僅僅四年時間，人工智慧便躍上世界舞台，並從根本上改變了它的面貌。2022年秋天，ChatGPT爆紅：它偶爾鬧出趣味十足的錯誤，卻仍給人一種「某種重大變革正在發生」的感受。機器如今已能與人對話、理解人類指令。其極限尚未可知，但它對經濟與日常生活的影響已然清晰。以下圖表將追溯這段急速崛起的歷程。
模型持續進化
來自OpenAI、Anthropic與Google的聊天機器人在每次版本更新中都更上一層樓。為衡量其進步幅度，業界開發了一系列稱為「基準測試」（benchmarks）的能力評估，結果顯示模型表現呈現穩定的成長軌跡。
2023年，當時最先進的模型GPT-4在GPQA（專為測試博士級科學知識設計的基準測試）中僅獲得36%的正確率，遠低於該領域博士約65%的水準。如今，最頂尖的模型得分已逼近95%，使這項基準測試逐漸逼近其作為進步衡量工具的極限。相同的模式也出現在程式設計與數學領域的基準測試上。這也是為什麼新的評估方式不斷被開發出來，其中包括ARC-AGI的變體版本，專門設計出人類容易但機器困難的題目。然而一次又一次，AI系統最終都學會了解題。
採用規模空前：數億人正在使用AI
生成式AI很可能是人類史上採用速度最快的大眾科技。個人電腦耗時超過十年才觸及半數美國人口；網際網路花了六年；智慧型手機用了五年。而ChatGPT或Gemini等聊天機器人僅用兩年多便達成此一里程碑。根據西班牙國家電信與資訊社會觀察站（ONTSI）的數據，西班牙已有55%的網路用戶表示正在使用生成式AI工具。
這種速度同樣反映出世界日益數位化、因而不斷加速的本質。過去上網需要安裝數據機，購買手機得跑一趟門市。相較之下，AI模型僅僅是軟體，點擊一下便能帶進家中。許多後續技術很可能會以同樣速度擴散。
同樣重要、甚至更為關鍵的是企業端的採用。根據為數萬家美國企業處理支付的Ramp公司數據，超過半數企業已向至少一家AI服務供應商付費。43%的企業付費使用Anthropic的Claude，這款產品在數月前於專業應用場景中超越OpenAI的ChatGPT（40%）。在西班牙，趨勢同樣明顯：根據ONTSI統計，2025年已有20%的中型企業與58%的大型企業正在使用AI。
AI企業預期與市值同步飆漲
全球市值前五大企業清一色為科技公司：輝達（Nvidia）、蘋果（Apple）、Alphabet、微軟（Microsoft）與亞馬遜（Amazon），且每一家都在AI領域擁有重大布局。自2022年底ChatGPT推出以來，微軟市值翻倍，亞馬遜翻三倍，Alphabet更翻了將近四倍。
其中最耀眼的是輝達，這家公司從為電玩遊戲製造顯示卡，搖身一變成為支撐AI模型運算的硬體與軟體霸主，其市場地位已接近壟斷。自2022年底以來，其市值增長達15倍。這樣的漲幅令人難以置信：若你在2010年1月投資該公司1,000美元，如今價值已超過60萬美元。因此數千名輝達員工搖身成為百萬富翁也就不足為奇了。
半導體供應鏈的其餘環節同樣享受了驚人的漲幅。設計客製化晶片的博通（Broadcom），市值已是2021年底的六倍。生產AI晶片記憶體的SK海力士與美光（Micron），市值則成長達10倍。而荷蘭的ASML，其設備對生產先進半導體至關重要，市值也已翻倍。
科技巨頭投資規模空前
這場股市榮景自然引發泡沫疑慮。即便一項技術確實具備變革性，押注其中的企業仍可能因過早進場或選錯方向而鎩羽而歸——這正是網路泡沫及更早期投機狂潮留下的重要教訓。這場辯論至今未有定論，但科技巨頭絲毫沒有放慢支出：亞馬遜、微軟、Alphabet與Meta的合計資本支出自2023年以來已翻漲四倍。
熱潮反映在就業市場
AI對勞動市場的諸多影響仍屬未知。職位是否會被自動化？各行各業將如何改變？衝擊會集中於年輕勞工還是知識工作者？這些問題仍是激烈辯論的焦點。但有一項後果已然清晰且毫不令人意外：提及AI的職缺刊登數量在美國、德國、英國等國正快速倍增。
雲端比想像中更「物理」
訓練與運行AI模型需要驚人的運算能力：龐大的資料中心內塞滿數百萬顆處理器，先用於訓練模型，之後再用於處理個別用戶的請求。預測顯示，即便模型效率持續提升，運算需求仍將快速成長。
而這股成長伴隨著日益具體的實體成本。興建資料中心需要土地，製造晶片需要矽，生產元件需要工廠，讓機器全天候運轉則需要電力。根據國際能源總署（IEA）的數據，資料中心的電力消耗預計將在2030年前翻漲超過一倍，從415兆瓦時（terawatt-hours）增至945兆瓦時，逼近全球電力需求的3%。這將超過日本一整年的全國用電量。
美國仍居領先，中國僅落後數月
最先進的AI模型仍由美國實驗室如OpenAI與Anthropic開發。但與中國的差距始終維持在極小範圍，中國企業通常在數月之內便能追上美國的領先模型。根據Epoch AI編製的能力指數，美國頂尖模型Claude Fable 5得分162分，而中國領先的Moonshot已達到157分。
換言之，中國目前最強的模型，其能力大致相當於美國領先模型今年稍早的水準。歐洲則落後更遠：法國Mistral的頂級模型得分為143分。這場競賽也凸顯出另一項分歧——許多中國模型採開放權重（open weight），意味著任何人只要有電腦便可下載並運行。
使用AI的成本持續下降
隨著模型能力提升，成本也快速下滑。使用ChatGPT最初版本背後的模型，每百萬個token（文字單位）成本約為20美元。兩年後，以Meta的開放權重模型Llama達到同等表現，只需0.1美元，降幅達200倍。
根據Epoch AI的估算，每經過一年，達到特定能力水準所需投入的成本便下降10倍至1,000倍不等。這也是AI得以快速崛起的另一項原因：今日昂貴而稀有的東西，明日很可能變得便宜而普及。
我們如何看待AI？介於熱情與焦慮之間
AI的問世預料將在社會各層面帶來深遠影響。其對教育、注意力經濟、藝術創作以及網路安全的衝擊正持續被討論。今年春季，Ipsos在約30個國家調查數千人，詢問他們AI驅動的產品是否讓他們「感到興奮」或「感到緊張」。西班牙民眾兩種情緒皆有：47%表示感到興奮，52%表示感到緊張。
調查也揭示出一項文化分歧。雖然興奮與焦慮並存於每個國家（往往甚至並存於同一人心中），但西方國家以焦慮為主，亞洲國家則以興奮居多。83%的中國受訪者與79%的印度受訪者表示對AI感到興奮，相比之下，加拿大僅26%、美國僅33%。三年、五年或二十五年後再回頭檢視這個問題，將饒富趣味。