曼谷的一场讲座。
Anthropic 的联合创始人杰克·克拉克上台。
他给的判断很直接。
奇点已经到来。
他把时间点压在 2030 年。
到 2030 年，美国经济总量会被推到 44 万亿美元。
这页幻灯片在给奇点下定义。
先说这个词。
它不是说机器忽然有了意识。
指的是技术进步的速度。
快过了人理解和跟上的速度。
演讲的题目就写着奇点。
这是国际货币基金组织的一场讲座。
他把结论说得很干脆。
这句话后来被反复引用。
现场引述的推文，标题写着 44 万亿。
钱从哪来
这条推文引出了后面的推演。
极端路径下，年化增速被推到 15.4%。
一个成熟经济体，四年半翻一倍。
技术的裂变，会改掉资本和宏观的算法。
克拉克给了一份宏观模拟。
这不是一句比喻。
背后是一套能跑的模型。
调查图，问的是 AI 何时能顶上一个熟练工。
数字听着离谱。
官方经济团队把假设摊开了。
没有 AI 冲击，经济按老路子走。
年均 2% 左右。
创意贡献 1.67 个点，劳动力贡献 0.33 个点。
2030 年的基准是 33.5 万亿。
模型的前提，是 AI 全面接管复杂的科学探索。
再叠上递归自我改进。
到 2030 年，产出被算到 44.4 万亿。
台下的人，一开始并不买账。
三种情景的产出柱状图。
把 AI 接管知识工作加进去，开始分层。
保守情景微涨 1.6%，到 34.1 万亿。
显著情景涨 8.3%，到 36.3 万亿。
极端情景比基准线高出 32.4%。
差距就在这一步拉开。
克拉克的自述页，写着他花了四十年。
算式很直白。
33.5 万亿乘 1.324，约等于 44.4 万亿。
凭什么。
凭认知和经验能被无限复制。
他指着自己说了一段。
世上只有一个我。
萨根《暗淡蓝点》的引文页。
培养一个顶级科学家，要十五年教育，还要烧掉几百万美元。
如果算力允许，瞬间克隆出十万个呢。
联合国教科文组织的统计是，全球全职科研人员约一千万。
现代文明就靠这一千万人撑着。
克拉克描绘的图景是，这一千万人带着十亿个数字分身干活。
新药研发从十年压到几周。
室温超导和固态电池的材料，被算力一路穷举。
科学进度和产出互相推着走。
形成正反馈。
这也是各国都在抢算力的原因。
慢一步就掉队。
一个顶尖科学家的判断力，本来是稀缺品。
复制之后，稀缺性就没了。
算力够的地方，科研变成流水线。
实验室不再靠人熬年头。
英伟达和各家云厂商的订单，也在往这个方向堆。
政策层面同样在加速。
宁可先买算力，也别指望按部就班培养人。
但免费午餐这件事，得先打个问号。
人均代码产出的季度曲线，标着 25 倍。
学生开始纠正老师
他敢这么说，是因为手里有数据。
公司内部每个人的代码产出，几乎是过去的十倍。
AI编程这门活，最先被它接手。
这个数字不是抽样估算。
这不是实验室里的特例。
人类最后的考试的得分曲线。
先看人类最后的考试。
题库覆盖化学和计算机，也覆盖高等数学和经典文学。
2025 年 1 月刚发布时，最强模型只拿到 8%。
就在本周，Claude 的 Opus 5.5 刷到 67.7%。
这个题库专门挑人类最难的那部分。
题目还会不断加新。
前沿数学的曲线，从 2% 爬到 94%。
再看前沿数学。
题目由几百位数学家联合设计。
2024 年底刚上线，最强模型只有 2%。
今天这个数字是 94%。
一页说明，讲模型开始给老难题提解法。
老难题开始松动。
雅可比猜想上，模型给出了思路。
理论物理评测的论文首页，作者一长串。
更让人坐不住的是上周公布的理论物理评测。
五十道题，全是顶尖物理学家没发表的最新成果。
答案不公开。
背题这条路被堵死了。
论文的预印本页面，投稿日期写着 10 月 9 日。
开局时，另一家的新模型和 Opus 5.5 都拿到八十多分。
核对错题时，模型坚持自己是对的。
它说人类专家的参考答案算错了。
科学家回头重推了一遍步骤。
结果在多道题里，人类算式底部的细小错误被揪了出来。
改完这些错误，模型的分数定在 98%。
五十道题，攻克四十九道。
学生开始当老师。
现场安静了几秒。
这不是模型答对了题。
是它替人改错。
克拉克借了电影里的桥段。
科学任务基准的汇总图。
现在的模型不再是补全器。
它不再是一个听指令的 AI工具。
更像博学者。
自主研发能力的指数曲线，标着 2027 年 3 月。
它开始自己造下一代
更让硅谷紧张的是第二件事。
AI 开始研发 AI。
这就是递归自我改进。
模型能读懂自己的代码。
能自己找缺陷。
能自己设计训练流程。
闭环一旦焊死，科研的迭代周期就被压扁。
第三方机构刚更新的指数里，格局变了。
Opus 5.5 以约 37% 的自主研发能力登顶。
另一家在 28% 左右徘徊。
开源主力模型在 21% 到 23% 之间追。
这不是论文里的设想。
是榜单上的分数。
斜率最陡的那条线，属于它。
指数四个子项的拆解图。
时间线还压得更紧。
按现在的加速度，2027 年 3 月到 50%，7 月到 60%。
对手要拖到 2028 年才到同样的水平。
整整一年。
在这一行，一年就是一个时代。
一段推文的截图。
一位科技播客作者的说法更直接。
内部员工认为，九个月内模型就能匹敌顶尖研究员。
不只是会做 AI对话。
成本排名的图，按任务排。
实测里，模型在没人干预时能自主调度十几到三十小时的算力。
跑出的训练配方，比人类论文里的更好。
一页关于训练细节的图。
它们自己写嵌入。
自己加预测头。
自己调采样表和学习率。
谁先把这条路推到临界点，谁就先起跑。
曾经以保守著称的这家公司，现在把油门踩到底。
那孩子该学什么
演讲快结束时，有人问了一个最朴素的问题。
如果是你自己的孩子，你会建议他学什么，做什么工作。
克拉克的回答不怎么好听。
死记硬背的路子会被碾碎。
真正值钱的是创造力，是通识，是哲学和历史。
是搞明白人的价值和伦理在哪。
可他的孩子才一岁和三岁。
他也说不准孩子长大时世界什么样。
印度政府的首席经济顾问说得更实在。
当大脑变便宜，手和体温会变得很贵，在场感也是。
电工。
水管工。
焊工。
护士。
养老陪护。
特殊教育。
这些活 AI 碰不到。
现场的一张配图，画面里没有文字。
他最后引了一个古印度的比喻。
人是一辆战车。
欲望是奔跑的马。
理智是缰绳。
真正的驭手是灵性。
AI 是加了一匹快得让人发晕的马。
与其把缰绳交出去，不如先学会拉紧它。
收尾一页的配图，同样没有文字。
驭手要是睡着了，这匹马只会带着所有人冲下悬崖。
Claude Code会员中转站 微信:douhanq
