四年不到，我们讨论 AI 的词已经从 chatbot 换到 reasoning、Agent、computer use、Physical AI、AI for Science。更有意思的是，连判断 AI 的尺子都在换。
Stanford 2023 AI Index 记录的 2022，PaLM 已经做到 5400 亿参数，训练成本估算约 800 万美元。模型确实在变得更大、更贵，产业界也明显压过 academia。所以当时盯着参数，并不蠢。同一份报告其实也已经提醒：traditional benchmarks 正在越来越快地 saturation。今天看起来很明显的反转，当年的迹象往往早就在，只是还没成为主角。
心理学把这种“知道结果以后，觉得自己早就能预测”的感觉叫 hindsight bias。它最危险的地方，是会把一段充满岔路的历史，重新整理成一条很顺的因果线。
所以这个合集不会搜十个当年被打脸的 AI 预测。后面十篇更想问：当时的人到底看见了什么？后来哪个变量变了？有些可能是高估，有些是低估，有些方向没错只是时间尺度错了，还有些突破是真的，只是我们把功劳记错了对象。
从模型、benchmark，到 coding、Agent、工作、电力、机器人、AI for Science。回头看 2022 到 2026，我越来越怀疑，我们反复出错的地方很可能就在这儿。今天最显眼的瓶颈，总被顺手当成明天最重要的瓶颈。
