第一个AI大模型通常被认为是1980年代由约翰·霍普菲尔德（John Hopfield）和大卫·坦克（David Tank）开发的霍普菲尔德网络（Hopfield Network）。然而，现代意义上的AI大模型，特别是深度学习模型，始于2000年代和2010年代。

以下是一些里程碑式的AI大模型：

1、深度学习先驱：
LeNet1 和 LeNet5：1998年，Yann LeCun、Yoshua Bengio等开发了LeNet1和LeNet5，这是最早的卷积神经网络（CNN）之一，用于手写数字识别。

2、深度神经网络（DNNs）：
AlexNet：2012年，Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton提出的AlexNet，在ImageNet大规模视觉识别挑战赛（ILSVRC）中取得突破性成果，展示了深度神经网络在图像识别任务中的强大能力。

3、Transformer与大模型：
Transformer：2017年，Vaswani等提出的Transformer模型，彻底改变了自然语言处理（NLP）领域。它通过自注意力机制显著提高了序列到序列模型的性能。

4、大型语言模型：
BERT（Bidirectional Encoder Representations from Transformers）：2018年，谷歌发布的BERT模型，通过预训练语言模型在NLP任务中取得了显著进展。它使用Transformer编码器结构，并在广泛的NLP任务中实现了最先进的结果。

5、超级大模型：
GPT3：2020年，由OpenAI发布的GPT3（Generative Pretrained Transformer 3），是目前为止最大的单语言模型之一。它拥有1750亿个参数，并在自然语言理解和生成任务中展示了令人印象深刻的能力。

这些模型，尤其是GPT3，标志着AI大模型时代的到来，它们在各种任务中展现出强大的泛化能力，并能够通过少量的特定任务训练适应多种应用场景。

这些进展推动了人工智能领域的发展，使得AI在图像识别、自然语言处理、语音识别等众多领域取得了显著的进步。