AI发展的核心观点 - AI发展呈现渐进式而非爆发式超越人类，智能边界呈锯齿状，不同任务进展速率不同[33][42] - 所有能被验证的任务最终都会被AI解决，可验证性是AI攻克任务的关键驱动力[16][41] - 智能正成为商品化资源，知识获取成本趋近于零，公开信息价值下降而私有信息相对升值[5][15][40] 智能商品化 - AI能力发展分为前沿突破和能力商品化两个阶段，达到特定性能后成本快速下降[5] - MMLU等基准测试显示模型性能提升的同时达到特定分数的成本逐年下降[5] - 自适应计算技术使AI能根据任务难度动态调整算力，智能成本持续下降无需无限扩大模型规模[10][12] 验证者法则 - 存在验证非对称性现象：数独生成难验证易，网站代码生成极难但验证只需点击浏览[17][18] - 任务可验证性取决于五个因素：客观真值、验证速度、批量验证能力、低噪声稳定性、连续反馈质量[23] - AlphaEvolve案例展示通过生成候选答案、自动打分、迭代优化流程攻克易验证难求解任务[26][28][30] 智能锯齿边缘 - AI能力发展不均衡：代码调试和竞赛数学已攻克，化学研究和物理世界交互任务进展缓慢[34][35][38][39] - 任务数字化程度和数据丰富度决定AI攻克速度，前50种语言翻译已完成而意大利方言翻译可能永不攻克[37][40] - 对人类简单的任务对AI也简单，但AI能在癌症影像预测等人类极难领域实现超越[36] 知识民主化 - 信息获取时间从互联网时代数分钟缩短至Agent时代数秒，公开知识获取趋近零成本[14][40] - 编程和生物黑客等高门槛知识领域被大众化，内幕和独家信息价值因公开信息免费而相对提升[15] - 个性化互联网趋势使每个人可能拥有完全定制的知识入口[19]