近年来，人工智能技术经历了飞速的发展，尤其是在大型语言模型（LLM）领域，各类评测指标层出不穷。然而，大多数评估体系往往聚焦于挑战性极高的难题，比如国际数学奥林匹克等高难度测试。这些“硬核”测评虽然有助于推动AI技术的上限，但它们并不一定准确反映AI在普通用户日常生活中的实际应用效果。本文尝试从“消费篮子”的角度，基于用户在现实生活中使用AI的频率与用途，对人工智能的进展进行更加贴近实际的衡量。传统的AI进展评估体系多以解决复杂问题的能力为核心，待其能在极具挑战性的任务中表现优异时，方可认定取得实质性突破。然而，现实中广泛使用AI的场景却更多集中于相对简单、常见的任务，如法律咨询、作业辅导、旅行规划、菜谱修改甚至心理辅导等方面。
这些应用可能不需要AI具备突破性的创新能力，而是注重稳定、高效以及用户体验的提升。通过观察人们在这些日常场景中对AI的依赖程度和支付意愿，我们能更真实地反映出AI技术对生活的实际贡献和变化。衡量进展的关键在于找到适合的“权重”。一种较为简单的方法是根据用户与AI互动的时间占比来加权，但更加精准的方式是结合用户为某种AI服务付费的意愿，体现其价值感知。这种基于使用频次和价值权重的“消费篮子”方法，可以揭示出AI在被广泛应用的领域内快速进步的事实，同时也能指出那些尽管技术突破频繁，却未能被大众广泛接受的高难度任务存在的边界。过去几年中，通过消费篮子观点观察，AI模型在日常应用的表现提升极为显著。
与2022年底相比，现有模型在实用性、可靠性与多样化支持方面都有了质的飞跃。尽管在数学奥赛等硬问题上的突破尚有限，但多数普通用户已经能够明显感受到AI在生活工作中的加持，这种进步远超传统评测所能体现。此外，随着AI技术日趋成熟，部分应用场景已接近其性能极限。如法律咨询领域，一旦AI能够提供准确且合规的建议，未来改进的空间相对有限。此时，测量类似任务的性能提升，可能不会带来显著感知上的差异。这意味着，在消费篮子视角中，AI的进步趋缓现象正在显现，尤其是在那些基础且广泛使用的功能模块中。
换言之，未来AI日常应用的提升速度可能会放缓。但这并不意味着AI整体发展停滞，反而提示我们需要区分“用户消费的篮子”和“科研挑战的篮子”两个层面。经济学中，消费篮子的内容会随时间变化，新产品与服务不断加入，而旧有品类变得边际效用递减。AI使用的消费篮子同样如此。现阶段的日常任务产生了稳定的需求和价值，而未来五年可能出现的新用例会引导我们重新评估AI的进展。研究者可以尝试预测未来用户将如何使用AI，再根据对应的价值权重，设计前瞻性的衡量指标体系。
这样一来，不同于单纯注重难题解决能力，衡量体系将更契合实际经济价值和用户体验。消费篮子角度与传统高难度任务测量法的分歧，随着时间推移可能会逐渐扩大。简单任务的技术进步趋于饱和，而挑战极限的难题则持续刺激技术创新。对于观察AI发展的人而言，关键在于把握这一张力，避免陷入单一视角的偏见。市场对于AI能力的认知始终围绕其实际应用价值展开。AI被视为一种极其有用的计算模型，而非具备人类智能的实体。
理解这一点，有助于我们调整期望和战略，识别AI作为工具在解决“易问题”上的巨大潜力，以及在解决“难问题”上所遇到的长期挑战。探索AI进展的新途径也让人们重新思考人工智能与人类的关系。AI在辅助知识探索、信息整理及流程自动化上表现出色，但却缺少真正意义上的原创力与主动性。尽管未来出现具备自主洞见和决策能力的系统令人向往，目前的主流模型更多是依赖于已存在的海量数据生成信息服务，其表现依赖于背后的训练材料和模型架构，没有真正的“意识”或“主体性”。此外，消费篮子视角强调了用户的使用习惯和市场反馈对技术迭代的重要影响。AI的成功不仅是技术的突破，更是如何贴合用户需求、降低使用门槛、提升交互体验的综合结果。
现实中，用户愿意为可靠、及时且适用的服务付费，而非单纯追求模型在极端条件下的表现分数。因此，从商业角度看，重点在于优化AI的实际应用场景，提升整体服务价值，而非追求遥不可及的完美解决方案。总结来看，基于消费篮子的衡量方式为人工智能的进展提供了一个更加人本和市场导向的视角。它引导我们注重技术在生活中的实际贡献，合理预期未来的改进空间，调节研究方向，使AI的发展既符合技术前沿，也紧密对接用户需求和社会价值。随着AI技术与应用的演进，兼顾“技术挑战”和“消费篮子”双重视角，是全面理解AI进展不可或缺的途径。
