AI 模型的智能水平大致等于其训练和运行所使用资源的对数。这些资源主要包括训练计算（compute）、数据和推理计算（inference compute）。目前的趋势表明，只要投入足够的资金，就能持续且可预测地提升 AI 能力，而支撑这一趋势的缩放定律（Scaling Laws）在多个数量级范围内都被证明是准确的。
使用固定级别 AI 的成本大约每 12 个月降低 10 倍，价格下降会极大促进 AI 的使用。一个明显的例子是 GPT-4 在 2023 年初的使用成本，相比 GPT-4o 在 2024 年中期，其每个 token 的价格下降了约 150 倍。摩尔定律每 18 个月带来 2 倍的性能提升，而 AI 成本下降的速度远超这一趋势，影响将更加深远。
线性增长的智能水平所创造的社会经济价值呈超指数级增长。这一趋势意味着，对于 AI 的指数级投资在可预见的未来不会停止。
如果这三点趋势继续保持，AI 对社会的影响将是巨大的。
目前，我们已经开始推出 AI Agents，它们最终可能会像「虚拟同事」一样与人类协作。
以软件工程领域的 AI Agent 为例——这是我们认为极为重要的应用方向之一。设想未来的 AI Agent 能够完成大部分经验 3-5 年的顶级公司软件工程师可以完成的任务，但任务时长限制在几天内。它不会有突破性的创新想法，需要大量的人类监督和指导，在某些方面表现出色，同时在某些意想不到的地方表现较差。
尽管如此，它仍可以被视作一名真实但相对初级的虚拟同事。现在，想象一下如果有 1000 个这样的 AI Agnet，或者 1000000 个。再进一步，设想这样的 AI Agnet 被应用到所有知识型工作领域，其影响将难以估量。