不知道多少人跟我有相似的感受。
每天打开手机推送，大模型在不断迭代，benchmark 分数也水涨船高。但与之相对的是，AI 的使用体感并没有很大的提升。
我至今仍然记得在 2023 年初次使用 ChatGPT 时的感受。
那种颠覆性的体感，不只是“新的技术”或者“很好的回答”，而是一种认知层面的冲击。
逻辑层面，我知道对面只是一个语言模型；但在直观感受上，你会觉得自己在和另一个人类交谈。
这种冲击是如此的直接，任何赞美的语言和跑分都显得苍白。
在屏幕里的这个东西，和过去所有搜索引擎、推荐算法、关键词检索、脚本工具都不是同一个物种。
后来，GPT-4 的推出让我们对未来充满想象，DeepSeek 时刻引领了全民 AI 时代。
再后来每一次新模型发布，我们都会下意识期待下一次类似的冲击。
可奇怪的是，这种感觉越来越少了。
我们一路看着这些模型的 benchmark 分数往上走，看着它们在数学、代码、推理、通识测试上的成绩越来越漂亮，看着整个行业继续往里面投更多的钱、更多的卡、更多的算力、更多的人。
可逐渐的，故事走到了一个微妙的拐点。
千呼万唤始出来的 GPT 5 模型在获得了更高的跑分同时，也在社交媒体上荣获 来得太晚，吹得太满，真闹麻了（Overdue, overhyped and underwhelming） 的评价。
GPT 5 的实际表现激发了用户的不满，人们开始担心新的模型会让旧模型被迭代。截止至 2026 年 4 月，超过 23,700 人请愿保留 GPT 4。
虽然引发了不少负面评价，但 GPT 5 的跑分表现，却是实实在在地提升了。
大模型像是一个成绩越来越好的考生，但当你坐下来实际跟 ta 聊聊时，却发现对方并没有变得更聪明，甚至因为学习太过努力，反而变得有些呆呆的。
这让你不仅产生了一个有些刻薄的想法：AI 会不会没有变得更聪明，它只是更擅长做题了而已。
为了解决这个困惑，让我们回到 4 个月之前，OpenAI 的创始人之一 Ilya Sutskever 接受的采访中。
学生 A 和 学生 B 的比喻
Illya 在采访中给出了一个相当精彩的比喻。
学生 A 立志成为竞技编程领域最顶尖的人才，为此他投入了 10,000 个小时。他把这个领域里所有能找到的题目都刷了一遍，记住了所有证明技巧，也因此变得极其擅长又快又准地实现算法。
学生 B 也对这一领域感兴趣。他出于对编程浓厚的兴趣，仅仅练习了 100 个小时。
结果是，两个学生的成绩表现同样出色。
如果你是一名考官，你会觉得两名学生，最后谁会拥有更好的职业发展？
我想大部分人都会觉得学生 B 大有可为。因为在远少于对方的练习时间下，依然能够表现优异，说明他背后有一种更广泛、更可迁移的底层智能。
Ilya Sutskever 把这种东西称为一种 “it factor”，即难以精确量化、但你知道它存在的核心天赋。
就像你那个没受过声乐训练，一开口就是天籁之音的同学；你那个跟大家一样上课，不知道为什么数学就是能考高分的学霸；第一次玩王者荣耀，就把身为老玩家的你暴打的小学生。
而当前的 AI 模型，更像是一个做题到达巅峰的学生 A。
为了让 AI 更擅长写代码，开发者会拿历史上出现过的每一道竞技编程题去训练它，再通过数据增强、合成数据、自蒸馏等方式不断喂给它更多类似例子。
古语有云，力大则砖飞。
通过海量的已有数据，我们造出了一个个在特定测试上表现惊人的 AI。
为了让它在各类评测上表现更好，我们会不断围绕评测体系去优化它。
这样做显而易见是有效的，它会越来越擅长在这些既定任务里拿高分。
最终依靠 AI 题海战术，不负众望地成为了做题专家。
用户用上了 benchmark 认证的高科技产品；厂商再创辉煌、勇攀高分；投资人觉得这钱花得值，喜不自胜。三赢，赢麻了。
碳基生命的做题思维，竟然成了硅基生命的阻碍
截止至 2026 年 4 月，全世界（主要是中美）已经在 AI 上投入了海量的资金与人力。
全球 AI 投入已经进入万亿美元量级，人们所期盼的并不是更优秀的跑分高手；而是下一次能够带来颠覆性改变的智能飞跃，也就是下一个学生 B。
一个可以在高度具体、规则清晰、样本充足的任务上做到优异成绩的模型，并不自动等于它获得了更深的泛化理解。
跑分成绩（Benchmark performance）的上涨，并不必然意味着泛化理解（generalizable reasoning）也在同步进化。
在出题套路可循的考试里越来越强，和它能不能在真实世界里成为一个更有判断力、更有适应性、更有创造性的存在，中间依然隔着很长一段距离。
大模型确实在变得越来越厉害，但代际飞跃的体感却越来越弱。
学生 A 考得越来越好了，原因是他在题海战术下，被训练得越来越会答题了。
这实在是有些黑色幽默。
我们原本想创造一个真正理解世界、改变世界的智能，最后却先创造出了一个越来越会考试的硅基优等生。
硅基生命和碳基生命，居然在应试教育这一块率先达成了和解。
当前 AI 的模型能力的发展趋势，就像是在映射人类的一面镜子。这面镜子照出了人类对“智能”的理解方式到底有多强的路径依赖。
我们从小到大不也一直生活在这种体系里吗？
我们当然知道，分数有意义，考试有意义，标准化评估有意义。可我们也同样知道，一个会考试的人，和一个真正有判断力、有想象力、有迁移能力、有审美、有创造力的人，从来都不是完全重合的。
人类定义他人“聪明”的方式，本身带着很强的考试逻辑。我们崇拜高分，崇拜排名，崇拜可量化的证明，崇拜标准化体系里看起来非常漂亮的表现。
优绩主义被证明是高效的，所以我们把这整套方法推进到极致，甚至套用到了 AI 模型的训练理念中。
为什么我觉得这是个好消息
读到这里，我想有一部分读者的心态会变得比较悲观。但我反而觉得 2026 年是 AI 行业充满希望的一年。
原因有很多，我这里抛砖引玉说三点。
第一，它提醒我们，人类真正稀缺的能力仍然很值钱。
AI 也许会越来越擅长回答人类已经提出过的问题。它会越来越擅长在已有规则里打出高分，在既定题目里给出漂亮答案，在人类已经铺设好的知识空间里高速穿行。
可 AI 并不擅长提出那些人类从未提出过的问题。
它可以成为围棋大师，却不自动等于它能发明一个人类从未发明过的新游戏。它可以在无数已经存在的范式里做到极强，却不自动拥有重新定义问题、重写规则、改变方向的冲动与能力。
这就是我们每个人到今天仍然握在手里的东西。
- 提出新问题。
- 定义新游戏。
- 决定什么值得被追求。
- 感受到什么是重要的，什么是空洞的，什么是有意义的。
这些能力，至少在今天，依然没有被 benchmark 很好地捕捉，也没有被模型轻易地接管。
所以如果你焦虑的是“AI 会不会把人的价值完全吞掉”，那我觉得眼下这条技术路径本身，恰恰给出了某种缓冲。它说明人类的价值未必主要在于答题，而更可能在于：你能不能看到别人没看到的问题，你能不能开出一个新的题目空间。
第二，它会真正解放一部分重复性的脑力劳动。
另一个我觉得很值得乐观的点是，AI 非常擅长处理那类人类明明已经会了，却还得日复一日重复去做的事。
很多工作并不困难，也不复杂，甚至谈不上需要多高的创造力。真正消耗人的，是它们的重复性、机械性、流程性、持续性。整理、归档、复核、对照、改写、分类、汇总、初筛、跟进、生成标准版本、把已经掌握的内容重复执行一百遍。
这种劳动很多时候不体现人的创造性，只是在耗费人的时间、精力和注意力。
从这个意义上说，AI 对知识工作者的作用，很像洗衣机和洗碗机当年对体力劳动的作用。洗衣机并没有创造衣服，洗碗机也没有创造饭菜，但它们确实把人从大量重复、低创造性的劳动里解放了出来。
AI 正在开始对一部分脑力劳动做同样的事。
它未必会替代所有人。
它也未必会取代那些真正定义方向的人。
可它非常有可能替代掉大量人类本来就不该继续亲手做的认知型苦工。
如果这件事发生了，我不认为它只是效率提升。我更愿意把它理解成一次时间和精力的释放。它把人的带宽，从那些你已经会了却不得不反复做的事情里，慢慢腾出来。
对我来说，这是一件相当值得乐观的事。
第三，对企业而言，这反而是更适合落地的阶段。
过去几年，很多企业对 AI 的态度其实很纠结。
一方面，大家知道它很厉害，知道不能忽视，知道这件事迟早会进组织。另一方面，真正落地时又总觉得很虚：模型变化太快，概念翻新太快，今天一个新名词，明天一个新范式，后天又出现一个更强模型。
在实际咨询中，我发现很多企业老板会有一种天然的不安：我今天搭的东西，会不会明天就过时了？我今天培训完团队，下个月是不是又得全部推翻重来？
在那种阶段，很多组织会卡住，不是因为不想做，而是因为基础层移动得太快了。
可当行业逐渐进入这样一个阶段：模型还在持续变好，但那种代际式、范式级的颠覆冲击开始放缓，对企业反而是利好的。
因为这意味着企业终于可以在一个相对更稳的底层上，去考虑真正的落地和产出了。
不是为了追风口去做一个表演性质的 AI demo，也不是为了讲故事去堆一个看起来很前沿的概念，
而是认真思考：我组织里有哪些流程可以被缩短？哪些重复劳动可以被拿掉？哪些岗位的认知负担可以被减轻？哪些决策链条可以被提速？哪些知识资产终于可以真正被调用起来？
当 AI 从“神乎其神的万能药”慢慢进入“可以被可靠使用的趁手工具”的阶段，企业才真正拥有了做这件事的条件。
2026 年对企业而言，是非常关键的时间节点。
我们原本想要天才，却先造出了优等生
我们最初对 AI 的幻想，硅谷对 AI 的狂热追捧，更接近于学生 B。
我们期待的是一种灵气，一种泛化，一种真正理解，一种你说不上来却能感受到的 “it factor”。
我们期待它不只是会做题，甚至不只是会答题，而是能够真正理解问题、迁移能力、举一反三、重新开题。甚至能够开创我们无法想象的未来。
可到目前为止，我们更明确地看到的，是学生 A 的胜利。
是通过：
- 海量训练。
- 海量曝光。
- 海量题库。
- 海量优化。
- 海量测试。
从而越来越擅长在规则内部做到极致。它越来越像一个极端优秀、极端勤奋、极端会考试的学生。
这件事听着不够浪漫，可它并不是坏消息。
我们终于能够从技术畅想中回过神来，将目光放在更现实的问题上：
- 它能在哪些地方真正创造价值？
- 它能替代哪些重复劳动？
- 它能不能嵌进真实组织，提升企业的竞争力？
- 什么该交给它，什么仍然应该留给人？
积极探索，并找到属于自己答案的企业，将会在未来的五年，拥有领先同行一个身位的竞争力。