變革的速度似乎比以往任何時候都快？是的，確實如此。 (Seem Like Change Happening Faster Than Ever? Yes, It Is)
你是否覺得，最近幾年，尤其是談到科技，新東西冒出來的速度快得讓人眼花撩亂？可能你剛熟悉一個新的手機 App，轉眼間大家又在談論更新鮮、更厲害的技術了。這份報告告訴我們，這種「感覺」是真的，世界變化的速度，特別是科技推動的變革，確實比我們以往經歷的任何時期都要快。我們可以從幾個角度來理解這種「加速感」。
網際網路的奠基者之一，文特·瑟夫（Vint Cerf）在 1999 年說過的一句話：「他們說網際網路行業的一年就像狗的一年——相當於普通人生活的七年。」這句話在當時聽起來已經很驚人了。想想看，1999 年是什麼樣的年代？那時候，網際網路正開始席捲全球，新網站、新服務、新的商業模式如同雨後春筍般湧現。人們學習使用電子郵件、瀏覽器，習慣線上購物，這些都是巨大的變化。當時，大家已經覺得這種由網際網路催化的變革速度是「前所未有」的。
然而，現在我們談論的人工智慧（AI），其使用者增長和使用普及的速度，比當年的網際網路還要快得多。如果說網際網路時代是一年抵七年，那麼 AI 時代可能是一年抵十年、二十年，甚至更多。這就像我們習慣了汽車的速度後，突然出現了噴射機，然後又出現了火箭，每一代的加速都遠超前一代。
AI 的「疊加效應」：站在巨人的肩膀上
為什麼 AI 的發展和普及能這麼快？一個核心原因是 AI 並非從零開始。它建立在過去幾十年科技發展的堅實基礎之上。
- 全球網際網路的普及：報告提到，全球網際網路的「軌道」已經鋪設完畢，有 55 億公民可以透過各種聯網設備接入。這意味著，一旦 AI 應用（如 ChatGPT）出現，它可以瞬間觸及全球數十億潛在使用者，而不像早期網際網路還需要等待基礎設施（如電話線、數據機）的普及。這就像已經建好了高速公路網，新的超級跑車（AI 應用）一上路就能立刻發揮其速度優勢。
- 海量數位資料的積累：過去三十多年，人類社會產生並積累了天文數字般的數位資料。這些資料，無論是文字、圖片、影片還是程式碼，都成為了訓練 AI 模型的「養料」。 AI 就像一個超級聰明的學生，可以閱讀和學習人類歷史上幾乎所有的公開知識。資料越多，AI 就越聰明，進步越快。
- 大型語言模型（LLMs）的突破：特別是像 OpenAI 的 ChatGPT 這樣的模型的出現，標誌著一個重要的轉捩點。報告形容這些模型「找到了自由」（found freedom）。這不僅僅是因為模型本身的強大，更重要的是它們配備了「極其易於使用/快速的使用者介面」。想像一下，過去使用複雜技術可能需要專業知識，但 ChatGPT 讓普通人也能透過簡單的對話與強大的 AI 互動。這大大降低了 AI 的使用門檻，使得其普及速度呈指數級增長。這就像以前開飛機需要專業飛行員，現在突然有了一種人人都能輕鬆駕駛的飛行器。
機器本身的學習和進化能力
報告還點出一個關鍵差異：「機器可以超越我們」（the machines can outpace us）。這指的是 AI 系統不僅僅是工具，它們本身具備學習和改進的能力。傳統技術的發展依賴人類科學家和工程師一步步的研發和迭代。但 AI，尤其是機器學習模型，可以透過不斷處理新資料、進行自我訓練來提升性能。這種自我進化的特性，使得 AI 的發展曲線呈現出陡峭的上升趨勢。
這種變革速度的加快並非空談，而是有大量數據支撐的。報告中充滿了各種「向右上角飛奔」（up-and-to-the-right）的圖表，無論是使用者數量、使用頻率、收入增長，還是與之配套的研發投入和資本支出圖表，都清晰地展示了這種前所未有的增長態勢。
- 使用者增長和地域擴散：例如，報告中 Chart 2.1（第 4 頁）比較了網際網路和某領先美國 LLM（大型語言模型，很可能指 ChatGPT）在北美以外地區使用者佔比的增長情況。可以看到，在發展的第三年，該 LLM 在北美以外的使用者比例已經達到了 90%，而網際網路則是在第 23 年才達到類似的水平。這直觀地顯示了 AI 應用的全球擴散速度遠超早期網際網路。
- 科技巨頭的資本支出：Chart 2.2（第 4 頁）展示了美國六大科技公司（蘋果、 NVIDIA 、微軟、 Alphabet 、亞馬遜 AWS 、 Meta）的資本支出（CapEx）從 2014 年到 2024 年大幅增長，尤其是在 AI 興起後，這個增長曲線變得更加陡峭。這表明科技巨頭們正在以前所未有的規模投入資源到 AI 領域，這本身就是變革加速的一個重要驅動因素和體現。
- 晶片生態系統的開發者數量：Chart 1（第 4 頁）展示了某領先晶片製造商（很可能指 NVIDIA）生態系統中的開發者數量，從 2005 年的少量增長到 2025 年預計的 600 萬。開發者是技術創新的生力軍，其數量的激增直接反映了 AI 領域的活力和發展速度。
這種史無前例的變革速度是由多方面因素共同作用的結果，並且它也帶來了深遠的影響。
- 創業者、投資者和消費者的積極參與：報告指出，AI 領域的創業者們在創新、產品發布、投資併購、現金消耗和融資方面表現得「異常積極」。同時，傳統科技巨頭也將大量自由現金流投向 AI，以期推動增長並抵禦新興挑戰者。消費者則因為 AI 工具的易用性和強大功能而迅速接納。這種全方位的參與，形成了一個正向循環，不斷推高變革的速度。
- 全球競爭的加劇：特別是中美兩國在科技發展上的競爭，為 AI 的發展注入了強大的外部推動力。每個國家和主要科技公司都擔心在 AI 競賽中落後，這種「不進則退」的壓力迫使所有參與者加速前進。報告在第 7 頁引用 Meta 首席技術官 Andrew Bosworth 的話，將當前的 AI 競爭比作「太空競賽」，並強調「你必須確保自己永遠不會落後」。
- 知識傳播方式的革命：從 1440 年印刷術的「靜態+物理傳播」，到 1993 年網際網路的「主動+數位傳播」，再到 2022 年以 ChatGPT 為代表的生成式 AI 帶來的「主動+數位+生成式傳播」。每一次知識傳播方式的飛躍都極大地加速了社會的發展。生成式 AI 的出現，使得知識的獲取、創造和分發效率達到了新的高度。以前，我們需要主動去搜索資訊，現在 AI 可以直接為我們生成、總結、甚至創造知識。這種轉變本身就是變革加速的核心體現。
- AI 技術本身的複利效應：
- 訓練資料集的規模：用於訓練 AI 模型的資料量（以詞彙數量計）在過去 15 年裡以年均 260% 的速度增長。
- 訓練 AI 模型的算力：所需的計算能力（以 FLOPs 計）在過去 15 年裡以年均 360% 的速度增長。
- 演算法改進帶來的有效算力提升：僅僅透過改進演算法，AI 模型的性能在過去 9 年裡每年提升 200% 。
- AI 超級電腦性能的提升：領先的 AI 超級電腦性能在過去 6 年裡每年增長 150% 。
- 強大 AI 模型的數量：每年發布的新的大型 AI 模型數量在過去 4 年裡以年均 167% 的速度增長。
- ChatGPT 的驚人增長：其使用者、訂閱者和收入的增長速度「前所未見」。
- 達到 3650 億次年搜索量的時間：ChatGPT 僅用了 2 年，而 Google 用了 11 年，速度快了 5.5 倍。
這些數據都指向一個結論：AI 技術的發展不是線性的，而是呈現出複利式的、爆炸性的增長。每一個環節的進步都在為下一個環節的更大進步奠定基礎，從而使得整體變革的速度越來越快。我們不再是簡單地看著世界變化，我們正在被這股加速的洪流裹挾著前進。這既帶來了巨大的機遇，也帶來了前所未有的挑戰。理解這種「加速」的本質，是我們適應這個時代的第一步。