当所有人都在讨论 AI 能做什么时，有人回头翻出了社区当年提出的问题清单，让投票来决定答案。
发生了什么
Hacker News 上出现了一个 Show HN 项目，核心形式是一次公开投票：把 Hacker News 社区多年来针对 AI 提出的各种挑战、质疑和预期整理成条目，让用户逐条判断哪些已经被满足、哪些还没有。项目本身在 HN 上获得了 24 分，属于中等热度但话题性明确的讨论。
需要说明的是，目前公开信息只到「投票」这一层，具体的条目清单、判定标准、投票结果都未在摘要中给出，因此这里不做任何数字或结论上的推断。
为什么重要
Hacker News 是 AI 讨论最密集、也最挑剔的社区之一。过去几年里，这里诞生过大量「如果 AI 真行，就让它做 X」式的挑战——从通过图灵测试的变体，到在真实代码库里独立修 bug，再到理解长上下文、复现论文结果。这些挑战往往带着怀疑色彩，但客观上构成了一份非正式的行业验收清单。
把它做成投票，价值不在于得出一个「AI 赢了/输了」的结论，而在于把模糊的舆论印象变成可逐条对照的条目。AI 领域的讨论长期存在两种失真：厂商用精心挑选的 demo 证明能力，批评者用极端个例否定整体。一份社区共识式的清单，至少提供了一个中间地带——哪些挑战的判定标准本身已经过时，哪些被悄悄满足了却没人注意，哪些被反复宣称解决但一碰真实场景就露馅。
影响与看点
对开发者来说，这类清单的实用价值在于校准预期。如果你正在评估某个模型或工具能否承担某类任务，社区对「同类挑战是否已被满足」的判断，比单一 benchmark 分数更接近真实体感。
对行业观察者来说，值得关注的是投票结果里「预期被满足但讨论热度已消失」的条目——这往往意味着某项能力已经商品化，不再是差异化卖点。反过来，那些多年后仍高票「未满足」的挑战，通常指向的不是模型能力问题，而是评估方式、数据可得性或工程集成的结构性障碍。
一个独立的判断是：这类社区投票的真正产出不是答案，而是问题清单的更新。AI 进步的速度让很多旧挑战失去意义，而新挑战的提出速度，往往比解决速度更能说明这个领域还剩下多少真问题。
