當一門技術需要靠「情緒」維持可信度

近年 AI 的公共討論，已經由工程與產品層面的議題轉向一種更像「文明敘事」的語言：它被描述為不可逆的浪潮、即將到來的終局、全行業的清洗、甚至人類命運的分水嶺。這類語言並非一定錯，但它有一個代價：當敘事的速度超過技術的落地速度，人們會先感到興奮，繼而感到疲乏，最後只剩「爆爆地」的直覺。

要理解這種直覺，關鍵不在於判斷 AI 有冇用，而在於拆清楚：公眾所感受的「AI 熱」，究竟是技術進步本身還是由市場、媒體、資本與競賽機制共同製造的熱度？

技術進步與敘事擴張：兩條曲線、兩套邏輯

真正的科技進步往往具備幾個特徵：累積的、分工的、滲透式的，並且充滿「局部改善」，例如更穩、稍快、更省、較易部署、較少錯誤。這種進步很少在一夜之間讓外行人感覺「世界變了」，但它會在一年、三年、五年後讓整個產業的工作方式悄悄重組。

相反，市場敘事追求的是：可被快速理解、可被轉述、可引發情緒共鳴的故事。故事越大越好，越能在社交媒體與新聞標題中流通。於是，技術在慢慢爬坡，敘事卻像火箭升空，兩者自然錯位。

這種錯位帶來兩個後果：
第一，人們將「曝光」誤認為「突破」。
第二，人們將「願景」誤認為「能力」。
結果是討論越熱，落地越冷，新聞越多，實感則越弱。

炒作的核心是「語義偷換」

AI 炒作最常見的技術是把幾個層級不同的概念混成一團，令聽眾在不自覺之間把「工具級改良」聽成「智能級飛躍」。常見的語義偷換包括：

1）把「生成得像」偷換成「理解了」

LLM 最強的一點是能在語言層面生成高相似度的答案，令使用者產生「它懂」的感覺。但在很多場景，生成得像並不等於理解，尤其涉及因果、責任、邊界條件與真實世界約束。當宣傳把「像人」偷換成「等於人」，市場自然高估。

2）把「demo 可行」偷換成「產品穩定」

演示可以挑選題目、控制環境、迴避極端案例；產品要面對雜訊、偏差、責任、對抗與不可預測的用戶行為。很多 AI 方案「在台上像魔法」，落地後變成「一個要大量人工驗證的半成品」。

3）把「局部取代」偷換成「全面取代」

AI 確實可以吞掉一些重複性工作，但很多工種的核心是有關責任承擔、風險管理、利益協調、現場判斷、信任關係，把「局部效率提升」說成「全行業清洗」，是炒作慣用的張力製造法。

競賽敘事：把迭代包裝成戰役，把更新包裝成改朝換代

一旦引入「競賽框架」，每次發布就會被描述成「勝負已分」。某公司推出新模型、另一家公司追上、再一家公司超越，公眾會產生「每天都在歷史轉折點」的錯覺。

但從工程視角看，很多所謂「大幅領先」其實是：資料、提示詞策略、工具鏈整合、產品化體驗、部署與推理效率的綜合優化。這些當然重要，但它們更像工業化與工程化的進步，不必然等於「智能層級的跳躍」。

競賽敘事的作用，是把本來應該被理性看待的改良，轉譯成情緒化的戰報。它讓外界忽略了更重要的問題：這些模型在真實場景中是否可靠？成本是否可控？責任如何界定？資料與版權如何處理？安全與合規如何落地？

資本邏輯：投資市場買的是「未來壟斷」，不是「現在效用」

資本最擅長把不確定性包裝成必然性。當市場相信某條技術路線可能帶來「平台級壟斷」，估值會提前反映未來十年的想像。於是我們會看到：公司未必賺錢，但估值可以沖天；產品未必穩定，但聲量可以覆蓋一切。

這是資本的本性：它不需要等我們證明一切，只需要我們看起來足夠像「下一個作業系統」。問題在於，AI 作為一種能力，可能更像電力、像資料處理、像統計推理，未必自然導向單一壟斷。當市場過早用「平台壟斷」去定價「通用能力」，泡沫感便出現。

更現實的爆點是當企業採購開始追問「你幫我節省多少成本、降低多少風險、帶來多少收入」，敘事的溢價會被迫回吐。這通常會以：縮減預算、延後部署、合併裁員、回歸務實的方式慢慢發生。

成本與責任：AI 最容易被忽略的兩道硬牆

炒作之所以容易，因為它聚焦「效果」，回避「代價」，但 AI 代價通常集中在兩個地方：

1）成本牆：推理費用、算力、資料、整合、人力驗證

對個人使用者而言，AI 像魔法，而對企業而言，AI 像一個需要長期供養的系統。當我們把模型接入流程，我們要付的不只是一個 API 的費用，也有：資料治理、權限管理、日志追蹤、模型更新、提示詞維護、測試回歸、合規審計以及最昂貴的大量的人力驗證。

2）責任牆：錯一次就夠致命

在寫文案、做腦圖、改程式這類低責任場景，AI 的「偶發錯誤」可被容忍。但當它進入法律、醫療、財務、公共服務、高風險工程，錯誤的代價變得不可承受。此時企業會發現：AI 可以生成，但不會承擔，也可以建議，但不會負責。這道責任牆會逼迫市場把 AI 從神話拉回工具定位。

媒體與平台：為何「失真」是系統性結果

如果你覺得 AI 討論越來越像宣傳，這往往是平台機制的結果。

在注意力市場中：
    - 「AI 令你失業」比「AI 在某些流程提升效率」更易傳播；
    - 「AGI 明年來臨」比「模型仍有多重限制」更像新聞；
    - 「某公司超越某公司」比「成本、合規、可靠性」更適合做標題。

於是資訊供給會自然偏向戲劇性，偏向二元對立，偏向宏大敘事。久而久之，公眾不再是在理解 AI，只是在消費 AI 的故事。

甚麼才算真正的科技進步？看三個貼地指標

如果要把炒作與進步分開，可以用三個非常貼地的指標判斷：

指標一：可靠性是否上升（可重現、可驗證、可追蹤）

進步是指「更穩定」，能否在大量真實資料與不可控輸入下仍保持可接受的錯誤率，是分水嶺。

指標二：成本是否下降（同等效果下更便宜、更易部署）

真正的技術成熟通常伴隨成本下降與普及化。當同樣效果需要更少算力、更少工程維護，才叫走向工業化。

指標三：責任是否可界定（誰負責、如何審核、如何追溯）

能否被納入制度，決定它能否進入高價值場景。一項技術如果永遠停留在「好用但不敢用」，就永遠只能做輔助，不能成為基礎設施。

結語：AI 的價值會留下，但神話必然退潮

AI 正在進步，並且會長期改變很多工作方式；但「AI 熱」並不等於「科技飛躍」。當敘事過度膨脹、估值過度提前、競賽過度戲劇化，公眾的泡沫感便是合理反應。

更成熟的態度不是唱淡或追捧，而是把討論權拉回幾個硬問題：
1. 它在真實場景是否可靠？
2. 它的成本是否可持續？
3. 它在責任與制度上如何落地？
4. 它究竟在替代工作，還是在重組流程？

當我們能夠用這套問題框架去看 AI，炒作自然會消退，而真正有用的部分反而會在喧囂之後更清晰、更穩定地留下。