人工智能的進展在過去三年呈現加速態勢，語言模型、視覺模型與生成系統在能力上連續跨越多個門檻。社會對人工智能的態度由懷疑轉向興奮，再由興奮轉為依賴，但當興奮感逐漸消退，當模型能力不再以倍數跳升，當產業成本與社會成本同時增加，人工智能正步入一個較少被討論的階段︰瓶頸期。

瓶頸由三個層面構成：技術層、敘事層與文明層。這三個層面是彼此牽連的結構，一旦同時受壓將形成一種整體性的崩塌感。

技術瓶頸：模型放大已不等於能力放大

語言模型的進步曾依賴一條簡潔公式：增加參數、增加算力、增加數據，就會得到更好的模型。這種「Scaling Law 思維」在一段時間內確實有效，但隨著參數規模達到高峰，模型呈現的能力增幅開始縮窄。性能提升仍然存在，但不再形成質變。

技術瓶頸有數個構成因素。其一是數據的限制。高品質的自然語料已接近枯竭，模型生成數據又帶來退化風險。其二是推理能力的限制。現有模型的推理基本上仍由統計模式組成，而非可靠的長鏈條邏輯處理。其三是能耗限制。大型模型需要的能源與散熱成本急速攀升，算力需求出現不可持續的趨勢。其四是 Agent 能力不足。自主系統在現實世界中無法穩定運行，缺乏回溯能力與內在世界模型。

技術瓶頸只是指現行路線的收益遞減，不代表人工智能停止發展。突破必須來自新的架構、新的推理層、新的能耗模式或新的數據來源。這些突破都需要時間，並且不會由單純的模型擴張自然產生。

敘事瓶頸：社會對技術的耐性下降

人工智能在過去三年的爆發部分來自敘事本身。媒體、企業與公眾以極高速度接受這項技術，並以高度期待塑造其商業價值，但當模型能力不再以倍數擴張，期望與現實之間出現落差。企業部署人工智能後發現成本過高、整合困難、增益有限；一般用戶對人工智能的驚奇感消退，開始察覺其限制。

敘事瓶頸的本質是社會的心理節奏走到一個新階段。人類的注意力與耐性具有周期性。當人工智能失去新鮮感，當它變成每個產品都必須附帶的功能，敘事便由未來感轉變為日常化，而日常化只代表敘事不再自帶推動力。

敘事瓶頸的另一層原因是錯配。人工智能被包裝成超越人類的跨時代力量，但實際的能力仍屬語言統計系統。當敘事過度擴張，回收期就會加快。敘事疲勞並不會摧毀技術，但會削弱資本、政策與社會的投入意願，使推進速度下降。

文明瓶頸：技術跨入主權領域後的結構性不確定

人工智能真正的瓶頸位於文明層。當人工智能開始介入思想、決策、語言、情緒與身份邊界，傳統工程邏輯便失去效用。這個層面涉及意義、價值與主權，而非純計算。

文明瓶頸由幾個因素組成。其一是認知外包問題。當人類依賴人工智能處理語言、知識與決策工作，個體的思考慣性與心理邏輯會被重構。其二是語言權力問題。人工智能介入內容生產後，語言的流向、語言的形狀與語言的調性都可能受到模型偏好與平台策略影響。其三是主權問題。人工智能若被企業或政府集中管理，決策權與認知權可能向技術中心收斂。這些都不是工程可解決的議題，是需要文明面對的制度性結構。

文明瓶頸的特點是不可預測，它以社會的脆弱度、制度的穩定性與集體心理的敏感度為基礎。技術越強，文明瓶頸越明顯。人工智能能夠處理語言﹑生成資訊及構建代理，但無法處理語言背後的世界﹑調節資訊的社會後果及管理代理的文化效應。

結語：人工智能進入一個複雜的過渡期

人工智能的未來並無停滯跡象，但它已經離開高速爆發的初期階段，開始進入一個由瓶頸支配的過渡期。技術瓶頸要求新的科學範式，敘事瓶頸要求新的社會想像，而文明瓶頸要求新的制度設計。

人工智能當然不會停止。我們要問的是人類會否準備好接住下一個範式轉移。只有當文明層的問題得到部分梳理，下一階段的人工智能才能形成穩定結構。否則，技術可能越來越強，文明卻越來越脆弱。在這個角度看，瓶頸是對我們的提醒。