AlphaGo、AlphaZero的核心作者——Julian拋出了一個尖銳的比喻：人們今天對AI的態(tài)度，很像當初面對新冠疫情早期的反應。

Julian的意思很直接：我們正在嚴重低估AI的進展。

圖片

很多人還在笑它寫錯代碼，抱怨它沒法替代人類；但在實驗室里，研究者早已看到另一幅景象——AI已經(jīng)能獨立完成幾個小時的復雜任務，并且還在按指數(shù)速度進化。

這就是他決定站出來發(fā)聲的原因：公眾的認知，和前沿的現(xiàn)實，之間至少隔著一個世代的落差。

圖片

科學家不忍再沉默：AI為何被大眾低估？

Julian Schrittwieser的名字，或許不像馬斯克、奧特曼那樣家喻戶曉，但在AI圈，他是響當當?shù)拇嬖凇?/p>

圖片

作為AlphaGo、AlphaZero、MuZero的核心作者之一，他親歷了AI從「圍棋科幻」到「現(xiàn)實碾壓」的全過程。

也正因如此，當他在個人博客寫下那段話時，格外刺耳：

人們注意到AI還會犯錯，就急著下結論：它永遠不可能達到人類水準，或者影響有限?？蓜e忘了——就在幾年前，讓AI寫程序、設計網(wǎng)站還完全是科幻！

在他看來，今天的輿論氛圍有點荒謬。

大眾盯著模型出錯的細節(jié)，就斷言「AI不過如此」；記者拿兩代模型的閑聊對比，覺得「沒啥變化」，就認定「進步停滯」；政策討論里，AI被當成遙遠的、虛浮的「泡沫」。

然而，實驗室里的研究者看到的，卻是另一幅畫面：AI的能力曲線正在以指數(shù)型躍升。

Julian bluntly指出，公眾與前沿之間的認知差距，至少滯后了一個世代。

他之所以站出來發(fā)聲，不是為了渲染危機，而是為了提醒：如果連科學家眼前清晰可見的趨勢都被忽視，真正的臨界點到來時，我們幾乎沒有準備。

指數(shù)曲線下的震撼，AI「獨立上班」的時間在翻倍

Julian提出的第一個關鍵證據(jù)，來自一家專門研究模型能力的機構——METR (Model Evaluation and Threat Research)。

他們的思路很直白：不再只看模型答題對錯，而是衡量它們能自主完成多長時間的真實任務。

在今年早些時候的研究里，METR給出的答案是：Claude 3.7 Sonnet能在約1小時長度的軟件工程任務中保持50%的成功率。

圖片

這意味著，它已經(jīng)具備獨立撐起一段「實打實的工作時長」的能力。

Julian指出，更令人震驚的是——這條曲線呈現(xiàn)出指數(shù)增長趨勢，每7個月翻一倍。

Sonnet 3.7已經(jīng)是7個月前的模型，正好對應METR統(tǒng)計出的翻倍周期。

他隨即給出最新的對照：在METR官網(wǎng)更新的圖表里，可以看到Grok 4、Claude Opus 4.1、GPT-5已經(jīng)排在右上角。

圖片

Julian博文引用的METR數(shù)據(jù)，橫軸為時間，縱軸為可完成任務的時長。可以看到GPT-5、Opus 4.1已經(jīng)突破兩小時大關。

它們不再是「1小時工作」，而是能夠支撐超過2小時的任務。指數(shù)并沒有放緩，反而略超預期。

這條線的含義不止是「2小時」，而是它所暗示的外推未來：

如果趨勢不變，2026年年中，模型將能連續(xù)完成8小時工作；再往后，2027年，模型可能在不少復雜任務上超越人類專家。

Julian的意思很明確：你也許不必喜歡這種預測，但忽視它的代價極高。

跨行業(yè)評測：AI已逼近人類專家

如果說METR的研究證明了AI在軟件工程任務上的「時間地平線」不斷拉長，那么另一項研究——OpenAI的GDPval則把這個趨勢帶進了現(xiàn)實經(jīng)濟。

GDPval的設計非常直接：找來44個職業(yè)、9大行業(yè)的任務，每個職業(yè)挑選30個真實工作樣本，總共1320項任務。

圖片

GDPval任務覆蓋9大行業(yè)，44個職業(yè)，模型表現(xiàn)已與人類差距極小。Claude Opus 4.1在多個維度甚至領先GPT-5。

這些任務由平均14年經(jīng)驗的行業(yè)專家設計，再交給模型去完成，最后由盲評打分：只看結果，不看作者是誰。

Julian在博文里寫道：

最新的結果顯示，GPT-5在許多職業(yè)任務上已經(jīng)接近人類水準。更令人意外的是，Claude Opus 4.1（發(fā)布時間甚至早于 GPT-5），在GDPval上的表現(xiàn)顯著優(yōu)于GPT-5，幾乎追平了行業(yè)專家。

這不是某個孤立benchmark的「漂亮成績」，而是在跨越法律、金融、工程、醫(yī)療、創(chuàng)意等行業(yè)的真實檢驗中，AI開始逼近人類平均水平。

圖片

OpenAI GDPval評測結果（2024–2025）?？v軸為模型在真實職業(yè)任務中的勝率（對比有多年經(jīng)驗的行業(yè)專家），深色為純勝率，淺色為勝或平局?？梢钥吹紾PT-5已逼近「行業(yè)專家水平線」。

更值得注意的是：OpenAI在這份報告中，并沒有刻意凸顯自家模型，反而坦誠承認友商Claude的表現(xiàn)更好。

圖片

Julian特別稱贊這一點，認為這是行業(yè)少見的「科研誠信」：

在追求安全和有益結果時，比拼輸贏反而不是最重要的。

當然，GDPval的設計也并非完美。

Julian也提醒，許多任務依然相對「整潔」（messy程度不高），沒有模擬長周期、多輪反饋的復雜工作環(huán)境。

但即便如此，趨勢已經(jīng)足夠說明問題——AI不只是能寫點小程序，而是在真實的職業(yè)場景里，正一步步靠近甚至超越人類。

質疑聲出現(xiàn)：趨勢真的可靠嗎？

在Julian的博文下，不少讀者認同「AI沒有泡沫」，但也有人提出尖銳的質疑。

其中，Atharva Raykar的評論獲得了高贊。他指出：

把AI的進展直接類比成指數(shù)曲線，其實很危險。疫情的指數(shù)傳播有明確機制支撐，而AI的提升并不是必然的。

圖片

他的觀點是：AI的進步更像是摩爾定律，靠整個行業(yè)不斷疊加創(chuàng)新與工程突破。

如果沒有推理模型等關鍵節(jié)點的突破，能力曲線可能早就「撞墻」。所以，單純外推曲線，未必能保證未來必然繼續(xù)加速。

Atharva還提到另一個問題：評測任務不夠「messy」。

METR的任務平均「復雜度得分」只有3/16，相當于結構清晰的小型工程任務；而現(xiàn)實世界中的軟件項目、科研探索，往往在7–16的區(qū)間，遠比benchmark混亂。

也就是說，現(xiàn)在的評測結果可能高估了AI在真實世界中的適用性。

Julian在后續(xù)回復中承認了這些提醒的合理性，但也強調：

我類比的重點并不是AI一定會像病毒傳播那樣加速，而是公眾和決策層正在忽視已經(jīng)發(fā)生的增長。

短期（1–2 年）的趨勢依然很清晰——在這種尺度上，外推往往比專家預測更靠譜。

在他看來，問題的關鍵不是曲線未來是否會「拐彎]，而是：如果趨勢真的繼續(xù)，而社會卻沒有準備，那代價將會極其沉重。

未來是替代，還是百倍增幅的協(xié)作？

Julian 在文章的最后給出了他最具沖擊力的預測：

2026年中，至少有一款頂級模型能連續(xù)自主完成8小時的工作任務——這意味著它不再只是一個「對話工具」，而是能真正以「全職員工」的形式參與工作流。

2026年底，在多個行業(yè)任務中，會有模型的表現(xiàn)正式達到人類專家的平均水平。

2027年之后，在不少垂直任務里，AI的表現(xiàn)將頻繁超越專家，并逐步成為生產(chǎn)力的主力。

這不是科幻，而是從當前曲線直接外推出的「保守版本」。

Julian直言，忽視這種趨勢，比過度擔憂更危險。

但他同時也強調，AI的未來不一定意味著「替代」。在他設想的畫面里，更有可能出現(xiàn)的是這樣一種場景：

人類依舊是指揮者，但身邊會有幾十個、上百個超強助手。人機協(xié)作下的效率提升，不是1倍，而是10倍、100倍。

這種模式不僅能避免大規(guī)模失業(yè)的恐慌，還可能釋放前所未有的創(chuàng)造力。

科研、設計、醫(yī)療、法律、金融……幾乎所有行業(yè)都會因此重組。

Julian把這種可能性稱為 「更安全、更有益的道路」：讓AI成為超強工具，而不是對手。

這幅未來圖景令人震撼：或許在不遠的2026或2027，你不是被AI取代，而是帶著一支「AI 團隊」去上班。

Julian的提醒，其實很簡單：我們正在低估AI。

不是說它完美無缺，而是它的曲線比多數(shù)人想象的更快、更陡。

按照當前的趨勢，2026或許就是關鍵轉折點——AI可能不再是「實驗室的奇觀」，而是走進每一個普通行業(yè)，真正改寫經(jīng)濟的底層邏輯。

這不是危言聳聽，而是一個事實：未來兩三年內(nèi)，我們都將直面一個被低估的臨界點。

而當那一刻到來時，每個人都要回答同一個問題：你會抵抗、觀望，還是率先和你的AI團隊并肩上崗？

參考資料：

https://x.com/polynoamial/status/1972167347088904371

https://www.julian.ac/blog/2025/09/27/failing-to-understand-the-exponential-again/