從圖書館到 ChatGPT：取得知識的成本正在歸零

本文整理自 Stanford AI Club 2025 年的演講。

1983 年，韓國釜山有多少對新人結婚？

這個問題看起來很無聊，但 Jason Wei 用它來說明一件大事：取得知識的成本正在經歷歷史性的崩塌。

Jason Wei 是 OpenAI o1 和 Deep Research 的共同創作者，學術引用超過 9 萬次。在 Stanford AI Club 的演講中，他提出了「智慧商品化」的概念。核心主張很簡單：一旦 AI 能做某件事，做那件事的成本會被快速壓到趨近於零。

知識取得就是最明顯的例子。

四個時代的成本變化

讓我們回到釜山結婚人數這個問題。

前網路時代：如果你住在美國，你得先買機票飛到韓國。然後找到政府的統計圖書館，可能在首爾。接著你得用韓文（假設你會）在紙本檔案中翻找 1983 年的人口統計資料。整個過程可能花掉你好幾天，外加機票錢。

網路時代：好一點了。你可以在家用 Google 搜尋。但問題是，這種細節資料可能只存在韓文網站上。如果你不會韓文，你得找人幫忙翻譯，或者用當時很爛的機器翻譯猜半天。整個過程可能要幾個小時。

聊天機器人時代：再快一點。你可以問 ChatGPT，它可能會給你一個看起來合理的數字。但問題是，這種冷門資料它可能沒有訓練到，或者根本是編的。你還是得自己去驗證。

Agent 時代：這是現在正在發生的事。Jason Wei 說，OpenAI 的 Operator 可以在幾分鐘內找到這個答案。因為它能實際操作韓國統計資料庫 KOSIS 的介面——點選年份、選擇城市、找到婚姻統計欄位。這不是從記憶中提取資訊，而是像人類一樣去查資料。

幾天、幾小時、幾分鐘、幾秒。這就是知識取得成本的壓縮曲線。

BrowseComp：當 AI 的搜尋能力超越人類

Jason Wei 提到 OpenAI 做的一個測試叫 BrowseComp（瀏覽競賽）。這個測試的設計很聰明：題目都是「答案存在於網路上，但很難找到」的問題。

比如：這裡有一場足球賽的十個特徵描述，找出是哪場比賽。

這種題目，答案一旦找到就很容易驗證（就是那場比賽，對或錯），但過程極其費時。你得搜尋、交叉比對、篩選掉不符合的候選。

OpenAI 找了一群人類來做這些題目。結果發現，很多題目人類在兩個小時內根本解不出來。但 Deep Research 模型可以解出大約一半。

這代表什麼？在某些類型的資訊檢索任務上，AI 已經比人類更有效率。不是因為它更聰明，而是因為它可以同時處理大量網頁、不會累、不會分心、可以用任何語言搜尋。

即時知識的三個影響

Jason Wei 列了幾個他認為「知識即時化」會帶來的影響：

第一，知識門檻保護的領域會被民主化。

過去，很多領域之所以難以進入，是因為有大量專業知識要學。你想自己研究健康問題？先讀十年醫學。你想自己寫程式？先學三年 Computer Science。

但如果知識取得成本趨近於零，這些門檻就變得不那麼重要了。你可以隨時問 AI，它會給你相當於專業人士水準的答案。寫程式已經是最明顯的例子——很多人現在用 AI 輔助寫出他們原本寫不出來的程式。個人健康管理可能是下一個。

第二，公開資訊貶值，私有資訊升值。

這是一個相對效應。當所有人都能瞬間取得公開資訊時，公開資訊的價值就下降了。反過來說，那些「不在網路上」的私有資訊就變得相對更有價值。

Jason Wei 舉的例子是房地產：如果你知道哪些房子沒有掛牌但屋主願意賣，這個資訊現在比以前更值錢。因為公開掛牌的房子，AI 可以幫每個人分析得一清二楚。

第三，個人化網路正在成形。

以前我們都在用同一個網路。Google 搜尋結果大致相同（除了一點個人化），維基百科人人看的都一樣。

但 Jason Wei 認為，未來每個人會有自己的「個人化網路」。你想知道什麼，就會有一個專門為你生成的頁面來回答。不是從現有網頁中挑選，而是根據你的問題即時合成。

這聽起來有點像科幻，但其實已經在發生了。當你問 ChatGPT 一個問題時，它給你的答案就是「為你生成」的，不是從某個網頁複製的。

智慧也在商品化

知識只是第一步。Jason Wei 認為更大的趨勢是「智慧本身」正在商品化。

他用 MMLU（一個常見的 AI 評測基準）來舉例。過去五年，達到某個 MMLU 分數所需的成本每年都在急遽下降。去年要花一塊美金的智慧量，今年可能只要幾分錢。

原因是什麼？他指出關鍵在於「自適應運算」（Adaptive Compute），也就是 o1 開創的推理時運算技術。

過去的 AI 有個奇怪的特性：不管問題有多簡單或複雜，消耗的運算量都一樣。問加州首府是什麼，和問一道 IMO 數學題，成本差不多。這就像不管你要搬一張紙還是一台鋼琴，都派同樣的卡車和人力一樣荒謬。

但 o1 之後，模型可以根據問題難度調整思考時間。簡單問題快速解決，困難問題花更多運算。這意味著簡單任務的成本可以被壓到極低，而困難任務則可以透過堆疊運算來解決。

這個趨勢的終點是什麼？Jason Wei 沒有明說，但邏輯很清楚：當智慧的邊際成本趨近於零時，瓶頸就會轉移到其他地方——可能是創意、可能是判斷力、可能是人與人之間的信任。

那些不會因為 AI 而貶值的東西，反而會變得更珍貴。