AI这30个月的变化到底有多快?看完7张图你就明白了

8次翻倍、180个模型越过GPT-4、一道研究生级题目的成本降到1/725。当AI的刻度从”会不会 […]

8次翻倍、180个模型越过GPT-4、一道研究生级题目的成本降到1/725。当AI的刻度从”会不会”变成”能干多久”,每一个靠时间换收入的人,都该重算一遍自己的账。

先看两个数字。2024年,给AI一句提示词,它能独立完成4分钟的人类工作。2026年4月,这个数字是17个小时。中间隔了8次翻倍。8次翻倍是256倍,而且在两年多的时间里,平均每三四个月就翻一次——不是越来越慢,是对数坐标上一条几乎不弯的直线。

说这话的人是 Ethan Mollick,宾夕法尼亚大学沃顿商学院教授。2024年初他出版了《Co-Intelligence》,2026年10月20日出版第二本《Co-Existence》。两本书之间,正好30个月。

在新书出版当天,他用7张图把这30个月复盘了一遍,标题很朴素:《指数上的30 个月》。

这篇文章值得每一个不在AI行业的人读,原因不是它讲了什么新技术,而是它把一件很抽象的事变成了可以对齐的刻度——AI能干多久的活。这个刻度一旦成立,我们对”一个人的价值”的传统算法就失效了一半。

30个月关键数据速览

观察维度 30 个月前 现在
单次提示词可独立完成的工作量 4 分钟 17 小时(约 256 倍)
榜首模型在位时长 GPT-4,352 天 最短 15 天,20 个模型轮流登顶
超越 GPT-4 初始水平的模型数 1(GPT-4 自己) 180 个,其中 19 个可跑在手机上
一道 GPQA 题目的推理成本 30 美分 0.04 美分(同价可买 725 次)
与人协作的方式 聊天、逐步引导 派活给智能体、验收结果

先看一个被忽略的细节:连”做图”都从操作变成了派活

Mollick这篇文章里最容易被跳过的,是开头的一段自述。写第一本书时,他做图的方式是”跟AI在聊天窗口里来回磨”——你提一句,它给一版,你改一句,它再改。人是操作工,AI是工具,每一步都得你带着。

这一次不一样。他给AI几句建议,然后就不管了。检索、作图、版式、配图、引用,几分钟全部出来。他用的是Claude Projects里的Opus 5.5,只跟一个”调度者”对话,调度者再按需分出一堆子智能体去干活,把结果转回来。

因为活不是他干的,他就让AI出了很多版本。他挑了几个,对剩下的给了一句能把任何设计团队逼疯的反馈:”再改好点”。

AI甚至发现他算错了数——他本来打算把文章叫作《指数上的28个月》,AI把两个口径摆清楚:从出版到出版是30个月,从交稿到交稿是28个月。他自己回了句”30 months is fine”,标题才定下来。

这个细节的分量在于:它不是一次演示,是一次工作方式的迁移。操作工和甲方,是两种完全不同的能力结构。操作工要懂每一步怎么做;甲方只要知道要什么,以及什么算做好了。前者靠手艺,后者靠判断。这中间隔着的,就是 30 个月。

352天与15天:能力不再稀缺,稀缺的是比较

Mollick在上一本书里写过一句话,30个月过去,每个时刻都还成立:”这是你此生用过的最差的AI。”原因很直接:每次你觉得”就这?”的时候,下一代已经在路上了。

2023年初到2024年初,世界上只有一个模型能毫无争议地叫最强——OpenAI 的 GPT-4。它在王座上坐了352天。大多数人回忆AI的头两年,想到的就是它;它也是让ChatGPT变成很多人”默认AI”的那个东西。

AI这30个月的变化到底有多快?看完7张图你就明白了

从那以后,20个模型先后坐上过第一的位置,全部来自Anthropic、Google、OpenAI三家。在位时间一路变短,最短的只有15天。榜首两周一换,说明三家在贴身肉搏。

AI这30个月的变化到底有多快?看完7张图你就明白了

但比”谁第一”更值得看的,是另一组数字:今天有180个模型,比GPT-4刚发布时更强。274个被测模型里,180个越过了GPT-4那条线,93个还在线下面,剩下那个就是GPT-4自己。

这180个里,很多是开放权重模型——权重可以下载,可以跑在自己的机器上,数据不用发给任何一家公司。其中19个,能在一台现代手机上跑起来。

这条信息对普通人的意义,不是”国产模型崛起了”或者”开源赢了”。而是:

  • 三年前你要费不少力气才够到的东西,现在是默认配置。
  • 当能力变成默认配置,能力就不再是筹码。

这是所有技术普及史上最残酷的一条规律:稀缺性从来不在能力本身,而在”谁能拿到能力”。印刷术普及之后,识字不再是特权,会写什么才成了特权。

8次翻倍:这是30个月里最不该被忽略的一条直线

AI这30个月的变化到底有多快?看完7张图你就明白了

如果这篇文章只能记住一件事,请记住METR的那个基准。METR是一家评估前沿模型能力与风险的非营利机构,前身是ARC Evals。它测的东西很朴素:只给一句提示词、没有任何人中途插手,AI能以至少 50% 的成功率独立完成多少人类工作量。

关键词是”独立”。你要是坐在旁边随时救场,这个数字就不作数。这条标准把”AI看起来很能干”和”AI真的能干完”区分开了,也是它比任何演示视频都可信的原因。

结果是这样的:

  • 从GPT-4发布到METR停止测量,这个数字翻倍了8次;
  • 2024年,是4分钟;
  • 2026年4月,也就是Mollick交书稿的时候,是17个小时。

17小时是什么概念?按8小时工作日算,是两天多。你过个周末回来,它已经干完了你两天才能干完的活。而且要看清这条曲线的形状:8次翻倍不是”越来越慢”,在对数坐标上它是一条直线——每次翻倍花的时间差不多,摊到这段区间里,大约每三四个月翻一次。

如果进步在放缓,线会弯下去。它没有弯。然后是第二个信息,比第一个更值得警惕:基准不够用了。METR说,用现有的方法已经无法准确测量AI能干多少活。其他研究给出的估计是:17周以上。

从4分钟,到17小时,到可能是17周。测量工具追不上被测量的对象,这本身就是一种信号。

725倍:价格塌方的真正后果

能力在涨,价格在跌,而且是同时发生。Mollick最爱用的一个老基准叫GPQA(Google-Proof Q&A)——出的题连谷歌都搜不到答案,经常把研究生难住。

AI这30个月的变化到底有多快?看完7张图你就明白了

过去让AI答对一道这样的题,光使用成本要30美分。现在拿到同样的结果,只要 0.04美分。

同样30美分:过去买1道题的正确答案,现在能买725道。很多人看到这里会想”省钱挺好”。但价格下降从来不只是财务问题,它改变的是使用行为。

这里有个很实用的判断法则:当一个东西的单位成本下降两个数量级,人们对它的用法就会从”关键处用一次”变成”先跑十个版本再挑”。

以前你只在最关键的地方问AI一次,因为每一次都贵、都要等。现在你会让它先出十版,你只负责挑。以前”跑一次太贵”的实验,现在变成了可以随便跑的实验。

这一步跨过去,人在这条链条上的位置就变了:从”生产者”变成”选择者”。而选择能力,恰恰是最难被批量化生产的那种能力。

一圈锯齿:98、110、20

看到这里,容易走向两个极端。一种说法是:跑分好看,不代表好用,AI还是老出错。另一种说法是:既然这么强,那人基本没用了。

Mollick的判断是:这两种都只说对了一半。AI能力的前沿是锯齿状的,和30个月前一样锯齿。有些地方一直顽固地弱——AI至今是相当差的长文写作者。有些地方却在同一段时间里从糟糕透顶变成超出人类水平,比如解数学题。

AI这30个月的变化到底有多快?看完7张图你就明白了

他给了228个任务的分布:98个任务在30个月前就会做,110个是这两年才学会的,还有20个到今天也做不了。按任务耗时排成一圈圈同心圆,最内圈是1分钟的任务,最外圈是30小时的任务。

最关键的观察是:”会不会”和”朝哪个方向”无关。同一圈上,有的格子已经填上了,紧挨着的还是空的。这就是”锯齿”的含义——它不是一条平滑推进的边界,而是一排高低不平的牙。

而这个锯齿对个人的含义,Mollick说得很直接,我觉得也是全文最实用的一句:

别问”AI会不会取代我的工作”,要问”我这份活里,哪几段在锯齿里面,哪几段在外面”。里面的交出去,外面的守住。

还有一个更贵的判断:即使在AI很强的领域,那些小缺口也会创造出对人类的大量需求。什么叫小缺口?它能写出一套能跑的代码,但有个函数偶尔返回错的结果;它能出一份完整报告,但某个口径悄悄错位了。缺口不大,但必须有人发现它、兜住它。

所以真正值钱的,不是”会写””会做”,而是知道它会在哪里错,以及错了之后怎么补。会做,已经不是门槛。判断哪一版能用,才是。

第三种关系:召唤者,以及一种新技能叫”验收”

30个月里,变化的不只是AI的能力,还有人和它的接口。Mollick把协作方式分成了三代。

AI这30个月的变化到底有多快?看完7张图你就明白了

第一代:centaur。人和AI分工,你一段它一段,像交接班。适合那种”这部分我亲自来、那部分给它”的活。

第二代:cyborg。人和AI混在一起,来回接力,像两个人骑一辆车。你写一段它改一段,它写一段你改一段。

这两代的共同点是:你始终在回路里。它们适合”这件事我要亲自把关”的工作.但一个人同时能盯住的回路,终究就那么几个。当活多得推不过来,这两种方式就撞墙了。

于是有了第三代:conjurer。在需要的时候召来智能体,把活分下去,然后验收拿回来的东西。这里有个很形象的比喻:centaur和cyborg像工位上的同事,召唤者像包工头。包工头不需要会砌每一块砖,但他必须能一眼看出这面墙会不会倒。

Mollick说这是目前最强的用法,同时带着一个以前没有过的风险:你正在失去对”它到底做了什么才拿到这个结果”的掌控。它给你一个结果,不给你过程。你要么信,要么从头查一遍。

所以”召唤者”这条路真正抬高的能力,不是发指令的能力——发指令正在变得越来越不重要——而是验收能力:

  • 它做得对不对?
  • 好到什么程度?
  • 有没有更省事的做法?

判断不了,召唤者这条路的效率会比你自己干还低。你会花两小时验收一个十分钟就能自己做完的东西,然后得出”AI不好用”的结论。活是它干的,责任是你的。这句话在30个月里没有变过,只是现在它变成了日常。

水獭测试失守:提示词不重要了,审美才开始重要

Mollick有个坚持了三年的土办法:用同一句提示词测AI的图像和视频工具——”在飞机上用WiFi的水獭”。土,但有用。跑分可以注水,同一个提示词、同一个题材、隔这么久纵向一比,没法作假。

30个月前,最好的图像生成器Midjourney画出来的那只水獭,其实挺漂亮:机舱、舷窗、笔记本、打光都对。但握笔那只爪子的结构是错的。那就是当年的水平。

今天他换了句提示词,错别字都留着:”我在写一篇讲过去30个月AI发生了什么的文章,为了纪念我的新书(在原书30个月后出版)。我想让你做史上最强的’在飞机上用WiFi的水獭’视频。就做点了不起的东西,我知道你有创造力,去试吧。”从脚本到画面、到概念、到音乐、到把它做出来的全部技术细节,AI自己搞定的。他没帮任何忙。

视频有几处瑕疵。但意义不在视频好不好看,在于:变的就是这个。不问”能不能”了,只问”多久”。这条经验对非技术岗位的冲击其实更大。过去两年,很多人花了不少时间学”提示词工程”——背模板、记句式、研究”魔法咒语”。而 Mollick这次的提示词里带着错别字,还夹着”就做点了不起的东西””我知道你有创造力”这种近乎撒娇的表述。它照样做出来了。

也就是说,当表达方式的门槛塌掉之后,真正的差距就回到了它本来该在的位置:你要的东西,脑子里到底清不清楚。指令不再是核心竞争力,品味才是。因为当十个版本摆在你面前,你凭什么挑出那个对的?

这是我们谈论AI最少的时候

Mollick那篇文章里有一个标题,我觉得是对当下最准确的判断:”This is the least we will ever talk about AI.”这是修辞,也不是修辞。

它的意思是:以后每隔一年回头看,你都会觉得”当时我们聊AI聊得太少了”——因为它在生活和工作里的占比只会更大。他画了一条从《Co-Intelligence》出版到今天的时间线,把成就和争议挤在同一张图上。他自己承认漏掉了几百件重要的事——就算有 AI 帮忙,所有人都跟不上。

AI这30个月的变化到底有多快?看完7张图你就明白了

看那张图不要一行行读,看密度:2024年那一段还稀,2026年的十个月里挤了18条。这张图想说的不是”事情多”,是”多到没人跟得上”——包括写这篇文章的人自己。

对普通人来说,这里面有一个很现实的推论:AI的信息流已经从”可以关注”变成了”无法追踪”。这意味着两件事:

  • 追新闻没有意义了。你今天记住的模型名字,三个月后大概率已经不在榜首。
  • 追趋势才开始有意义。趋势是三句话就能说清的,新闻是每天三十条也说不完的。

而这三个趋势,Mollick自己总结得很干净:进度是指数式的,但水平是锯齿状的;价格在快速降低,能力在涨;人与AI的关系,正在从”对话”变成”派活”。前两句是关于AI的,第三句是关于你的。

人还剩什么,以及三类人该怎么算自己的账

Mollick的答案是四样东西。这四样,恰好是这30个月的加速最没有削平的部分。

深知识。在一个领域钻到别人没下去过的深度。AI的答案永远来自公共语料的交集,而真正的深知识,往往在交集之外。

广知识。能跨领域把不相干的东西连起来。这一条有点反直觉——AI最擅长的不就是跨领域吗?但AI的连接是统计意义上的相关,人的连接是”这两个东西本质上是一回事”的洞察。前者可以穷举,后者不能。

品味。几个方案摆在你面前,你能挑出更好的那个。这一条随着”生成”变便宜,正在急速升值。当生产一份初稿的成本趋近于零,稀缺的就只剩判断。

主动性。没人推你,你也愿意把事推到底。这是唯一一条完全无法被自动化替代的——因为自动化本身就需要有人按下开始键。

把这四条放回现实,就变成了具体的问题。不同位置的人,账的算法不一样:

如果你是一线执行者:你的初稿、你的初版方案、你的第一轮资料整理,相当一部分会被拿走。真正的变化是——初稿不再稀缺,判断哪一版能发出去才是你的活。别再花时间证明”我能写得快”,去证明”我能看出哪里不对”。

如果你是管理者:你要决定的不是”用不用”,而是哪些活交出去、怎么验收。这两件事以前是流程问题,现在变成了判断问题——因为执行的成本掉下来了,试错的次数变多了,你必须能在一堆差不多的结果里挑出对的那个。管理者的新工作量,不在分配任务,在设定验收标准。

如果你刚入行:最需要清醒的一条:你正在学的那套手艺,保质期比上一代人短得多。过去一门技能的半衰期可能是十年,现在可能是三年。这不是让你别学,是让你把”学习方法”本身当成核心技能——学什么会过期,怎么学不会。

如果你在带团队做AI落地:最常犯的错,是把AI当工具采购,而不是当工作方式重构。工具的收益是线性的,工作方式重构的收益才是指数的。而重构的起点,永远是先回答”我们哪几段活在锯齿里面”,而不是”我们该买哪个模型”。

每三个月,重问一次

Mollick这篇文章里,我最喜欢的是一个很轻的细节。他本来想把标题里那个”28个月”留着,因为从交稿算起确实是28个月。AI提醒他口径不一致,他回了句”30 months is fine”,然后用了30。

一个研究AI三年的人,在写一篇关于AI的文章时,被AI纠正了一个数字。他没有因此不安,也没有因此兴奋,只是改了个数,继续写。这大概就是”共存”这个词的真实含义——不是谁取代谁,是你已经默认它在场了。

如果这篇只留三句话,我会留这三句:

  • 进度是指数式的,但水平是锯齿状的。
  • 价格在快速下降,能力在快速上升。
  • 你跟 AI 的关系,正在从”对话”变成”派活”。

如果只留一个动作,我会留这个:别问AI现在会不会做你的活,问它一次能干多久。然后每三个月,重新问一遍。

因为三个月之后,答案会不一样。而你的位置,取决于你有没有在那三个月里,把自己挪到锯齿的外面。

参考来源:Ethan Mollick, “30 Months on the Exponential (in Charts)”, One Useful Thing, 2026-10-20,https://www.oneusefulthing.org/p/30-months-on-the-exponential-in-charts

💬 评论
🔗 本文链接

以专业为基,引领科技向善向新

Rooted in professionalism, we lead technology toward social good and innovation.

数智化转型网 · 了解更多产业资讯与选型数据 →

📰 你可能也喜欢

a04_01.jpg 人工智能专题

当地图”取代”讲故事”:智能体市场的一个新信号

智能体赛道从不缺新故事,缺的是全景图。最近,CXOU®AI研究院对外预告了一张"智能体建设地图":18个行业、223个子行业、1263个智能体条目、15个职能域…
📅 11-20 · 👁 2026年11月20日
a02_01.png 人工智能专题

AI没有消灭岗位,它重写了岗位职责——一份写给所有人的AI时代就业简报

11月10日,Lenny Rachitsky发布了2026年的第二份《科技就业市场报告》。这份基于TrueUp(追踪全球9,000余家科技企业公开招聘职位)与L…
📅 11-19 · 👁 2026年11月19日
a01_01.png 人工智能专题

哈佛商业评论HBR:人机协作的七大隐形成本

11月11日,哈佛商业评论HBR发了一篇文章,题目叫《The Hidden Costs of Delegating to AI》——把任务交给AI的隐性成本。作…
📅 11-19 · 👁 2026年11月19日
wx_01.png 专题栏目

AI给自由职业者带来了哪些影响?

2026年11月,OpenAI Economic Research与Upwork(自由职业者平台)联合发布了一份研究,题为《The Rebundling of …
📅 11-19 · 👁 2026年11月19日
数智化转型网GEO专题 GEO专题栏目

对话式 AI 引用的内容特征:四要素构建法

对话式 AI(如 ChatGPT、Claude、文心一言)的引用特点与传统搜索结果不同:它们倾向于连续对话中引用一致的信源,引用可能涉及多个段落,引用偏好结构清…
📅 09-27 · 👁 2026年9月27日
数智化转型网GEO专题 GEO专题栏目

GEO 平台评估:2026 年企业选型时需要关注的六大核心指标

GEO 平台评估:2026 年企业选型时需要关注的六大核心指标
📅 09-27 · 👁 2026年9月27日