📊 摩爾定律：電晶體數量的指數成長
每隔約兩年翻一倍——持續超過半世紀的驚人節奏
📊 全球網路普及率
從學術實驗室到 54 億人的日常基礎設施
📊 AI 模型參數量的爆炸
從百萬到兆級——模型規模每兩年增長 10 倍以上
📊 關鍵數據對比
2001 vs 2022
跑 Linux 的比例
（2024）
Instagram 花了 2.5 個月
🗺️ 四個時代・三條慢變量
每個時代是一次權力的重新分配，每條慢變量裡藏著一個人的選擇
🔍 Gordon Moore
🔍 Steve Wozniak
🔍 Linus Torvalds
🔍 Geoffrey Hinton
科技演化時間軸
追蹤七十年來改變人類與機器關係的關鍵慢變量
ENIAC 啟動 — 運算的起點
第一台通用電子計算機在賓州大學點亮。它佔地 167 平方公尺、重 30 噸、用了 17,468 根真空管，每秒能做 5,000 次加法。操作它需要六名女性程式設計師手動接線。當時沒有人想過，這台「只有政府和軍方用得起」的機器，七十年後的後代會裝進每個人的口袋。
<div class="timeline-item"><div class="timeline-dot"></div><div class="timeline-content"><span class="timeline-year">1956</span><h3>達特茅斯會議 — 「人工智慧」誕生</h3><p>John McCarthy、Marvin Minsky 等十位科學家在達特茅斯學院提出：「如果能精確描述學習或智慧的每一個特徵，就能造一台機器去模擬它。」他們估計「一個暑假」就能取得重大進展。結果，這個暑假延長成了七十年——中間還穿插了兩次讓整個領域近乎停擺的「AI 寒冬」。</p></div></div>
<div class="timeline-item"><div class="timeline-dot"></div><div class="timeline-content"><span class="timeline-year">1965</span><h3>摩爾定律 — 產業的自我實現預言</h3><p>Intel 共同創辦人 Gordon Moore 在《Electronics》雜誌發表觀察：積體電路上的元件數量大約每年翻一倍（後修正為每兩年）。這不是物理定律，而是產業路線圖——半導體公司以此為研發目標、設備商以此為產線節奏、投資人以此為估值依據。整個生態系圍繞著這條指數曲線運轉了超過半世紀。</p></div></div>
<div class="timeline-item"><div class="timeline-dot"></div><div class="timeline-content"><span class="timeline-year">1971</span><h3>Intel 4004 — 微處理器從零開始</h3><p>Federico Faggin 領導的團隊設計出第一顆商用微處理器，用了 2,300 顆電晶體，時脈 740 kHz。它最初是為日本計算機公司 Busicom 設計的，用在桌上型計算器裡。Intel 用 $60,000 買回了晶片的所有權——這筆交易可能是半導體史上最划算的投資。</p></div></div>
<div class="timeline-item"><div class="timeline-dot"></div><div class="timeline-content"><span class="timeline-year">1976</span><h3>Apple I — 車庫裡的革命</h3><p>Steve Wozniak 在自家車庫裡用手工焊接出 Apple I。他原本只是想在 Homebrew Computer Club 展示自己的作品。Steve Jobs 看到了不一樣的東西：「普通人也應該擁有電腦。」這台售價 $666.66 的裸板電腦只賣出約 200 台，但它點燃的想法——個人電腦——在五年內變成了一個產業。</p></div></div>
<div class="timeline-item"><div class="timeline-dot"></div><div class="timeline-content"><span class="timeline-year">1983</span><h3>GNU 計畫 — 自由軟體的怒火</h3><p>MIT 人工智慧實驗室的 Richard Stallman 因為 Xerox 拒絕提供印表機驅動程式的原始碼而暴怒。他的憤怒不是對硬體，是對「知識被上鎖」這件事。他辭去了 MIT 的工作，發起 GNU 計畫，要建造一個完全自由的作業系統。他寫下的 GPL 授權條款——任何人都可以使用、修改、散布，但衍生作品必須保持同等自由——至今仍是全球最多軟體採用的開源授權。</p></div></div>
<div class="timeline-item"><div class="timeline-dot"></div><div class="timeline-content"><span class="timeline-year">1991</span><h3>Linux 0.01 — 「只是個人興趣」</h3><p>21 歲的芬蘭大學生 Linus Torvalds 在 Usenet 上貼文：「我在做一個（自由的）作業系統，只是個人興趣，不會像 GNU 那麼大那麼專業。」這可能是計算機史上最謙虛的產品發布。三十年後，Linux 跑在全球 100% 的超級電腦、96% 的 Web 伺服器、超過 30 億台 Android 裝置上。Torvalds 至今仍在家裡審核每一行要進入核心的程式碼。</p></div></div>
<div class="timeline-item"><div class="timeline-dot"></div><div class="timeline-content"><span class="timeline-year">1993</span><h3>Mosaic 瀏覽器 — 網路走入客廳</h3><p>在 Mosaic 出現之前，「上網」意味著在終端機裡打指令。Marc Andreessen 和 Eric Bina 在伊利諾大學 NCSA 開發的 Mosaic 做了一件簡單但關鍵的事：把圖片和文字放在同一個頁面上。這聽起來微不足道，但它讓全球資訊網從學術工具變成了大眾媒體。一年後，Andreessen 創辦了 Netscape，瀏覽器戰爭開打。</p></div></div>
<div class="timeline-item"><div class="timeline-dot"></div><div class="timeline-content"><span class="timeline-year">1998</span><h3>Google 與「開放原始碼」</h3><p>兩件看似無關的事同時發生。在史丹佛宿舍裡，Larry Page 和 Sergey Brin 用 PageRank 演算法重新定義了搜尋——讓「在網路上找到東西」變得可能。同年，「Open Source」一詞被 Christine Peterson 正式提出，取代了 Stallman 偏好的「Free Software」。Google 本身就是開源的受益者：它的整個基礎設施建在 Linux 上。</p></div></div>
<div class="timeline-item"><div class="timeline-dot"></div><div class="timeline-content"><span class="timeline-year">2007</span><h3>iPhone — 行動運算的奇點</h3><p>Steve Jobs 站在 Macworld 的講台上：「今天，Apple 要重新發明手機。」iPhone 不是第一支智慧手機，但它重新定義了「上網」的意義——從「坐在電腦前」變成「隨時隨地」。更深遠的影響是它創造了 App Store 生態系（2008），讓全球的獨立開發者第一次能直接觸及數十億用戶。行動運算把網路人口從 10 億推向 50 億。</p></div></div>
<div class="timeline-item"><div class="timeline-dot"></div><div class="timeline-content"><span class="timeline-year">2008</span><h3>GitHub — 程式碼的社群網路</h3><p>Tom Preston-Werner、Chris Wanstrath 和 PJ Hyett 創辦了 GitHub，把 Linus Torvalds 發明的版本控制工具 Git 從命令列帶進了瀏覽器。它做的不只是託管程式碼——它讓「發 Pull Request」變成全球開發者的共同語言。到 2024 年，GitHub 有超過 1.8 億開發者和 4.2 億個專案。微軟在 2018 年以 $75 億收購它——對一個「讓人免費共享程式碼」的平台來說，這個價格本身就是一個慢變量的註腳。</p></div></div>
<div class="timeline-item"><div class="timeline-dot"></div><div class="timeline-content"><span class="timeline-year">2012</span><h3>AlexNet — 深度學習的引爆點</h3><p>Geoffrey Hinton 的學生 Alex Krizhevsky 用兩塊 NVIDIA GTX 580 GPU 跑了六天，訓練出 AlexNet。它在 ImageNet 影像辨識競賽中以 15.3% 的錯誤率遠超第二名的 26.2%——差距大到評審以為搞錯了。這不是漸進式改善，這是典範轉移。Hinton 已經在神經網路領域堅持了三十年，經歷了兩次 AI 寒冬，幾乎所有同行都放棄了這條路。AlexNet 讓他的堅持得到了回報——也讓 GPU 從遊戲顯示卡變成了 AI 的引擎。</p></div></div>
<div class="timeline-item"><div class="timeline-dot"></div><div class="timeline-content"><span class="timeline-year">2015</span><h3>NVIDIA 的轉向 — 從遊戲到算力</h3><p>Jensen Huang 做了一個在當時看來古怪的決定：把 NVIDIA 從一家遊戲顯示卡公司轉型為「AI 算力平台」。他投入資源開發 CUDA 生態系，讓 GPU 不只能渲染遊戲畫面，還能訓練神經網路。華爾街分析師質疑這個策略。九年後的 2024 年，NVIDIA 市值突破 $3 兆，成為全球最有價值的公司之一。Huang 的豪賭不是預見了 AI 的爆發，而是預見了一件更根本的事：算力會像電力一樣，成為文明的基礎設施。</p></div></div>
<div class="timeline-item"><div class="timeline-dot"></div><div class="timeline-content"><span class="timeline-year">2017</span><h3>Transformer — 八個人改變一切</h3><p>Google 的八位研究員發表了論文〈Attention Is All You Need〉。這篇論文提出的 Transformer 架構拋棄了過去所有人認為必要的循環神經網路（RNN），改用「注意力機制」讓模型同時處理整段文字。六年後，這個架構成了 GPT、BERT、Claude、Gemini 等所有大型語言模型的基礎。八位作者後來全部離開 Google，各自創辦了 AI 公司——一篇論文，孵化了一個產業。</p></div></div>
<div class="timeline-item"><div class="timeline-dot"></div><div class="timeline-content"><span class="timeline-year">2022</span><h3>ChatGPT — AI 進入日常動詞</h3><p>2022 年 11 月 30 日，OpenAI 發布 ChatGPT。五天內突破一百萬用戶（Instagram 花了 2.5 個月，Netflix 花了 3.5 年）。但真正的衝擊不是速度——是「不會寫程式的人也能跟 AI 對話」這件事。自然語言成了新的程式語言。2023 年，全球 AI 投資超過 $1,500 億；2024 年突破 $2,000 億。媒體把 ChatGPT 比作「iPhone 時刻」，但更準確的類比可能是 Mosaic——它沒有發明底層技術，但它讓每個人都能摸到。</p></div></div>
<div class="timeline-item"><div class="timeline-dot"></div><div class="timeline-content"><span class="timeline-year">2024</span><h3>開源反攻 — Llama 與算力民主化</h3><p>Meta 發布 Llama 3，在多項基準測試上追平甚至超越閉源模型。Mistral、Qwen、DeepSeek 等開源模型同步崛起。訓練大型語言模型的成本以每年約 70% 的速度下降。2012 年訓練 AlexNet 需要兩塊 GPU 跑六天；2024 年，任何人都能用一台筆電在本地端跑 70 億參數的模型。從「只有實驗室能做」到「任何人都能用」——開源運動在 AI 時代重演了 Linux 的故事。</p></div></div>
三條慢變量
1. 算力的指數擴張
1965 年，Gordon Moore 在《Electronics》雜誌發表了一個觀察：積體電路上的元件數量大約每年翻一倍。他後來修正為每兩年。這個觀察被稱為「摩爾定律」，但它不是物理定律——它是一個自我實現的產業路線圖。半導體公司以此為目標投入研發，設備商以此為節奏更新產線，投資人以此為估值依據。整個產業鏈圍繞著這條指數曲線運轉了超過半世紀。
數字本身令人眩暈：1971 年，Intel 4004 用了 2,300 顆電晶體；2024 年，NVIDIA 的 B200 GPU 塞進了超過 2,080 億顆——增長了近一億倍。但摩爾定律真正改變世界的方式不是讓晶片更快，而是讓運算成本以指數速度下降。當計算變便宜，原本「不可能」的事情逐一變成日常：人類基因定序的費用從 2001 年的 $30 億降到 2022 年的不到 $200；一次 Google 搜尋在 0.2 秒內掃描超過千億個網頁，成本不到一分錢；訓練一個大型語言模型的成本每年以約 70% 的速度下降。
但摩爾定律正在撞上物理極限。電晶體已經小到 3 奈米——只有十幾個原子的寬度。量子穿隧效應讓電子開始「穿牆而過」，傳統的縮小路線走到了盡頭。產業的回應是繞道：3D 堆疊（把晶片往上蓋）、先進封裝（把多顆晶片拼在一起）、專用加速器（GPU、TPU、NPU）。Jensen Huang 在 2024 年 GTC 大會上說：「摩爾定律已經結束了，但 NVIDIA 的算力增長速度是摩爾定律的四倍。」他的意思是：指數成長沒有停，只是換了引擎。
2. 開源運動的知識解放
1983 年，Richard Stallman 因為一台 Xerox 印表機而改變了軟體產業的走向。他想修改印表機的驅動程式來加一個通知功能，但 Xerox 拒絕提供原始碼。這件小事觸發了一場持續四十年的運動。Stallman 辭去 MIT 的工作，發起了 GNU 計畫，並寫下了 GPL（GNU General Public License）——任何人都可以使用、修改和散布 GPL 軟體，但衍生作品必須保持同等自由。這個「病毒式授權」的設計被商業軟體公司視為威脅，微軟的 Steve Ballmer 甚至在 2001 年稱 Linux 為「癌症」。
但歷史站在了開源這一邊。1991 年，21 歲的 Linus Torvalds 貼出了 Linux 核心 0.01 版——一個「只是個人興趣」的作業系統。三十年後，Linux 跑在全球 100% 的超級電腦上、96% 的 Web 伺服器上、超過 30 億台 Android 裝置上。全球前十大網站沒有一個跑在 Windows 上。2008 年 GitHub 上線，把版本控制從命令列工具變成了社群平台——「發 Pull Request」成了全球開發者的共同語言。到 2024 年，GitHub 有超過 1.8 億開發者和 4.2 億個專案。微軟在 2018 年以 $75 億收購 GitHub——同一家曾經稱開源為「癌症」的公司。
開源改變的不只是軟體的價格，是人類協作的預設模式。傳統模式是「我發明的，你付錢用」；開源模式是「我們一起做的，所有人都能用」。這條慢變量的影響範圍遠超出軟體產業：Wikipedia 用開源的邏輯重寫了百科全書、Arduino 用開源硬體降低了電子原型的門檻、CRISPR 基因編輯技術的核心工具鏈是開源的。當知識的預設狀態從「上鎖」變成「開放」，創新的速度就從線性變成指數。
3. AI 從規則到湧現
AI 的歷史是一部關於「期望過高→失望→堅持→突破」的循環史。1956 年的達特茅斯會議上，科學家們相信「只要一個暑假」就能解決機器智慧問題。1960 年代，MIT 教授 Marvin Minsky 告訴他的研究生：「暑假作業，寫一個能看懂影像的程式。」那個暑假作業到 2012 年才真正被解決——花了五十年。
中間是兩次寒冬和三次典範轉移。1970 年代，手動編寫的規則系統（專家系統）一度被視為 AI 的未來，但它們在現實世界的複雜性面前崩潰了——你無法為每一種可能寫一條規則。1990 年代，統計學習讓機器從數據中自己找模式，但受限於算力和數據量，效果有限。真正的轉折點在 2012 年：Geoffrey Hinton 的學生 Alex Krizhevsky 用兩塊遊戲顯示卡跑了六天，訓練出的 AlexNet 在 ImageNet 競賽中把錯誤率從 26.2% 砍到 15.3%。這不是改善，這是斷裂。
Hinton 為這一刻等了三十年。他在 1986 年就提出了反向傳播演算法（backpropagation）——訓練神經網路的核心方法。但在接下來的二十年裡，學術界普遍認為神經網路是死路一條。Hinton 在多倫多大學的實驗室成了「最後的堅持者」之一。2012 年的 AlexNet 不只證明了他是對的，還引爆了一連串連鎖反應：Google 花了 $44 百萬收購 Hinton 的公司 DNNresearch（只有三個人）；NVIDIA 的 GPU 從遊戲市場轉向 AI；全球的大學把 AI 從選修課變成必修課。
2017 年的 Transformer 論文和 2022 年的 ChatGPT 是這條慢變量的最新章節，但真正的慢變量不是哪個模型多厲害——而是 AI 能力的取得門檻持續下降。2012 年訓練 AlexNet 需要兩塊 GPU 跑六天；2024 年，任何人都能用一支手機呼叫比 AlexNet 強一萬倍的模型。Meta 在 2024 年開源了 Llama 3，任何人都能在自己的筆電上跑一個理解力超過早期 GPT 的模型。從「只有實驗室能做」到「任何人都能用」，這條路走了十二年。這條路的終點不是某個全知全能的 AI，而是 AI 像電力一樣成為基礎設施——你不需要知道它怎麼運作，你只需要插上插頭。
關鍵人物
每個時代的定義者
Gordon Moore
1929—2023Intel 共同創辦人。他在 1965 年提出的觀察不只是預測——它變成了整個半導體產業的路線圖。公司以此設定研發目標、投資人以此估值。摩爾定律的真正力量不是物理，是共識。
Steve Wozniak
1976—1985在車庫裡手工焊出 Apple I，證明了電腦不是只有政府和企業才能擁有的東西。Jobs 負責賣，但 Wozniak 負責讓它存在。他設計的 Apple II 是第一台真正成功的個人電腦。
Linus Torvalds
1991—至今用「個人興趣」創造了地球上最重要的軟體之一。三十年後仍在家裡審核每一行要進入 Linux 核心的程式碼。他證明了一件事：一個人的 side project 可以改變整個產業的基礎設施。
Geoffrey Hinton
1986—至今在所有人放棄神經網路的年代堅持了三十年。2012 年 AlexNet 引爆深度學習革命，2024 年獲得諾貝爾物理學獎。但他在 2023 年離開 Google，公開警告 AI 的風險——發明火的人也最清楚火的危險。
Jensen Huang
1993—至今NVIDIA 創辦人。在華爾街質疑的年代把遊戲顯示卡公司轉型為 AI 算力平台。他的豪賭不是預見了 AI 的爆發，而是預見了算力會像電力一樣成為文明的基礎設施。2024 年 NVIDIA 市值突破 $3 兆。
🔍 放大鏡——用慢變量看個人故事
每一條慢變量線上，都站著真實的人。以下是這篇分析中值得用放大鏡細看的故事：
他在 Usenet 上說「不會像 GNU 那麼大」——三十年後 Linux 跑在 100% 的超級電腦上
在所有人放棄神經網路時堅持了三十年，AlexNet 引爆革命後又公開警告 AI 風險
因為一台修不了的印表機辭掉 MIT 工作，發起了改變軟體產業的自由軟體運動
華爾街說他瘋了，把遊戲顯示卡公司押注在 AI 上——九年後市值 $3 兆
🔍 慢變量觀察
科技七十年的演化揭示了一個核心慢變量：取得門檻的持續下降。1946 年，運算是政府的專利；1976 年，個人可以擁有電腦；2007 年，每個人口袋裡都有一台；2024 年，每個人都能跟 AI 對話。每一次門檻的下降，都不是技術本身的突破，而是某個人決定「這個東西不應該只屬於少數人」的結果。Wozniak 認為普通人應該擁有電腦、Torvalds 認為作業系統應該是免費的、Hinton 認為神經網路值得堅持、Meta 認為大型語言模型應該開源。科技史的真正驅動力不是摩爾定律的指數曲線，是這些人的信念。
🔮 下一個慢變量
三條慢變量正在匯流。算力的指數擴張提供了硬體基礎、開源運動確保了知識不被壟斷、AI 的民主化讓每個人都能使用智慧工具。下一個慢變量可能不在科技內部，而在科技與其他領域的交叉點：AI 加速藥物研發（AlphaFold 已經預測了超過 2 億個蛋白質結構）、開源硬體降低醫療器械的成本、邊緣運算把算力帶到沒有網路的偏鄉。最關鍵的問題不是「AI 能變多強」，而是「誰能用到它」。如果 AI 的成本曲線繼續下降，十年後全球南方的農民可能比今天矽谷的工程師擁有更強的 AI 助手——就像今天肯亞的牧民用手機銀行 M-Pesa 完成了華爾街銀行家做不到的普惠金融。算力的民主化是這個時代最重要的慢變量，而它才剛開始。