AI 寒冬（AI Winter）
AI Winter
期望过高、资金与关注骤减、研究与产业进入低潮的历史阶段。
先用人话理解
当承诺远超当时算法、算力与数据能力时，资助方和公众会迅速失望，项目裁撤、人才流失，形成所谓“AI 寒冬”。历史上较常被提及的包括 1970 年代与 1980 年代末的低谷。寒冬并不等于科学完全停顿，而是资源与舆论环境变冷。
为什么重要
理解寒冬有助于看待炒作周期：技术突破需要真实可交付能力支撑，否则会反复经历热潮与回撤。
常见误解
寒冬不等于“AI 已死”，很多基础工作仍在大学与实验室延续。
每次低潮的原因不同，不能简单套用同一种叙事。