AI 圈顶流播客 Dwarkesh Podcast 的主持人 Dwarkesh Patel 发表长文预测:「超级智能 2030 年前就会到来,最快明年。」他的理由是,「AI 在数学上的突破像一场雪崩,正在冲向 AI 研发本身。」按照他的预测,等 AI 学会自己做 AI 研发,就算不出现奇点,一年也能取得四年的进展。

Anthropic 9 月公布的数据显示,截至 8 月,Claude 主导了 Anthropic 26% 的 AI 研发工作,研究员给一个大致的方向,大部分活由 Claude 从头干到尾。今年 2 月,这个比例还不到 1%。
说这话的人是 Dwarkesh Patel。去年 6 月,他专门写过一篇「为什么我不认为 AGI 近在眼前」的文章,理由是 AI 不会边干边学,每开一个新对话都像第一天上班。

他最新发表的这篇 7000 字长文,题为「席卷数学的那场雪崩,正在冲向 AI 研发」。按照他的预测,AI 做 AI 研发的水平赶上最顶尖的人类研究员,可能在 2028 年,快的话几个月后就能实现。
他是被 AI 的数学能力说服的。2023 年 AI 连四位数加法都算不利索;2024 年做不出高中数学竞赛题;2025 年拿下国际数学奥赛金牌;今年早些时候开始解决数学家埃尔德什(Erdős)留下的难题。到了 9 月,OpenAI 用内部模型驱动约 1 万个智能体,花 88 个小时攻克了千禧年大奖难题之一的纳维 - 斯托克斯方程问题。
AI 这种解题能力如果用在 AI 研发上,未来的 Claude 7 改进注意力机制、发明 Transformer 这样的突破,它可能自己也能做出来。

第三方评测机构 METR 在 Anthropic 内部驻场 3 个月,11 月初发布评估报告:在目标明确的任务上,Anthropic 现在提升模型能力的速度大约是 2024 年 3 月到 2025 年 10 月的两倍。其中约 80% 的提速,可能要归功于大量用 AI 做研发。

OpenAI 9 月也公布过一组数据:用智能体最多的前 10% 研究员,每人每天消耗的 token 按 API 价格计算超过 7000 美元。OpenAI 给自己定的目标,是在 2028 年 3 月前开发出自动化 AI 研究员。
真到了 AI 研究员的能力追上顶尖人类的时候,根据 Dwarkesh 的估算,现在的 AI 干活比人类快 10 倍左右,还不用睡觉、不过周末。算下来,一个 AI 研究员一周的工作量,差不多是人类研究员的 50 倍。每个 AI 研究员都是顶尖水平,还能复制出成千上万个一起干活。

算力一样多,研究员思考的时间多少,照样影响研发进度。AI 研究员想得比人快还不用睡觉。和一家全是 AI 研究员的公司比,今天的 OpenAI 就是那家树懒 AI。思考时间多了,进度也就会变快。

不过,AI 研究员可以要多少有多少,好点子却会越来越少。AI 厂商每年要把研发算力提高到原来的 4 倍、人手增加一倍,才能保持同样的进步速度。一边是 AI 越来越强,一边是好点子越来越少,就看哪边更快。

按照他的估算,AI 研发第一年大约能走完原本四年的路,相当于 12 个月从 GPT-3.5 升级到 GPT-6 Astra。过去的 GPT-3.5 只能写首打油诗,如今的 GPT-6 Astra 能从零开发出完整的游戏,还能源源不断地产出菲尔兹奖水平的数学成果。

过去四年,AI 从一个学龄前儿童长成了天才实习生。要是下一次同样大的跃迁从 2027 年或 2028 年开始,那时候的 AI 大概率会比英伟达更会设计下一代芯片。给它一间能远程操作的材料实验室,它找到室温超导体的速度可能比全人类都快。
2028 年这个时间点,我们先插个眼。