首个AI大模型通常指的是在人工智能领域具有重大影响的早期大型机器学习模型，这些模型开启了现代深度学习技术的大门。以下是几个标志性的AI大模型：

1、LeNet: 由Yann LeCun于1990年代开发，主要用于手写数字识别，是卷积神经网络（CNN）的先驱之一。

2、AlexNet: 由Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton于2012年提出，它在ImageNet图像识别挑战赛中取得了突破性成果，标志着深度学习的复兴。

3、VGGNet: 由牛津大学的视觉几何组（Visual Geometry Group）开发，以其结构简单且易于理解著称，对后来的许多模型产生了影响。

4、GoogleNet: 由Google的研究团队开发，引入了Inception模块，通过使用不同尺寸的滤波器来捕捉不同尺度的特征。

5、ResNet: 由微软研究院的Kaiming He等人在2015年提出，通过残差连接解决了深层网络的训练问题，并成功训练出了超过100层的网络。

6、Transformer: 由Vaswani等人于2017年提出，最初用于处理序列数据，如自然语言处理任务，现在已成为许多NLP模型的基础架构。

以上模型都是各自领域的里程碑，它们为后续更复杂、更大规模的模型奠定了基础，包括BERT、GPT系列、DALLE等。随着计算能力的提升和数据量的增加，未来的AI大模型可能会继续扩展其能力，并在更多领域产生深远的影响。