超越所有人类的模型，可能只剩几年。
说这话的人，在 Anthropic 管强化学习。
他叫绍尔托·道格拉斯。
在他的设想里，那道门几年内就会被推开。
推开之后，人在电脑上能做的活，模型全能接手。
等机器人再跟上，物理世界里的活也一并盖住。
原本要几个世纪才攒出来的技术进步，会被压进一二十年。
他还算了一笔账。
2028 年，投在这件事上的年度资本开支可能冲到 4 万亿美元。
到 2030 年代初，全球一年的产出可能翻一倍。
话说得很满。
同一场访谈里，另一位研究员尼克·马威尔补了一句提醒。
等到模型不再需要人类搭档那一天，连他们自己都会非常紧张。
这期节目八月就录完了。
直到十月二日才放出来。
主持人朗斯代尔在节目里说，公关那边反对放出其中一部分，视频因此推迟。
节目一上线，几段切片就在 X 上炸了。
一个月前，另一家公司喊出了通用人工智能时代。
绍尔托当时在 X 上唱反调。
原话很短。
通用人工智能显然还没有实现。
但他并不觉得那道门很远。
在他看来，距离模型接手人在电脑上的全部工作，可能只剩下几年。
同一家实验室，给出两种答案
和他同台的尼克负责长程任务团队，研究的是怎么让模型持续推进复杂工作。
主持人问，接下来的使命是什么。
绍尔托的回答很直接。
这道门槛，几年内就能跨过去。
他随后解释，这样的模型能做人能做的所有事。
等机器人足够先进，物理世界里的工作也会被覆盖。
这期节目录完没多久，新一代旗舰模型发布。
业内高管说，我们正在进入通用人工智能时代。
黄仁勋更是直接发帖，宣布它已经到来。
九月二十三日，有网友在 X 上追问。
一家迟迟不宣布实现通用人工智能的实验室，到底是标准更高，还是怕一宣布，就和给模型减速的主张打架。
绍尔托只回了一句。
通用人工智能显然还没有实现。
没多久，他在同一家实验室做微调的同事，在同一条帖子下回复。
要是十年前把今天的模型拿给专家看，他们会直接宣布这就是通用人工智能。
同一家实验室里的研究员，对这道门槛的看法也不一样。
绍尔托给这道门槛定的标准是，模型能完成人在电脑上做的所有工作。
而他感受到的变化，就发生在自己的日常里。
十八个月前，他写的每一行代码都是手敲的。
进公司几个月后，模型能帮着写，但每隔几分钟他就得插手一次。
录节目的时候，他已经能把一两天的活整个丢给模型。
他给了一句评价。
差不多像个初级团队成员。
对做 AI编程 工具的人来说，这句话比任何评测分数都直观。
别把这道门槛想得太玄，落回日常就是一件事，每天能交出去多少活。
主持人追问，你说话这会儿，模型也在替你干活。
他说，有一堆正在替我干。
数学领域的跃迁更惊人。
他还举了数学评测的例子。
在这套由各领域教授出题的测试上，模型成绩一年里从零升到了六成以上。
一笔首付，和一场争吵
几年内造出超越所有人类的模型，这笔账单能有多大。
绍尔托算了一遍。
过去四五年，用于训练的算力，每年涨到前一年的两到三倍。
今年，几家超大规模云厂商在这上面的资本开支，加起来大约一万亿美元。
他接着问了一句。
这条趋势线还能延续吗，明年会不会到两万亿，2028 年再到四万亿。
在他看来，如果投资增长大体延续，2028 年的年度资本开支就可能摸到 4 万亿美元。
再加上机器人产业的发展，到 2030 年代初，全球一年的产出就可能翻一倍。
这个数字有多激进，看英伟达就知道。
英伟达曾预计，到 2030 年，全球用于这类基础设施的年度投入可能在 3 到 4 万亿美元之间。
绍尔托把英伟达预测的时间点，向前推了两年。
他也承认，产出翻倍听着有点荒唐，需要很多事情都做对。
这不是临时起意。
八月十四日，他就在 X 上写过一句话。
现在听着再疯，也值得把经济翻倍，算进你对 2030 年代的预期里。
尼克则谈到了另一笔账。
未来单次模型训练，可能耗资一百亿，一千亿，甚至一万亿美元。
从代码补全，到能独立干活的编程助手，每一次能力升级，能创造的价值都可能远超上一代。
绍尔托补了一个数字。
今天全世界的相关收入加起来，也就一千多亿美元。
放进几十万亿美元的全球经济里，只是很小的一块。
在他们的账本里，眼下砸下去的万亿美元，只是一笔首付。
与其盯着账面上那 4 万亿，不如看他给的前提，任何一条不成立，整条曲线都要重画。
对做 AI工具 的公司来说，这笔账也是风向标。
这笔账一出，X 上立刻吵翻了。
圈子里头号唱衰派，纽约大学荣休教授加里·马库斯，直接把它叫作疯话。
他还点破了其中的话术。
从一件很可信的事讲起，资本开支涨到四万亿。
接着滑到一件几乎不可能的事，不到十年产出翻倍。
然后装作两件事一样靠谱。
深度学习老将施密德胡贝尔更损。
他说，2030 年代初让产出名义翻倍，照现在这个通胀，不成问题。
人人都比首富更富足
四万亿美元砸下去，换来的是绍尔托描述的一个后稀缺的世界。
以今天的人口规模，原本需要几个世纪才能研发出来的技术，可能在未来十年，二十年内实现。
人类的生产性脑力和体力可能因此翻倍。
许多东西的成本，最终会降到能源成本，连盖房子也一样。
主持人顺势畅想，到那时中产都能在山上盖一座大宅。
绍尔托描绘的未来，还包括治愈疾病，甚至攻克衰老。
地球上的每个人，都能享有连今天最富有的人也享受不到的富足。
他说，这就是我们要为之奋斗的世界。
后稀缺这个词，过去多半出现在科幻小说里。
如今它从一个正在训练 Claude 的人嘴里说出来，而他所在的实验室，估值接近万亿美元。
对做 AI对话 产品的人来说，这件事的信号很清楚。
拖慢最多的，是他们自己
后稀缺的世界还远，很多人的工作却已经开始变。
绍尔托说，他看到菲律宾外包呼叫中心的就业不降反升，软件工程的岗位也在增长。
他的解释是，效率上去了，企业反而有理由多招人。
尼克给这段好日子加了个前提。
人还是用好 AI 的关键一环。
但在他们看来，总有一天，世界会从需要一个人配着模型，变成不需要。
到那时，我们会开始对后果非常紧张。
主持人拿国际象棋打比方。
整整三十年，最强的棋手是人加机器。
如今机器早就把人甩开了。
尼克认为，这次人机搭档占优的阶段，可能短得多。
一边说模型强到能让人失业，一边呼吁全行业放慢，这家实验室也因此被骂得最多。
主持人直接抛出质疑。
一些科技圈人士认为，掌门人在吓唬所有人，好制定更多规则拖慢别人，自己再掌控这些规则。
绍尔托的回答很平静。
到目前为止，被我们拖慢最多的，是我们自己。
尼克举了一个例子。
按他的说法，当时他们手握明显领先的模型，却选择先和政府合作，以政府认可的方式推出。
为此放弃了几个月的竞争优势。
主持人则说，据他了解，为了让政府放行，模型原本可用于网络防御的一些能力被削弱了。
他直言，这是个错误。
今年六月，那款模型上线仅三天，就因为出口管制被迫全球下线。
他们公开表示反对。
恢复访问时，模型多了一道安全分类器，代价是更容易误伤正常请求。
这段合作里，既有主动选择，也有强制要求，不能全算成自愿放缓。
拖慢最多的是自己，这句话是八月录节目时说的。
等到十月节目播出，踩刹车的换成了别人。
据路透社报道，另一家公司因为安全问题，放弃了一次新模型的发布。
同一天，这家实验室推出了新版本，距离上一个版本只隔了六天。
绍尔托自己的经历，也是一段加速的故事。
他在悉尼长大，本科学的是机器人，还差一点作为花剑运动员进了东京奥运会。
2020 年前后，他读博客和论文，确信规模定律能在十年里带来通用人工智能。
于是他利用晚上和周末自学，想挤进顶尖实验室。
后来他进了一家前沿研究机构，入行才一年半，就有同行的研究员说，他是某个模型成功背后最重要的人之一。
2025 年 2 月加入 Anthropic 时，他发帖说，我们正走在 2027 年实现通用人工智能的趋势线上。
一年半过去，他的口径一点没松。
他预计到 2028 年，家庭里可能已经有几万台人形机器人，叠衣服，做简单清洁。
模型拿下菲尔兹奖，在这个十年结束前拿下诺贝尔奖，他都认为很有可能。
从 2020 年读着博客下注，到今天说出几年内超过所有人类，他只用了六年。
六年时间，他把整条曲线往前挪了两年。
门槛的另一边是什么样，他没给出答案。
他只给了一个方向。
能被模型接手的活，最后都会交出去。
留下来的，是决定做什么，还有为什么这么做。
这也是这场访谈里最容易被忽略的一句。
账面上的数字越滚越大，被反复追问的其实是同一件事。
当模型不再需要搭档，人还剩下什么位置。
他没有回避，也没有给出结论。
他只把时间点报了出来。
剩下的，交给那条曲线。
而在那条曲线上，接下来的每一年，砸进这件事的钱都要再翻一倍。
Claude Code会员中转站 微信:douhanq
