很多人默认模型能力的泛化没有止境，就好像这两年在coding上看到的一样。但事实恰恰相反，泛化不仅有止境，而且容易和困难的边界一开始就泾渭分明。Coding 和 基础agent领域之外，几乎所有领域的进展都慢得多，数据飞轮也转得极慢。即便有一天这些飞轮全都转了起来，事情也未必像人们想象的那样，大模型会直接以AGI形态在所有场景螺旋升天。 技术史上反复出现的现象是，一种能力一旦变成基础设施，它进一步加速的，往往是它自己最终追不上的东西。摄影术把复原画面的功能变成大众消费品，但绘画没有死，反而转向了印象、抽象和观念，去做机器复制不了的事，而且是彻底无法触及。云计算把算力变成了水电，芯片仍按年换代，上层软件的形态和需求却开始按月翻新。围棋自AlphaGo 之后，AI 成了每个棋手的日常训练设施，人类围棋理论反而进入了迭代最快的时期，不少沿用上百年的定式在几年内被推翻重写。 其实，你可以把这件事看成两条学习曲线的对决。 一条是大模型的曲线。它在 coding 和 agent 上爬得飞快，因为这两个领域数据管够，对错一目了然，跑一遍就知道结果。可是一进垂直领域，这条曲线就开始变平。小说写得好不好，客户被安抚得舒不舒服，这些反馈又慢又模糊攒不成飞轮。往后每前进一步，要喂进去的数据和成本都比上一步多，换回来的提升却一步比一步少。大模型不进军很多垂直领域，你说好听点，是这些领域现在给不了他们足够的初期投资回报；你往难听点说，就是纯属捡软柿子捏。 而那些硬柿子以后会越来越硬，你现在捏不动，以后更捏不动。边际收益在递减。 然后呢，还有另一条是人的曲线，或者说，是领域知识本身的曲线。模型越便宜，用的人就越多。用的人越多，试错就越密。试错越密，新写法、新玩法、新品味冒出来的速度就越快。注意，这条曲线的燃料恰恰是大模型的普及本身。模型每降一次价，这条曲线就快一分。它的边际收益不但不递减，反而在递增。 一条越跑越费劲，一条越跑越起劲，两条曲线迟早有交叉的一天。过了那个交点，垂直领域里知识和品味翻新的速度，就会超过模型泛化能力跟进的速度。 所以人和大模型在垂直领域的较量，说到底就是这两条边际收益曲线的对决。你赌谁赢呢？我赌是真实生活中的人赢。 到那一天，基础设施才真正成为基础设施：稳定，廉价，无处不在，也因此不再稀缺。手艺和可定制化会重新站回 AGI 触及不到的位置。那里是人的领域，是所有人在产业链上重新找到价值、在社会上重新锚定自己存在意义的地方。无论是凯恩斯说的技术性失业也好，还是马斯克说的所有人在 AGI 实现后享福、在家纯粹享受兴趣也好，都不会来临。因为 AI 的成长曲线并不是一条一飞冲天的指数曲线，而是一条终会趋平的 S 型曲线。就算一开始它给你带来了指数曲线的幻觉，但只要视野放得够远，世上无新事