AI 真的在指數級成長？

AI 是否正在指數級成長是一個敘事問題。近年大型模型的能力確實快速提升，從文字生成、程式撰寫，到圖像、影片、語音與代理任務，進步幅度足以改變很多人的工作方式，但「進步很快」與「指數級成長」不是同一件事。前者描述現象，後者暗示一種幾乎不可阻擋的未來：能力會不斷加速，成本會不斷下降，所有行業都必須立即重組，否則就會被淘汰。當這個說法被企業、投資者、媒體和政策討論反覆使用，它就變成一種共同信念。

這種故事有力量，因為同時滿足幾種需要。對 AI 公司而言，指數級成長可以證明自己是創造下一個基礎設施。對投資者而言，它提供高估值的理由，因為只要未來足夠大，現在的虧損和成本都可以被視為必要投入。對企業管理層而言，它製造一種不能等待的壓力，令導入 AI 由選項變成義務。對一般人而言，它則把一種複雜的技術變化，壓縮成容易理解的方向感：未來會更快、更強、更自動化，人只能跟上，問題在於它們把很多不確定性包裝成了一條單向曲線。

關鍵是 AI 的進步不只取決於模型參數、算力和資料量，還取決於資料品質、訓練成本、能源供應、晶片限制、監管壓力、產品場景、用戶信任以及企業是否真的能把模型嵌入日常流程。模型在測試中表現更好，不代表它在真實工作裡一定能穩定替代人。一次展示可以很驚人，但長期使用需要可控、可追問、可修正和可承擔後果。很多 AI 產品最初令人震撼，進入日常後才暴露限制：產生錯誤、誤解語境、在需要責任的位置上顯得不可靠。這些問題會令「一路加速」的想像變得不那麼簡單。

指數級故事改變人的判斷方式，最明顯的地方是它令懷疑本身變得像落後。當所有人都相信 AI 即將重塑一切，企業就很難承認自己仍未找到有效用途，政府很難放慢監管與部署節奏，個人也很難承認自己其實不清楚該學甚麼。於是很多決策是來自害怕錯過。公司購買 AI 系統，因為不想在董事會面前顯得遲緩。員工學習各種工具，因為害怕自己被新標準排除。這種集體反應本身會反過來強化故事，令「大家都在做」看起來像「事情必然正確」。

AI 的技術進步是真實的，但圍繞它形成的時間表、規模想像和必然性敘事會比技術本身走得更快。當一個產業太依賴「未來會更快」來支撐現在的行動，它就會越來越難討論放慢、瓶頸和失敗，因為一旦承認成長不是永遠加速，很多估值、計劃和組織轉型就需要重新校準，而社會是否已經把一種可能性當成必然性？AI 的未來仍然重要，但理解它的第一步便是重新分辨哪些是能力的增長，哪些只是我們對增長的想像。