普通人何时才能真正感受到AI的改变？

AI乐观派经常把这轮技术浪潮与工业革命相提并论。但这种比较容易忽略一个关键区别：技术进步有多快，与普通人能否切身感受到进步，是两回事。

对许多并不身处科技行业的人来说，AI目前可能只是更方便的搜索工具、制作趣味图片的应用，或者一系列令人困惑的新闻。它还没有像廉价衣物、电灯、自行车和家用机器那样，成为生活变化的鲜明标志。

AI很热，日常生活却未必变化很大

在家庭、饮食、出行和娱乐等日常领域，生成式AI带来的直接改变仍然有限。离开高度关注AI的圈子，人们完全可能连续几周都不主动使用它。

相比之下，过去的工业革命带来了大量具体、可触摸的商品和设施：更便宜的衣物与炊具、缝纫机、保存食品、室内管道、摄影、电气照明等。这些变化让技术进步直接进入家庭。

AI的潜在收益则可能更间接。例如，即使AI帮助研发出一种新疗法，患者首先感受到的也可能是医生提供了更好的治疗，而不是某家AI公司的技术突破。

收益不容易被识别，不代表它不存在；但这种间接性会影响公众如何理解和评价AI。

一种值得讨论的判断是：这轮AI变革仍处于早期，眼下的重要工作，是建设基础设施，以及建立能够持续推动发现和改进的工作流程。

如果这些机制能够长期积累，其影响可能在数十年中逐步放大。今天令人惊叹的突破，放到更长的技术发展历程里，或许只是起点。

但这不意味着社会生活会按模型迭代的速度同步改变。企业需要调整流程，个人需要改变习惯，既有制度和利益结构也会影响采用速度。

因此，不能把“模型能力快速提升”直接等同于“所有人很快都能受益”。几十年乃至更长的扩散周期，是一种观察框架，而不是确定的时间承诺。

AI目前对知识工作、科技企业和线上创业的帮助尤其明显。它可以提高产出，也可能让更小的团队完成过去需要更多人手才能完成的工作。

但这里存在一个分配难题：企业效率和收入增长，并不必然意味着就业人数同步增长，也不保证收益会广泛传递。

如果科技行业持续繁荣，而其他群体的工资、就业机会和生活体验没有明显改善，公众就可能把AI视为少数人的生产力工具，而非普遍有益的技术。

历史上的“恩格斯停顿”提供了一个警示性的参照：在英国工业化早期的一段时期，人均经济产出增长与工人工资停滞曾经并存。这个类比并不能证明AI时代会重演同样的过程，但它提醒我们，生产力提升与劳动者生活改善之间，可能存在漫长的间隔。

AI面临的阻力，也与大型科技平台长期积累的信任问题交织在一起。公众对平台权力、社交媒体影响以及数据中心建设的担忧，并不是随着聊天机器人出现才突然产生的。

在这种背景下，行业一边描绘巨大收益，一边频繁讨论大规模失业或灾难风险，容易进一步加剧不安。

要求公众仅凭未来承诺接受眼前的变化，并不现实。对尚未受益、却可能承担转型成本的人而言，质疑和反对不能简单归结为“不懂技术”。

机器人和自动驾驶可能成为更直观的受益场景。与屏幕里的文字和图片相比，能够完成现实任务的机器，更容易让人理解AI究竟改变了什么。

但这里需要保留一个前提：大语言模型的进展能否显著加速机器人进入日常生活，仍是有待验证的路径。自动驾驶也有自身长期积累的技术发展路线，不能把它的所有进展都归因于这一轮大语言模型热潮。

同样，深度嵌入企业流程的AI系统和个人助手，即使逐渐具备实用能力，也可能比聊天应用更难普及，因为它们涉及更复杂的信任、责任与组织调整。

讨论AI的社会影响，不能只看模型跑分、融资规模或技术演示，还要看普通人是否获得了可感知的改善，以及转型成本由谁承担。

长期技术进步值得期待，但收益并不会自动实现，更不会自动公平分配。持续推进技术，与认真处理就业、分配和公众信任，并不是两项可以彼此替代的任务。

普通人何时真正感受到AI，最终取决于技术何时进入生活，也取决于技术创造的价值如何被分享。