最近有个在 X 上爆火的 AI 评论帖子，我在这翻译给大家看，想看原文的可以私戳我发链接：
? 我有个坏消息：AI周期，暂时结束了。
曾几何时，我是坚定的AI狂热者。2023年初，我第一次用GPT-4写出一段跑得通的Python策略回测代码，那一刻我以为自己站在了新世界的入口。
我依然相信：这场AI带来的生产力冲击，整个社会可能要用十年、甚至几十年来真正“消化”。
但眼下的现实是：AI的发展曲线，已经从陡峭的爬升，进入了一段又长又平的高原。
? 问题不在于模型停止进步，而是现在我们需要的提升，早已不是百分比，而是“数量级”：
每迈进一步，都要消耗一座城市的电力、一个主权基金的GPU库存。MoE架构、工具链优化、Agent链……这些“聪明的把戏”虽然还能让Demo视频很好看，但离超级智能还有十万八千里。
想再往前走，只能指望两个奇迹：
1️⃣ 架构奇迹：突然蹦出下一个Transformer级别的突破（但这无法预测）
2️⃣ 基建奇迹：全球协作建设核电站+2nm晶圆厂（但这牵涉政治）
一个靠运气，一个靠政策。都不便宜。
? 更根本的问题是：我们现在拥有的大模型，本质上还是“下一个 token 的轮盘赌”。
在可以验证结果的场景里，比如写代码、折蛋白，出错只是“迭代税”；但在无法验证的定性判断中，比如金融、医疗、国家安全，一个小错误，就能引发系统性风险。
比如：我让Claude Opus在一个已有杠杆的投资组合中，加一个新资产。它静悄悄地把所有权重“重新归一化”，等于直接蒸发了杠杆假设——外行人看到的是一组“好看的数字”，但核心假设已经被掏空了。
? 所以，接下来的AI，不是下一个爆炸性demo，而是默默进入Excel和Email里的“沉没式革命”。
代码会有越来越多AI生成的部分，但还是要由资深工程师审核提交；客服Bot会自动处理95%的工单，真正麻烦的5%再交给真人；医生会看着模型提前标记的片子，省下了90%的注意力；
甚至你还是需要PhD背景才能发现模型搞错了投资权重，但你能在5分钟内完成以前要花一下午的事情。
? 我有个坏消息：AI周期，暂时结束了。
曾几何时，我是坚定的AI狂热者。2023年初，我第一次用GPT-4写出一段跑得通的Python策略回测代码，那一刻我以为自己站在了新世界的入口。
我依然相信：这场AI带来的生产力冲击，整个社会可能要用十年、甚至几十年来真正“消化”。
但眼下的现实是：AI的发展曲线，已经从陡峭的爬升，进入了一段又长又平的高原。
? 问题不在于模型停止进步，而是现在我们需要的提升，早已不是百分比，而是“数量级”：
每迈进一步，都要消耗一座城市的电力、一个主权基金的GPU库存。MoE架构、工具链优化、Agent链……这些“聪明的把戏”虽然还能让Demo视频很好看，但离超级智能还有十万八千里。
想再往前走，只能指望两个奇迹：
1️⃣ 架构奇迹：突然蹦出下一个Transformer级别的突破（但这无法预测）
2️⃣ 基建奇迹：全球协作建设核电站+2nm晶圆厂（但这牵涉政治）
一个靠运气，一个靠政策。都不便宜。
? 更根本的问题是：我们现在拥有的大模型，本质上还是“下一个 token 的轮盘赌”。
在可以验证结果的场景里，比如写代码、折蛋白，出错只是“迭代税”；但在无法验证的定性判断中，比如金融、医疗、国家安全，一个小错误，就能引发系统性风险。
比如：我让Claude Opus在一个已有杠杆的投资组合中，加一个新资产。它静悄悄地把所有权重“重新归一化”，等于直接蒸发了杠杆假设——外行人看到的是一组“好看的数字”，但核心假设已经被掏空了。
? 所以，接下来的AI，不是下一个爆炸性demo，而是默默进入Excel和Email里的“沉没式革命”。
代码会有越来越多AI生成的部分，但还是要由资深工程师审核提交；客服Bot会自动处理95%的工单，真正麻烦的5%再交给真人；医生会看着模型提前标记的片子，省下了90%的注意力；
甚至你还是需要PhD背景才能发现模型搞错了投资权重，但你能在5分钟内完成以前要花一下午的事情。
