回看 AI：过去的经验与今天的思考

2022年，ChatGPT公开了GPT-3.5和GPT-3.5 Turbo。这类模型可以处理翻译、对话等通用任务。我记得，起初它只是一个新奇的聊天机器人。人们很快接受了它，随后又开始质疑：它到底能做什么？到了2023年，我开始在工作中大量使用Tab键补全代码。那时的Codex只能生成一两行代码，还经常出错。2024年，一些全自动的Agent陆续出现，但直到2025年底，能在文件、项目层面工作的AI仍然不多。我大量使用Copilot Chat生成函数和文件，随后仍需要反复检查、修正。

2026年初，我开始使用OpenCode、Claude Code、Codex和GitHub Copilot。随着模型进步，Coding Agent飞速发展。从2025年到2026年初，短短几个月，它们就席卷了我所有的项目开发。我还记得，2024年做RAG时，有许多开源框架在处理模型编排、思维链和检索辅助生成（RAG）。可没过多久，这些工作便被进步中的模型和Coding Agent接管了。现在，还有谁记得RAG？

AI对我工作的影响是巨大的。身处一个极易被AI替代的行业，又很早就接触了AI，我深切体会到了这种变化。我还记得，每个阶段里，自己、社会和行业分别抱有怎样的预期。起初，我觉得只要解决幻觉问题，AI就有潜力成为基础设施的一部分，让软件可以通过非编程的方式来编排。但当时的现实是，GPT的上下文只有4-8K Token，生成的代码还会出错。我试着把编译器报出的异常交给它，效果也不理想。亲身使用的感受，与想象中的可能性相去甚远。

到了今天，我想抛开所有线性思维。过去三年，AI帮我实现了许多想法，我用它开发软件、快速验证，也亲历了模型性能、规模和价格的巨变。我觉得，这些变化还远未结束。

如今，很多AI产品的界面仍是一个聊天框。但未来，AI需求的主体或许根本不需要这个聊天框，因为那些需求不再需要人类参与。OpenAI、Anthropic等企业正在大量供应廉价、能胜过99%人类的智能。人类正从智能短缺，走向智能供应充足的时代。今天我使用的GPT-6 Astra，上下文已经达到1.2M，是GPT-3.5的数十倍。

这种智能最终会扮演什么角色？培养一名翻译，可能要花10年时间，而一个大模型就能以极低的价格取代他。许多办公室工作也是如此。LLM是一种具有规模效应的智能：人需要一个个培养，AI却不需要。

在前AI时代，智能几乎等同于计算、等同于程序。LLM虽然也是数学模型，归根到底仍是计算，却以一种意想不到的方式，展现了处理文字和图像这类复杂、不确定任务的智能。随着数据增长——既包括互联网上产生的数据，也包括使用过程中通过互动创造的数据——这种智能更容易扩张。

它能做的，或许不只是“帮助一个白领完成原先需要5个人才能完成的任务”，还可能从Agent变成一个与现实中的人类具有对等地位的实体：几乎不需要人类操作，便能在服务、技术和商业背后运行。它的作用，也不完全是取代某一个人。目前，有人猜测OpenAI、Anthropic等企业或许已经掌握了RSI（自我进化智能）。也就是说，原本作为软件系统的AI，最终可以改善自身性能，而不只是作为“第三者”参与已有的软件、应用和服务。

这样的改变是巨大的，也让我看到了未来就业市场的暗淡。我们或许还只处在就业冲击的早期，AI最终的渗透率可能比我想象的高得多，如同Excel一样普及。区别在于，熟练掌握Excel，还能让你继续做会计、做财务；拥抱AI虽然已是必然，却不能保证你仍有一份白领工作。

如果AI不再以满足人类需求为前提，它为什么还需要继续运行？最近，OpenAI完成了许多数学证明。其中更多是那些已知存在证明，却因过程过于复杂而迟迟未能由人类完成的证明。这验证了一种可能：AI可以通过自身运行，代替人类不断拓展研究的边界，在前沿持续工作。而前沿研究的需求总是供不应求。另一个方向，是由AI维护现有的软件系统和服务，人类的干预越来越少。这宣告了软件行业的消亡。

回头看，今天AI做到的，已经远远超过三年前我的预期。那时，我想到的还是第二个TikTok那样的杀手级App；今天，AI甚至可以不依赖人类用户而存在。

巨变仍在继续。AI正在普及规模和研究前沿两个方向上扩展：越来越多的廉价Token让模型的市场需求加速增长，大批量的数学证明则已经展示了它在前沿研究中的能力。你我都身处这场巨变，亲眼看着AI的用途，逐渐无法再仅用“人类需要”来理解。