早期人工智能有一种朴素的思路——通过穷举搜索来解决问题。比如旅行商问题，只需遍历所有可能的路线，就能找到最优解。然而，随着城市数量的增加，候选方案的数量会呈指数级爆炸，70个城市的路线数甚至超过了宇宙中的原子总数。这让“搜索一切”变得完全不现实。

到了70年代，计算复杂性理论的出现给AI泼了一盆冷水：大量AI问题，包括计算机视觉、推理与规划，都属于“NP完全”甚至更难的问题。这意味着，理论上没有比穷举更高效的通用解法。换句话说，AI撞上了一堵难以逾越的墙——组合爆炸。

这一认识对AI的发展产生了深远影响。它迫使研究者放弃“万能搜索”的幻想，转而寻找启发式算法、近似解法，或者像后来的机器学习那样，从数据中学习规律而非暴力破解。从这个角度看，对计算复杂性的理解并不是AI的终点，而是它走向务实的起点。真正的智能，或许不是拥有无限计算能力，而是在有限资源下懂得“取巧”与“取舍”。这也提醒我们，面对复杂问题时，先问一句“这个问题的本质难度有多大”，本身就是一种智慧。 http://t.cn/AXa9Wn5H