文 | 思策智库

上周五深夜，北京著名的工体酒吧一条街上，一家名叫迈阿密的酒吧里，月之暗面的年轻人包下数十张卡座，大屏幕滚动着中英双语标语：“K3扩容升级，K4给我狠狠干到极致，冲上月球。”香槟、电子音乐和“to the moon”的呐喊，让这场庆功宴看起来与十年前的互联网创业派对并无二致。KiMi联合创始人张予彤也被眼尖的网友认出现身人群。

看到这条AI圈少见的“娱乐新闻”，我第一反应是：AI公司也开始用这种方式庆祝了，毫无疑问，这意味着这个行业，眼见的走进了商业世界的喧嚣。

不过，真正值得追问的是：为什么偏偏是这两年？AI的爆发究竟遵循什么逻辑？而它对普通人来说，到底意味着什么？

临界点到了

AI不是突然冒出来的。从1956年达特茅斯会议算起，这门学科已经折腾了近七十年，经历过数次寒冬。真正让局面改观的，是三条线在2022年前后交汇到了同一个点上：算力的指数级释放、数据的规模化喂养、以及商业资本对落地场景的极度饥渴。这三件事叠加在一起，把AI从科学问题变成了工程竞赛。

我们逐一看：

第一条线：算法。Transformer架构在2017年问世后，研究人员花了五年时间才摸清楚它的脾气。当大模型参数量跨过某个门槛，涌现现象出现了——机器突然展现出推理、归纳甚至某种程度上的理解能力。这不是渐进式改良，而是质变。

第二条线是算力。英伟达的GPU原本为游戏画面而生，现在成了AI时代的石油。更关键的是，云计算让算力从昂贵的固定资产变成了按小时租赁的消耗品。一家初创公司不再需要自建机房，租几块A100就能训练自己的模型。

第三条线，资本。移动互联网的红利在2021年基本吃完，风投机构手里攥着钱，急需下一个能装下万亿市值的叙事。AI恰好出现了，而且故事足够大——它不像共享单车或社区团购那样局限于某个垂直领域，它声称要重构一切。

三条线捆在一起，就变成了眼下这股狂飙。月之暗面只是其中一个缩影。从OpenAI到Anthropic，从百度文心到阿里通义，全球范围内的人才、资金和算力正在以惊人的密度向这个领域聚集。

这不是某个天才的灵光一现，而是一场被多重因素同时推高的浪潮。

认知革命——不只是工具

很多人把AI比作更聪明的搜索引擎或更好用的办公软件，这种理解虽然具象但还是太浅了。

搜索引擎帮你找到信息，但判断信息真伪、整合不同观点、形成个人见解，这些活儿还得你自己干。而大模型不一样，它直接给你一个“答案”——尽管这个答案可能充满幻觉。更关键的是，它用自然语言与人交互，这消弭了人与机器之间最后一道门槛。你不需要学编程，不需要记指令，像聊天一样就能调用人类历史上积累的大部分知识。

这带来了一个后果：人类正在大规模地把“思考”外包给机器。

以前，写一份行业分析报告可能需要读几十篇论文、做大量笔记、反复推敲框架。现在，一个实习生用半小时就能让AI生成一份像模像样的文档。效率当然提高了，但那个在阅读和思考中逐渐成型的认知过程，被压缩成了一连串的提示词和复制粘贴。

我不是在怀念手写时代。但必须承认，当机器越来越擅长“想”，人类可能会越来越懒得“想”。这不是工具层面的便利，而是认知层面的重构。AI正在重新定义知识是什么、学习意味着什么、专家还值多少钱。

与此同时，新的鸿沟也在形成。会用AI的人与不会用AI的人，能拿到算力资源的公司与拿不到的公司，掌握数据的大平台与没有数据的普通人——差距不是在缩小，而是在以另一种方式拉大。所谓的“技术平权”，目前看来更像是一个美好的开场白。

“冲上月球”到底意味着什么

从KIMI们“冲上月球”的干劲可以窥见，AI行业正在把自己当成“航天工程”来做。目标宏大、时间紧迫、不计成本、全员冲刺。

这种心态在互联网行业不新鲜。当年团购大战、共享单车站战、短视频混战，都是这个打法。但AI的特殊之处在于，它的终点线不是一个商业模式，而是一个可能改变人类文明底层逻辑的东西。

当把通用人工智能当作登月计划来推进的时候，我们实际上在做一件事：把人类智能的演化进程从自然选择的百万年尺度，压缩到人类个体的生命周期之内。

不只是KIMI，GPT-4到GPT-4o用了不到一年，Claude从3到3.5再到3.7也是类似节奏。每一代模型的能力跃迁都在加速。国内除了Kimi，通义、文心、豆包，每一个都在用“下一个版本”来定义自己的存在感。

狂欢之下

眼下的AI行业，泡沫成分不低。大量公司讲着差不多的故事，融着差不多的钱，烧着差不多的算力，最后产出的大模型在能力上并没有拉开本质差距。用户端看起来热闹，但真正愿意付费的、能形成商业闭环的场景，其实屈指可数。资本有耐心，但耐心不是无限的。

更值得警惕的是社会层面的准备不足。当AI能在几秒钟内写出合格的法律文书、画出像样的插画、编出能用的代码，那些以此为生的中产阶级该怎么办？技术史告诉我们，新岗位确实会被创造出来，但转型期的阵痛是真实的——而且这一次，冲击波来得格外快。

还有伦理。大模型从互联网海量文本中学习，不可避免地继承了人类的偏见、谣言和仇恨。当它越来越深地嵌入医疗、司法、教育等关键领域，谁来为它做出的决定负责？

这些问题没有随着技术进步自动解决，反而因为技术的强大而变得更加紧迫。

AI的逻辑很清楚：它是一场由算法突破、算力廉价化和资本饥渴共同驱动的技术海啸。它对人类的意义也很复杂：它既可能是解放生产力的钥匙，也可能是加剧不平等的推手；既拓展了认知的边界，也在悄悄侵蚀独立思考的土壤。

月球就在那里，上去是一定的。但技术从来不自己决定方向，握方向盘的，始终是人。