三年前的这一天，Sam Altman 在推特上发了一条相当低调的帖子，宣布了这款聊天机器人的上线。他当时写道：“语言界面将会很重要……这是一个早期的演示，还有很多局限性——这非常像是一个研究预览版。”

（X）

那时我们还不知道，这个对话框将成为随后三年里，人类社会最大的变量。

今天是 2025 年 12 月 1 日。距离那个日子，整整过去了三年。

这三年里，我们经历过“AI 将毁灭人类”的恐慌，也经历过“所有行业都将被重塑”的狂热。站在这个时间节点回头看，世界并没有像科幻电影那样被天网统治，但也没有像乐观主义者预言的那样瞬间进入乌托邦。

世界变了。变得更微妙，更高效，但也更令人困惑。

一个意外的开始

回头来看，ChatGPT 的诞生本身就充满了偶然性。

在 2023 年 3 月的采访中，OpenAI 的团队向《麻省理工科技评论》表示，在发布 ChatGPT 之前，内部对这款产品最初并没有太大信心。Greg Brockman 当时坦言，公司内部没人觉得它“真的有用”。

团队原本计划专注于更垂直的领域应用，但在那些尝试未能成功后，才决定把这个基于 GPT-3.5 微调的聊天机器人作为“研究预览版”推向公众，部分原因是为了收集人类反馈数据。

图丨早期的 ChatGPT 界面（OpenAI）

Jan Leike 后来回忆说，产品的病毒式传播让团队“不知所措”。John Schulman 则表示，他在发布后的几天里不停刷推特，看着 ChatGPT 的截图铺天盖地涌现，却不太理解为什么一个“还有很多缺陷”的模型会引发如此大的关注。

一个并非为了改变世界而发布的产品，最终却改变了世界。

扩展定律的现实检验

ChatGPT 发布之初，围绕它的讨论充斥着各种宏大的预言。有人担忧白领工作将被全面取代，也有人认为 2025 年就是通用人工智能（AGI）到来的元年。Elon Musk 曾预测，到 2025 年底“我们将拥有比任何单个人类都聪明的 AI”。

现在是 2025 年末。AGI 并没有到来。

那个被许多人奉为圭臬的“扩展定律”（Scaling Law）——认为只要堆砌更多算力和数据，智能就会持续涌现——在如今遭遇了明显的现实阻力。Gary Marcus 在他的三周年反思文章中指出，那些关于“生产力提升 10 倍”的承诺大多落空了。

一些研究确实显示了约 30% 的效率提升，但远没有出现质的飞跃。《经济学人》的一篇报道更是直言，企业对生成式 AI 的采用看起来“出人意料地疲软”。

更重要的是，这三年里，科技界撞上了一堵物理世界的墙。

在 ChatGPT 刚发布时，我们以为限制 AI 发展的是算法；后来，我们以为是高质量数据的枯竭；到了 2025 年，全世界终于不得不承认，阻挡在 AGI 面前的最终 BOSS 其实是电。

过去三年，全球数据中心对电力的消耗急剧攀升。随着模型参数规模不断扩大，能源问题从技术成本演变成了一个根本性的约束条件。于是我们注意到，如今硅谷巨头们最热衷的投资标的，不再只是芯片公司，还包括核电站和聚变能源初创企业。

这种物理层面的约束也在一定程度上重塑了行业的技术路线。2025 年，“端侧模型”（On-device AI）受到越来越多的重视。不是所有问题都需要云端的大模型来回答，这个朴素的道理正在被重新认真对待。

手机厂商和芯片厂商正在努力让设备本身变得更聪明，以便在本地处理更多任务，而不必每次都消耗昂贵的云端算力。

商业层面的现实也变得没那么狂热。

还记得 2023 年、2024 年那种近乎疯狂的“掘金热”吗？每家公司都要在财报里提几句 AI，每个 CEO 都在谈论“AI 优先”战略。到了 2025 年底，这股热潮正在退去。

尽管 ChatGPT 拥有 8 亿月活，但企业端的真实采用率讲述了一个不同的故事。根据美联储和普查局的数据，真正在工作中每天使用生成式 AI 的人，比例停留在 12% 左右，一年来几乎没有增长。麦肯锡的最新研究显示，三分之二的企业仍处于“试点”阶段，真正能从 AI 中获得超过 5% 收益的公司屈指可数。

（McKinsey）

于是在最近这段时间里，关于“AI 泡沫”的争论不绝于耳。

资本市场是最敏感的晴雨表。就在上个月，一路高歌猛进的英伟达股价下跌了 16%，Oracle 也重挫约 26%。市场开始意识到，那种“指数级增长”的叙事可能存在问题。算力的投入确实是指数级的，但收益正在面临边际递减。

OpenAI 自身也面临着压力。曾经的先行者正在失去它的护城河。Google 的 Gemini 3 在多项基准测试中已经反超 GPT-5，开源模型 DeepSeek 和 Qwen 系列让“构建自己的大模型”变得越来越便宜。Sam Altman 曾暗示的“赢家通吃”局面并没有出现，相反，大语言模型正在迅速商品化。

这意味着什么？对于普通用户来说，AI 工具变得更加便宜和易得；但对于试图靠卖模型盈利的公司来说，未来可能是一场更艰难的战斗。

真正改变的是什么

如果说能源的限制在后台，那么前台最显性的改变，发生在我们每个人的指尖。

回想一下，你上一次面对一个完全空白的 Word 文档或代码编辑器，痛苦地从第一个字开始构思，是什么时候的事了？

在 2025 年的今天，“从零开始”已经成为了一种奢侈，甚至在某些高压行业被视为低效。无论是撰写公文、编写代码模块，还是设计一张海报，AI 已经接管了“从 0 到 60 分”的过程。

几乎所有主流创作软件都内置了某种形式的 AI 辅助功能。我们实际上已经从内容的创作者，集体转型为了编辑者、审核员以及架构师。

这确实带来了效率的提升。但随之而来的一个副作用是：平庸内容的急剧膨胀，或者说是“AI 废料（AI Slop）”的泛滥。

现在的互联网，信息的密度极高，但营养密度却在降低。打开社交媒体或搜索引擎，我们被大量语法完美、结构工整但内容空洞的合成文本包围。这些内容没有逻辑硬伤，但也毫无灵魂。

我们被迫练就一种新的阅读能力，需要去在海量的车轱辘话中，通过感知那种微妙的“体温”和瑕疵，来辨别哪些是人类真实的思考。

内容生成领域的变化，也在职场上引发了一些微妙的问题。

在 2023 年，人们担心的是 AI 会直接抢走工作；到了 2025 年，更值得关注的可能是另一个问题：AI 正在改变职业成长的路径。

过去，初级程序员通过写简单的模块积累经验，初级文案通过大量练习磨练语感。这些工作现在很大程度上可以由 AI 完成。从企业效率的角度看，这是好事；但从人才培养的角度看，问题变得复杂了：当入门级工作被 AI 承包，下一代的资深人才该如何成长？如果不经历那些基础的训练，专业直觉和经验从何而来？

与此同时，就业市场出现了一个看似矛盾的趋势：通用技能的价值在下降，而独特的“人味”却变得更加稀缺。

AI 拉低了很多技术门槛，但同时也提高了品味和判断力的相对价值。那些拥有独特审美、强共情能力，或在某个细分领域有深入见解的人，反而在这个环境中找到了新的竞争优势。因为 AI 可以生成大量标准化的内容，但在创造真正打动人的东西方面仍然有明显局限。

三年后的位置

ChatGPT 三岁了。它没有成为神，它只是成了互联网的水电煤。它昂贵、甚至偶尔断电，但我们确实已经离不开它了。这或许不是我们梦想的未来，但这确实是我们拥有的现在。

如果用人类的年龄来类比，三岁的孩子刚开始有了自我意识，开始跌跌撞撞地探索世界，但也充满了不可控的情绪和混乱。

ChatGPT 及其背后的生成式 AI 产业，正处于这样一个尴尬而关键的“成长期”。

它不再是那个初出茅庐、仅凭几句俏皮话就能赢得满堂彩的神童了。它现在背负着数千亿美元的期望，面临着甚至比它更聪明的竞争对手（如 Gemini 3），还要应对日益严苛的版权、隐私和伦理审查。

世界被改变了吗？是的。

只是不是以科幻电影中那种戏剧性的方式，而是以一种更渐进、更日常的方式。我们学会了在工作中借助 AI 提高效率，也学会了在它不可靠时保持警惕。我们不再期待 AI 会像预言中那样突然取代一切，也不再那么担心它会瞬间颠覆社会。它现在更像是工具箱里的一件工具，和 Photoshop、Excel 放在一起。

这或许不是 Sam Altman 最初梦想的 AGI 乌托邦，也不是 Gary Marcus 警告的末日崩盘。但这可能恰恰是技术成熟的标志，当奇迹变成日常，当狂热变成习惯，真正的改变，才刚刚开始。

三岁快乐，ChatGPT。欢迎来到充满挑战的真实世界。

参考资料：

1.https://www.technologyreview.com/2023/03/03/1069311/inside-story-oral-history-how-chatgpt-built-openai/

2.https://garymarcus.substack.com/p/three-years-on-chatgpt-still-isnt

3.https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai#/