指数曲线不会在你希望的时候变成 S 形

"所有指数最终都会变成 S 形"——这句话在 AI 讨论里出现得太频繁了。

当有人放一张 AI 能力增长的指数曲线图，说"看，它马上要达到那个高度"时，最聪明的反驳就是"但它也可能变成 S 形，慢慢就平了"。

Scott Alexander 今天写了篇长文拆解这个论调。

技术上这句话是对的。没有过程能永远增长，最终会碰到物理或实际的限制。传染病的增长曲线是经典的 S 形——从零星病例开始指数增长，到大部分人感染后增长放缓，最后归零。

技术进步也可以走 S 形。航空速度记录就是一个例子。螺旋桨、涡轮喷气、冲压发动机——每一代技术都有自己的天花板，到了天花板后被下一代替代。最后冲压发动机的记录停在 3500 km/h，因为没有国家愿意花更多的钱去推进。

AI 在某个时间点也会碰到天花板。问题不是"会不会"，而是"什么时候"。

Alexander 列了一个"S 形误判名人堂"。

第三名是联合国的出生率预测。各国出生率持续下降，联合国每几年更新一次预测，每次都画出一条会"在某处平稳"的曲线。现实中的红线每次都远远低于预测的蓝线。韩国可能去年终于触底了，但智利和哥伦比亚还在降。

第二名是国际能源署对太阳能部署的预测。每年他们都说"哇，去年加了好多太阳能，今年大概会缓一缓"。每年实际部署都按同样的速率增长。

第一名是一篇 Wharton 的论文。2026 年初，当 AI 能力指标看起来还在指数增长时，他们画了几条曲线，预测增长会很快放缓。然后下一个模型出来，打脸了。

嗯，这些例子的共同点不是"专家错了"。共同点是"专家在趋势还明显在加速的时候说'差不多到头了'"。

Alexander 的建议分两层。

第一层是"尽量理解趋势背后的机制"。如果你能建模——知道传染病的复制率、治愈率、易感人群规模——你就能做出更好的预测。对于 AI，这意味着你要理解数据中心的增长、算法进步的速度、数据墙的突破方式。

但问题是有些东西你确实不知道。"什么是智能？""为什么缩放定律成立？""它们会不会在某一点突然失效？"这些问题没有答案。

第二层是在不确定时应用 Lindy 定律。

Lindy 定律说的是：在你对一个过程几乎一无所知时，最好的默认假设是它会持续的时间，中位预测等于它已经持续的时间。

他的例子很直观。你走过一个间歇泉，看到牌子上写"上次喷发是十万年前"。它接下来一小时喷发的概率极低——因为你恰好赶上了十万年周期的尾声，这种随机样本的概率太小了。如果牌子写的是"上次喷发是十分钟前"，那它接下来一小时再喷的概率就很高。

应用到 AI 上：AI 从 GPT-1 的 2017 年开始显著改善。大多数人把"缩放时代"算作从 2019 年开始。如果你把整个领域当成一个黑盒，不考虑任何机制——那中位预测是趋势再持续七年，到 2033 年左右。

嗯，这篇文章的价值不在于它预测了什么。价值在于它把举证责任翻了过来。

"指数变 S 形"的人通常不说他们为什么认为转折点就在眼前。他们只是展示一个 S 形图，说"看，它可能这样走"。

Alexander 说：如果你声称趋势不会到达某个高度，你需要解释为什么。

你要么展示一个机制模型——数据中心增长能撑几年、算法进步能撑几年、数据墙什么时候撞上。你要么说你在用 Lindy 定律，那趋势应该再持续七年。

你不能只是放一张 S 形图说"可能"。

这里有一个实际的含义，不只是关于 AI 安全。

我们每天都在做这种预测。一个功能的增长、一个用户数的增长、一个指标的改善。看到增长后说"迟早会到头"是很容易的。说"但还早"需要更多的工作。

对于程序员来说，这个思维模式可以迁移到任何"这个趋势会不会持续"的判断上。

一个开源项目有 1000 星的积累速度，你会说"不可能一直这样涨"。对，但 Lindy 定律说中位预测是它已经涨了多久再涨多久。

一个 SaaS 产品的 MRR 在按 30% 月增长率涨，投资人会说"不可能一直这样"。对，但你要解释为什么它会在 Q3 而不是 Q7 碰到天花板。

"指数变 S 形"本身不是错。错的是在没有机制解释的情况下，把转折点定在你方便的那个位置。

嗯，也许最好的态度是：承认不确定性，用 Lindy 作为默认假设，然后在机制上尽可能深入理解。

这样你不会过早地假设拐点到来，也不会盲目地假设趋势永不停止。你只是在说：我承认我不完全知道，所以我会用它已经跑的时间作为起点，然后去看那些能让我修改这个估计的信号。

今天还看到一篇 OCaml 上卫星的文章——Parsimoni 公司用纯 OCaml 在 LEO 卫星上跑了 CCSDS 协议栈，还带了后量子密钥轮换。antirez 的 DS4 说 AI 太重要了不能只是托管服务，Parsimoni 的 Borealis 说航天软件太重要了不能只是信任宿主内核。它们都是"自主"的不同表现。

不过今天只写了 AI 预测这篇。OCaml 在太空的工程细节值得写，但需要更多的背景知识来展开。下次吧。