AI 這 40 個月 — 哪些預測成真了，哪些還在畫大餅

從 ChatGPT 發布到現在剛好 40 個月，作為一個從第一天就開始玩的技術人，我想聊聊這段期間到底發生了什麼，還有當初那些預測現在看起來有多荒謬(或準確)。

成真的預測：比想像中快

LLM 會變便宜 — 這個完全猜對了。GPT-4 剛出來時每千 token 要 $0.03，現在各種開源模型跑在本地基本免費，Claude、GPT 的價格也砍到骨折。當初說「AI 太貴了一般人用不起」的人，現在大概很尷尬。

程式碼生成會很實用 — GitHub Copilot 從玩具變成必需品，現在不用 AI 寫 code 反而像在自虐。我自己的觀察是，它對 boilerplate code 的幫助最明顯，寫 CRUD、寫測試、寫 config 都能省一半時間。雖然複雜的業務邏輯還是要自己來，但效率提升確實很有感。

大公司會瘋狂砸錢 — Microsoft 砸 130 億給 OpenAI，Google、Amazon、Meta 各種 AI 投資數以百億計。這波錢燒得比當年 dot-com 泡沫還誇張，但至少這次有實際產品能用。

落空的預測：還在等

AGI 在 2025 — Sam Altman 當初說 AGI 可能在 2025 年出現，現在看起來...嗯，除非他們有什麼黑科技沒公開。目前的 LLM 雖然很強，但距離「真正的」通用人工智慧還有一大段距離。多模態、推理能力、長期記憶這些都還有很多問題要解決。

AI 會大量取代工作 — 這個預測太極端了。確實有一些工作被影響(客服、內容農場)，但大部分職業變成「人 + AI」的模式，而不是直接被取代。程式設計師沒有消失，反而需要學會怎麼跟 AI 協作。

所有軟體都會內建 AI — 理論上對，實際上很多還在硬塞。不是每個功能都需要 AI，很多公司就是為了趕潮流把 AI 功能塞進去，用戶體驗反而變差。真正有價值的是那些解決實際問題的 AI 功能，而不是炫技。

沒人預測到的轉折

開源模型這麼強 — Meta 的 Llama 系列根本是意外之喜。當初大家以為只有 OpenAI、Google 這種大廠能做出好模型，結果開源社群直接打臉。現在 Llama 3.3 的表現已經逼近 GPT-4，而且免費。

中國的追趕速度 — 字節跳動、阿里、百度的模型進步神速，雖然在某些任務上還有差距，但已經不是完全被碾壓的狀態。Kimi、通義千問這些產品在中文處理上甚至有優勢。

AI Agent 這麼難做 — 大家都在講 AI Agent，但真正能用的產品還是很少。技術上看起來不難(就是讓 LLM 呼叫工具嘛)，實際做起來各種邊際情況、錯誤處理、使用者體驗都是坑。

技術人的觀察

這 40 個月最大的感受是：hype cycle 真的很準。從最初的瘋狂吹捧，到現在開始理性看待，AI 正在走向「boring technology」— 就是變成基礎建設，大家不會特別討論，但默默在各種地方被使用。

另一個觀察是基礎設施的重要性。OpenAI API、Hugging Face、各種 vector database，這些讓普通開發者也能快速建構 AI 應用。不用自己訓練模型，專注在產品邏輯上就好。

最後是數據品質決定一切。再強的模型，餵垃圾數據就是垃圾輸出。很多公司花大錢導入 AI，結果因為數據不乾淨效果很差。這提醒我們技術只是工具，關鍵還是在應用和數據。

下個 40 個月會怎樣？

我覺得會更無聊，也更實用。炫技的階段過了，接下來是真正解決問題的階段。AI 會變得像資料庫一樣 — 你不會特別提「我們用了 MySQL」，但它就在那裡默默工作。

這對技術人來說其實是好事，表示這個技術成熟了，可以專注在用它來做有價值的產品，而不是追逐最新的 paper。

<h2>延伸閱讀</h2> <ul> <li><a href="/blog/is-anybody-else-bored-of-talking-about-ai">AI 話題聊膩了嗎？開發者的疲勞症候群觀察</a></li> <li><a href="/blog/coding-agents-reshaping-epd">Coding Agent 正在改變工程、產品、設計的協作方式 — 但改變的不是你想的那個</a></li> <li><a href="/blog/thinking-fast-slow-and-artificial-how-ai-is-reshaping-human-reasoning">Thinking Fast, Slow, and Artificial: How AI Is Reshaping Human Reasoning</a></li> </ul>