杨苏
“AI(人工智能（885728）)写不好长代码”“AI也做不了研究”，这类话最早说出口时，基本都是对的，但这些“正确判断”的保质期越来越短。当AI推动增长曲线陡峭起来，沿用“线性直觉”做判断，正在成为我们应对变化时一种危险的思维方式。
2026年10月6日，OpenAI一次性公开722篇数学手稿，归为372个结果族，次日又因一处符号错误撤回其中3篇。约五个月前，它的模型才刚刚推翻埃尔德什1946年提出的单位距离猜想。数学界的争论由此转向，不再问AI能不能做数学，而是问人类审不审得过来。菲尔兹奖得主高尔斯担心，人们没有足够的动力再花数年去读懂AI的推导。
不只是数学，AI相关领域增长曲线常常非常陡峭。中国发展高层论坛年会披露，中国日均Token(词元)调用量从2024年初的约1000亿，涨到2026年3月的140万亿。研究机构METR以人类专家完成任务所需的时间为尺子，测算AI有五成把握完成的任务长度：2019年以来约每7个月翻一番，2023年后加快到约每131天翻一番。
面对这样的变化，真正的问题不在曲线有多陡，而在我们看待它的方式。我们习惯的是线性直觉：事物按固定的增量变化，明年大致是在今年的基础上再加一点。但指数增长不一样，线性是每期加一个固定的量，指数是每期乘一个固定的倍数。同样从1出发，每月加1，一年后是13；每月翻番，一年后是4096。更麻烦的是，两条曲线起步时几乎重合，指数曲线的前半段看上去相当温和，差距全在后半段。所以衡量指数增长，关键不是“现在有多少”，而是“翻一番要多久”。
当然，也不必把指数神化。技术的普及往往呈S形，铁路、电力、互联网都是如此，只是拐点要等事后才看得清楚。更何况在真实的办公室里，一件事要跨几个部门，要有人签字，出了问题要有人担责，这些都在曲线之外。并且，工业生产面临的电力、数据、流程、监管等实际环境，同样会拖慢技术变成生产力的速度。
线性直觉的危险恰恰在于，它大部分时间是对的，“AI现在做不到某件事”，说出口那一刻往往成立，所以人们很容易把它当成长期结论。更实用的做法，是学会用倍增时间思考，不妨把“AI做不到”当成带日期的结论，每隔半年重测一次，同时分清卡点在能力、成本还是组织。
对投资者来说，别用当下增长水平给几年后的标的定价，也别把曲线的陡峭直接当成盈利。同样一条成本下降的曲线，对用模型的公司是红利，对卖模型的公司是定价压力。红利最终流向谁，用量增长能否撑住价格下跌，比“增长有多快”更值得追问。
线性直觉并不愚蠢，它是几十年经验给我们的馈赠，只是这份经验，没为这样一条指数级增长曲线准备过。AI带来的诸多颠覆成果已经说明，“现在做不到”只是一个有日期的结论。真正需要警惕的，是曲线早已陡了起来，我们却仍在用上一次的判断做决策。等到某天回头，发现那些“还早”的事早已发生，有些事物已被颠覆，才会明白最大的错误不是看错，而是一直没有再看一眼。
本版专栏文章仅代表作者个人观点
