便利店玻璃门上的雾气凝成水珠，顺着胶条往下淌。夜里十一点，关东煮的格子锅还在咕嘟冒泡，白萝卜块在汤里翻了个身。穿冲锋衣的店员用夹子捞起一根竹轮，沥汤的间隙，收银台上的扫码枪响了一声。顾客把手机屏幕凑过去，嘀，付款完成。整个过程没超过三秒，连热气都没散开。那台扫码枪里跑着的图像识别算法，二十年前还占满一整间实验室。

算法从实验室爬进收银台，用了不到一代人的时间。早先超市收银员得记住几百个条码位置，现在摄像头扫一眼就能认出商品。这背后是卷积神经网络在干活，把图像拆成像素矩阵，一层层过滤特征。它不关心你买的是萝卜还是鱼丸，只认像素排列的规律。训练这些网络需要海量图片，于是有人把整个互联网的猫图都喂了进去。结果机器没学会认猫，倒先学会了认商品标签。

芯片的速度也在悄悄翻倍。十年前手机处理器跑个图像识别得喘半天，现在连门锁都能塞进一颗专用芯片。制程从28纳米走到3纳米，晶体管越做越小，小到快碰上量子隧穿的墙。工程师换了好几种材料，从硅到砷化镓，再到二维材料。每次换材料都像重新学走路，良品率掉下去再慢慢爬上来。你扫码那一下，背后是几百道工序在支撑。

数据是另一头怪兽。每次扫码、每次点击、每次定位，都在往服务器里添一条记录。这些记录被清洗、归类、标注，变成训练模型的燃料。有人统计过，一台自动驾驶汽车每天产生的数据，够填满几十块硬盘。这些数据不能直接扔给算法，得先让人标出哪里是车道线，哪里是行人。标注工人坐在电脑前，一张张画框，时薪不高，却是整个链条里少不了的环节。

算力堆上去以后，模型开始能写句子、画图、编代码。有人拿它写诗，有人拿它生成会议纪要。但模型本身不知道自己在干什么，它只是在算概率，猜下一个词最可能是什么。你问它关东煮的汤底怎么调，它能把网上所有食谱揉在一起，给你一个看起来挺像样的答案。至于那答案能不能喝，它不负责。

深夜的便利店又进来一个人，要了杯热豆浆。扫码枪再响一次，数据传到云端，模型更新一轮。整个过程安静得像没发生过。关东煮的锅还在冒气，白萝卜已经煮透了，筷子一夹就碎。科技大概就是这样，它不声不响地嵌进日常，直到你某天发现，连一根竹轮从生到熟，都有人用算法算过时间。