Ethan Mollick：AI 智能体时代，我们已能看清「Thing」的轮廓

Ethan Mollick 2026年3月12日 1,039 83 93 分享 2023年10月，我写过一篇关于“事物之影的形状”的文章，推测AI在未来几年可能演变成的那个“事物”。我认为现在我们可以更清楚地看到这个“事物”，以及随之而来的一些后果。正如我在最近几篇文章中所讨论的，我们已经进入了一个AI的新阶段。ChatGPT问世之后，人机协作呈现出我所称的“共同智能”形态，即人类通过反复向AI提问来获得任务上的帮助。从2025年底开始，得益于Claude Code、OpenAI的Codex和OpenClaw等AI智能体，我们进入了一个新时代。这些AI系统，你只需把工作交给它们——有时是数小时的人力工作——几分钟内就能得到合理且有用的结果。这是一个管理AI、而非与AI协作的时代。

这种对待AI的新方式，是AI能力快速指数级提升的结果。这意味着，如果不理解AI日益增强的能力，你就无法理解我们现在身处何处，以及我们可能走向何方。

指数级的进步很难直观呈现，所以我不打算用图表，而是从水獭说起。如果你关注过我关于AI的写作，就会知道我的“水獭测试”：我让各种AI图像模型生成一张“水獭在飞机上用WiFi”的图片。如下所示，从2022年（ChatGPT发布之年）到2025年，进展迅速且惊人。

那么，自2025年4月那张图之后又发生了什么？随着图像近乎完美，视频成了新的前沿，并且同样实现了指数级增长。为了演示，我给TikTok母公司字节跳动最先进（且尚未在美国发布）的AI视频模型输入了这样一个提示词：一部关于水獭如何看待Ethan Mollick的“水獭测试”的纪录片，该测试通过AI生成水獭坐在飞机上的图像的能力来评判AI。这是第一次生成的结果——一定要打开声音：

除了一处发音错误，这相当完美，甚至连水獭被赋予类人表情的动画都做到了。当然，视频模型很酷，但它们未必能代表有用的智能体式AI能做什么。那么，如果我们看看AI能力的基准测试，是否也能看到同样的指数曲线？

在当今最著名的AI评测——METR长任务图表——中，我们确实看到了。它试图通过衡量AI能在一定可靠性下自主完成多少人类工作来测量AI的进展。它也招致了不少批评，连METR自己都指出了潜在问题。但如果你不喜欢METR的图表，你会发现大多数AI能力图表都有同样的曲线。

举个例子，我挑选了四项难度高且类型多样的AI测试，并在下图中绘制了随时间推进的进展。左上角是Google-Proof Q&A基准的得分，这是一项知识测试，研究生借助谷歌在自己领域之外只能得34%，在领域之内大约得70%，而如今最强的AI能得94%。再看GDPval，由行业专家评判AI与经验丰富的人类在复杂任务上的表现，最新的AI现在有82%的情况达到或超过顶尖人类的表现。同样的模式也适用于“人类最后的考试”，这是一组由大学教授编写的极难题目，需要相当的专业知识才能作答。我们甚至可以用AI解谜题的能力来衡量（你可以在这里试试这些谜题，很有趣！）。每一项都显示出类似的能力快速提升，几乎没有放缓的迹象，至少直到它们达到测试的最高可能得分。

撇开指数曲线不谈，重要的是要认识到所有这些测试都有各自的缺陷，而且AI仍然是参差不齐的，能在某些任务上达到高水平，却在另一些任务上出错。此外，尽管在测试中展现出这些惊人的能力，企业在采用AI方面仍处于非常早期的阶段，这意味着迄今为止，大多数组织几乎没有什么变化。但“大多数组织”并不意味着每个组织。我们已经开始看到，利用AI智能体新能力的新型组织方式的最初雏形。

几周前，专注于访问控制的安全软件公司StrongDM的一个三人团队宣布，他们打造了一座“软件工厂”——一种完全依赖AI来编写、测试和交付生产软件、无需人类参与的工作方式。该流程包含两条（相当激进的）规则：“代码不得由人类编写”和“代码不得由人类审查”。为了驱动这座工厂，每位人类工程师预计要在AI token上花费相当于其薪水的金额，至少每天1,000美元。

这座工厂的基本理念是：它接收由人类编写的未来产品路线图，并将其转化为产品。编码智能体利用这些路线图构建软件，而测试智能体则在模拟的客户环境中试用软件（该环境由测试智能体按需构建）。各组智能体相互提供反馈，来回循环，直到结果令AI满意。然后由人类审查成品，结果便交付给客户，全程没有任何人接触、甚至看到底层代码。

由软件工厂的测试智能体构建的 Slack 模拟版本，其中一群模拟客户提交请求，以测试编码智能体正在打造的工具。显然，这里有很多细节让这种方法得以奏效，StrongDM 团队已经公开分享了许多细节。他们还邀请了一些聪明的外部观察者来观看工厂的运作，并对所见所闻发表评论，因此你可以阅读 Simon Willison 和 Dan Shapiro 的记述，以更好地了解他们方法的优势和劣势。然而，在许多方面，软件工厂的具体细节并不如这样一个事实重要：这种对我们工作方式的激进实验如今不仅可能，而且很可能是必要的。AI 已经足够好，足以改变组织的运作方式，而实验才刚刚开始，即便模型仍在不断改进。

实用的智能体、参差不齐的指数级进步，以及从根本上实验工作本质的能力，共同构成了一种滚动且不可预测的 AI 进步环境。当 AI 能力跨越阈值时，它会解锁激进的新用例，从而改变人们对 AI 能做什么的看法，有时一夜之间就会改变。与此同时， experimenting with AI 的组织将摸索出如何让它为自己所用，从而导致突然宣布新战略，或公司最看重哪些类型员工的大规模转变。此外，随着 AI 持续进步，更多政策制定者将对 AI 治理产生兴趣，从而与 AI 公司产生冲突。

当然，事情也有可能平息下来。也许 AI 的进步撞上了墙，组织逐渐吸收这些变化，而随着人们了解 AI 能做什么、不能做什么，滚动式的颠覆会变得更易管理。历史上充满了本应一夜之间改变一切、却花了数十年才彻底重塑经济的 technologies。

我们不知道这会走多远。RSI几十年来一直是一个理论概念，而实验室可能会遇到瓶颈，无论是在算力、数据方面，还是在AI研究本身的巨大难度上。我们也不知道基于LLM的AI最终是否会触及天花板，无法再变得更好，或者参差不齐的前沿永远不会变得平滑。我认为我们无法确定任何事情，但我也认为我们已经过了递归自我改进还是科幻小说的阶段。相反，它已是每家主要AI公司路线图上的明确项目。如果这个循环真的闭合，我们一直观察的指数曲线将变得更加陡峭，终点不确定。

所以这就是我们今天的处境：二月那一周的不稳定，是对当AI不断增强的能力开始同时与市场、就业和政府相互作用时那种感受的预演。这种不确定感很可能只会进一步蔓延。但不确定并不等同于无助。当一项技术如此强大又如此动荡时，个人和组织此刻所做的选择更加重要。我们现在能看到这个“Thing”的轮廓，但我们仍然可以影响这个“Thing”本身，以及它对所有人的意义。我们显然还没有关于AI如何在工作中、学校里或政府中被使用的规则或榜样。这是个问题，但这也意味着，现在每一个找到良好AI使用方式的组织都在为其他所有人树立先例。塑造这个“Thing”的窗口可能不会持续太久，但它就在当下。