把智能演化的历史摊开在一条时间轴上，最先跃入眼帘的不是某个具体事件，而是这条线的形状：它并不是一条平缓上升的直线，而是一条前半段几乎贴地、后半段陡然爬升的曲线。本页要建立的就是这条时间尺度——智能演化的加速趋势与周期压缩：演化不是匀速前进，而是由载体更替驱动的加速过程。

两条链：载体在迁移，周期在压缩

曲线之所以会拐弯，是因为两件事同时在发生。

• 载体迁移链：基因积累 → 语言与文化 → 软件、算力与人工智能。每一次迁移，都改变了“信息可以存在哪里、可以被复制多快”这个底层条件。
• 周期压缩链：世代 → 年 → 月 → 单次迭代。一次“尝试—留下或淘汰”的完整回合，从以世代计缩短到以年、月计，最后短到一次生成、一次编译、一轮训练与评估。

两条链是一一对应的：载体换到哪一层，周期就压到哪一档。记住其中一条，往往就能回想出另一条。

为什么曲线会陡然爬升

加速并不是因为某个单一因素在持续发力，而是因为“试错—复制—选择”这一回路的单位成本与单位时长被持续压低：候选方案复制得越来越便宜，验证一轮所需的时间越来越短，于是单位时间里能完成的尝试次数成倍增加。这是本页给出的解释性推论，可以作为课堂讨论的着力点。

由此得到一个重要的判断：不能用线性外推去理解这条曲线。每当载体更替、一步的成本下降一个量级，整条曲线的斜率就会再跳一次，用过去的速度去预测未来，会系统性低估后段的抬升。

被挤压的一环：从生成到判定

周期越短，“生成候选”就越廉价；但真正决定成败的，始终是“哪个候选真正有效”。当生成环节被大幅提速，相对被挤压的恰恰是选择与验证——它从一个隐性的前提，变成显性的瓶颈。图中那条始终高于蓝色阶梯折线的灰色虚线，表示的正是“选择与验证成本”的相对滞后。这正是本页希望建立的第二个判断：加速不只改变了速度，也改变了注意力的分配。