AI 的重度使用者正與其他人漸行漸遠。

在一個不斷變化的產業中，史丹佛大學的 AI 指數（一份年度關鍵結果與趨勢的彙整）提供了一個喘息的機會。（畢竟，這是一場馬拉松，而非短跑。）

今年發布的報告充滿了驚人的數據。其中許多價值在於能用數字來佐證你可能已經有的直覺，例如美國在 AI 領域的投入比其他國家更積極的感覺：美國擁有 5,427 座數據中心（且數量還在增加）。這比任何其他國家的數量多出十倍以上。

報告也提醒我們，AI 產業所依賴的硬體供應鏈存在一些主要的瓶頸。或許最值得注意的一點是：「一家公司，台積電，生產了幾乎所有領先的 AI 晶片，這使得全球 AI 硬體供應鏈依賴台灣的一家晶圓廠。」僅僅一家晶圓廠！這實在太驚人了。

但我從 2026 AI 指數中獲得的主要體會是，目前的 AI 狀態充滿了矛盾。正如我的同事 Michelle Kim 在她關於該報告的文章中所說：「如果你有關注 AI 新聞，你可能會感到暈頭轉向。AI 是一場淘金熱。AI 是一個泡沫。AI 正在取代你的工作。AI 甚至連看時鐘都不會。」（史丹佛報告指出，Google DeepMind 的頂級推理模型 Gemini Deep Think 在國際數學奧林匹亞競賽中獲得金牌，但卻有一半的時間無法辨識類比時鐘。）

Michelle 很好地涵蓋了報告的重點。但我想要深入探討一個我無法擺脫的問題。為什麼現在如此難以確切了解 AI 的發展狀況？

最大的差距似乎存在於專家與非專家之間。「AI 專家與公眾對該技術的發展軌跡有著截然不同的看法，」AI 指數的作者寫道。「在評估 AI 對就業的影響時，73% 的美國專家持正面態度，而公眾只有 23%，差距高達 50 個百分點。在經濟和醫療保健方面也出現了類似的分歧。」

這是一個巨大的差距。究竟是怎麼回事？專家知道而公眾不知道什麼？（這裡的「專家」指的是 2023 年和 2024 年參加 AI 會議的美國研究人員。）

我懷疑，專家與非專家基於非常不同的經驗來形成他們的觀點。一位軟體開發者前幾天在 X 上發文說：「你對 AI 的驚嘆程度與你使用 AI 編碼的程度完全相關。」這或許是開玩笑，但確實有其道理。

頂尖實驗室最新的模型在生成程式碼方面比以往任何時候都更好。由於像編碼這樣的技術任務有正確或錯誤的結果，因此比訓練模型處理更開放式的任務更容易。此外，能夠編寫程式碼的模型已被證明是有利可圖的，因此模型製造商正在投入資源來改進它們。

這意味著，使用這些工具進行編碼或其他技術工作的人們，正在體驗這項技術的最佳狀態。在這些使用案例之外，你會得到一個參差不齊的結果。大型語言模型（LLMs）仍然會犯愚蠢的錯誤。這種現象被稱為「鋸齒狀前沿」（jagged frontier）：模型在做某些事情上表現得非常好，而在其他事情上則不然。

有影響力的 AI 研究員 Andrej Karpathy 也有一些想法。他在回覆該 X 貼文時寫道：「從我的 [時間軸] 來看，對 AI 能力的理解存在日益擴大的差距。」他指出，重度使用者（也就是那些使用 LLMs 進行編碼、數學或研究的人）不僅能跟上最新模型的進展，而且經常願意每月支付 200 美元來使用最佳版本。「這些領域在今年取得的進步簡直令人震驚，」他繼續說道。

由於 LLMs 仍在快速進步，一個付費使用 Claude Code 的人，實際上將使用與六個月前嘗試使用免費版 Claude 來規劃婚禮的人不同的技術。這兩組人正在各說各話。

這讓我們處於什麼位置？我認為存在兩種現實。是的，AI 比許多人意識到的要好得多。是的，它在許多人們關心的問題上仍然很糟糕（而且可能一直如此）。任何在這兩方面對未來下注的人都應該記住這一點。