型，並採用 16 GB HBM 與 bfloat16 數值格式。
Nvidia 於 2017 年 5 月的 GTC 發表 Volta 架構與 Tesla V100，首次引入專為深度學習矩陣運算設計的 Tensor Core，以 FP16 混合精度換取遠超 FP32 的吞吐。
《Attention Is All You Need》提出僅靠注意力機制的 Transformer，捨棄循環結構。
Christiano 等人發表「以人類偏好做深度強化學習」：不寫死獎勵函數，而是讓人比較兩段行為軌跡、用比較結果訓練獎勵模型，即可完成複雜的 RL 任務。
CVPR 2017 的「Beyond ILSVRC」工作坊（7 月 26 日）標記了最後一屆 ImageNet 大型視覺識別挑戰賽：主辦方明言這是 ImageNet 挑戰競賽的最後一次，因為該基準已被解決、不再構成挑戰。
AlphaGo Zero 不靠人類棋譜，純以自我對弈在三天內超越前代 AlphaGo。
AlphaGo 以 4:1 擊敗圍棋世界冠軍李世乭，最後一局於 3 月 15 日結束。
Nvidia 發表 Pascal 架構的 Tesla P100——首顆同時採用 NVLink 互連與 HBM2 記憶體的 GPU——並同步宣布由 8 顆 P100 組成的 DGX-1 深度學習系統。
Google 於 2016 年 5 月首次公開 Tensor Processing Unit：專為機器學習打造、針對 TensorFlow 調校的 ASIC，發表時已在資料中心運行了超過一年。
Ba、Kiros 與 Hinton 提出層正規化：對單一樣本的全部特徵做正規化，不依賴批次統計量，因而適用於循環網路與小批次場景。
Google 翻譯全面改用神經機器翻譯，一次升級八種語言的翻譯品質。
DeepMind 的深度 Q 網路只用像素輸入，就在多款雅達利遊戲中達到人類水準。
Hinton、Vinyals 與 Dean 提出蒸餾：用笨重模型或整合模型的「軟目標」訓練一個小得多的模型，把知識壓縮進可部署的體積。
Telegram 於 2015 年 6 月 24 日正式上線 Bot 平台與 Bot API：第三方開發者可建立特殊帳號，在聊天中接收訊息、回覆並銜接外部服務。
Sennrich、Haddow 與 Birch 提出以 byte-pair encoding 把稀有詞切分為子詞單元，讓固定詞表的神經翻譯模型能處理開放詞彙。
Google 將內部深度學習框架 TensorFlow 開源，大幅降低建構神經網路的門檻。
一群科技領袖共同創立非營利的 OpenAI，目標是確保通用人工智慧造福全人類。
Google 以約 5 億美元收購英國 AI 新創 DeepMind，開啟大型科技公司搶購 AI 人才的序幕。
Goodfellow 提出 GAN，讓生成器與判別器互相對抗以生成逼真樣本。
Bahdanau 等人把注意力機制引入神經機器翻譯，讓模型能對齊輸入與輸出。
Sutskever 等人提出編碼器—解碼器架構，用一個網路做序列轉序列。
亞馬遜推出 Echo 智慧音箱與語音助理 Alexa，把語音 AI 帶進家庭。
Mikolov 等人提出 Word2vec，把詞語映射為能捕捉語義關係的連續向量。
JEDEC 於 2013 年 10 月將高頻寬記憶體（HBM）採納為業界標準 JESD235；SK 海力士完成首顆 HBM 晶片，2015 年 AMD Fiji GPU 率先商用。
Google Brain 以萬顆 CPU 訓練大型神經網路，在未標註影片中自動學到「貓」的概念。
Google 在 I/O 大會隨 Android 4.1 展示 Google Now：以資訊卡片主動推送天氣、交通、賽果等用戶可能需要的答案，而不只是等待查詢。
Krizhevsky、Sutskever 與 Hinton 的 AlexNet 以遠超對手的成績贏得 ImageNet 圖像分類競賽。
IBM 的問答系統 Watson 在益智節目《危險邊緣》中擊敗人類冠軍。
蘋果將語音助理 Siri 內建於 iPhone 4S，把語音對話介面帶進主流消費市場。
Williams、Waterman 與 Patterson 在《CACM》發表 Roofline 效能模型：以算術強度為橫軸、可達效能為縱軸，一眼看出程式受算力限制還是受記憶體頻寬限制。
李飛飛團隊在 CVPR 2009 發表 ImageNet：按 WordNet 層級組織、超過 1,400 萬張人工標註圖片的資料庫，讓大規模視覺識別第一次可以被統一度量。
Nvidia 於 2006 年推出 CUDA 平台與程式模型，讓開發者能以接近 C 語言的方式直接為 GPU 撰寫通用計算程式。
ActiveBuddy 在 AOL Instant Messenger 上公開 SmarterChild：一個能查天氣、股價、體育比分也能閒聊的機器人帳號，其後並登陸 MSN 與 Yahoo Messenger。
Hochreiter 與 Schmidhuber 在《Neural Computation》發表長短期記憶網路（LSTM）：以閘控記憶單元讓循環網路能跨越很長的時間間隔保留與更新資訊。
Rumelhart、Hinton 與 Williams 發表〈Learning representations by back-propagating errors〉，證明多層網路可以靠誤差反向傳播自行學出內部表示。
魏岑鮑姆（Joseph Weizenbaum）在《ACM 通訊》發表 ELIZA：以 DOCTOR 腳本模仿心理治療師，用模式匹配把用戶的話語改寫成追問。
圖靈在《Mind》期刊提出「機器能否思考」的問題，用模仿遊戲作為判斷標準。