Jack Clark 在 IMF 演讲称奇点已经开始

Import AI 477：我在其中告诉IMF，奇点已经开始

你怎么看？Jack Clark，2026年10月19日

以下是我10月17日星期六在曼谷IMF会议上发表的演讲。这场演讲的灵感来自读者今年看到我报道的那些大趋势：AI开始在前沿人类科学领域运作，有时是自主运作。尽管我们可能都会在细节上争论不休，但我认为显而易见的是，我们正处于奇点的早期阶段，而我想利用自己发表Per Jacobsson讲座这一特殊机会，试着告诉聚集在场的经济学家、银行家和政策制定者，他们应当预期未来会发生重大而迅速的变化。在这场演讲中，我主要聚焦于：如果人类运用恰当的远见与克制，可以如何共享AI带来的益处；我还将在接下来的几期中进一步阐述奇点的利害关系以及我们所有人都将面临的风险。

正如我在演讲中说过几次的那样——其中部分内容是即兴发挥，未收录于此——我极其严肃地对待自己在这里的责任。我发现自己既是AI领域正在发生之事的叙述者，也是AI领域正在发生之事背后的主要推动者，同时还是穿梭于许多社群之间的翻译者。在这一切之中，我力求真实，并清楚说明我自身的责任。这是一项永远在进行中的工作。

大家好，感谢邀请我来。能来到这里是我的莫大荣幸。

首先，我应该列出我的相关资历：我是一个人类。我只有一个。我花了将近40年才积累起发表这场演讲所需的经验。我稍后会再回到这些资历。

我的整个职业生涯，都是由寻找那些似乎对世界未来重要的信息、然后把那些信息告诉世界来定义的。二十年前，我以记者身份开始职业生涯，专注于数据中心。通过那项工作，我对AI如此着迷，以至于2016年我离开新闻业，前往OpenAI工作，几年后又联合创办了Anthropic。从那以后，我一直试图说服世界：有一天，AI系统可能变得如此强大，以至于能够改变国家安全、改变地球的经济轨迹，或许最终还能获得构建自身的能力。

好吧，这一刻已经到来。AI如今正在改变国家安全，正在改变世界的经济轨迹——正如我们在这里的许多场次中所听到的那样——并且正在为其自身的发展作出贡献。

当然，你们中的许多人都知道这一点，而且你们不得不把AI作为塑造你们世界和工作的众多 destabilizing 力量之一来跟踪。

我今天要解释的是，AI正走在带来比我们所预期更多变化的道路上，我们应当相应地做好准备。我将解释原因。

多年来，研究人员和科幻作家一直预测这样一个未来：AI系统大幅加快整体科学和技术进步的节奏，使事物发展得如此之快，以至于人类难以跟上。

他们称之为奇点。我相信，今年我们已经获得了令人信服的证据，表明它已经开始。

作家Vernor Vinge在1993年就预言了这一点。“当超越人类的智能驱动进步时，那种进步将会快得多。事实上，似乎没有理由认为进步本身不会涉及创造更智能的实体——而且是在更短的时间尺度上，”他写道，并将奇点描述为“一个我们必须抛弃旧模型、新现实主宰一切的时刻”。

奇点已经到来。其影响遍及生活的方方面面。但最重要的影响很简单：我们应当预期，在未来几年里，不仅是AI，整个科学的进步节奏都将加快。这会让人感到困惑和迷失方向，并将带来巨大财富，也可能带来巨大危险。

今天，我将集中谈第一点：AI快速进步的潜在益处，以及我们需要做什么来共同分享这些益处。

人类将从AI中受益的许多方式都来自科学。我相信，AI驱动的科学发明将改变全球经济的走向，改变各国规划和建设自身基础设施的方式，使我们所有人更健康、能够花更多时间与亲人相处，同时也会让我们所有人就其持续发展应当作出的选择提出深刻的哲学问题。

我将展开我的主张：在过去半个世纪里，大多数国家都在应对研究生产率下降而研究人员人数迅速增长的问题——想法和发明似乎越来越难找到。

但有一件重要的事情已经改变：我们现在已经构建出能够在人类劳动的各个方面进行增强、扩展和自动化的AI系统。这一点在软件开发领域最为明显，如今AI系统的能力和效率已超过世界上绝大多数软件工程师。

因此，软件开发领域正在发生变化——现在，一个人就能为自己能想象到的任何东西编写软件，创造出过去需要整支人类团队才能完成的东西。

我们在Anthropic内部看到了具体证据：我们的研究人员现在产出的代码量几乎是公司成立头四年的10倍。

但新的AI能力也带来新的挑战——编码能力的提升意味着AI系统在网络安全和网络攻击方面也变得强得多，这导致全世界竞相部署这些强大能力以构建更好的网络防御，而恶意行为者则竞相利用这些系统实施黑客攻击。

这里需要注意的重要一点是，这些事情密不可分地交织在一起——AI系统在编码这样的一般性领域的进步，也在网络安全等具有国际重要性的领域同时产生了正面和负面影响。

这是未来趋势的一次预演。进步带来新能力，也带来新挑战。

这些能力不会止步于编码；同样的事情也会发生在科学和机器人领域。它已经开始发生了。这意味着全球经济的一些重要属性可能会改变——比如创新速度，或者我们发明全新通用技术并围绕其创造新产业的频率，就像互联网、电话和人工智能那样。

那么，是什么让我相信这一点？2026年，我们首次看到迹象表明AI系统可能具备在前沿开展科学研究的能力，而且我们有一些能让人想象未来图景的生动例子。例如：

在数学领域，AI系统已被用于为长期存在的数学问题提出解决方案，比如纳维-斯托克斯千禧年大奖难题、雅可比猜想以及若干未解决的埃尔德什问题。在许多情况下，AI系统提供了使解决方案成为可能的核心洞见。

在生物学领域，研究人员已利用AI从零开始设计病毒、识别可供测试的新候选药物，而且如今已有很大程度上由AI设计的药物进入试验阶段。

在机器人领域，AI系统如今越来越能够自主远程操作实验室设备，使我们能够进一步自动化从生物学到材料科学等领域的实验，从而加快电池和燃料电池开发等领域的进展。

单独来看，这些例子每一个都令人兴奋。但深刻的事实是，它们都关联到同一项底层技术——而且对其中大多数用例而言，是同一个单一的底层前沿模型。我们现在拥有单一的实体——像Claude、ChatGPT或Gemini这样的AI系统——能够在多个科学学科的前沿开展工作。

量化指标印证了这一点。其中一个指标是AI系统在一项名为“人类最后的考试”的测试中的得分——这个名字不是我起的！

这项名字不祥的测试，是针对AI系统此前几年在各类困难而多样的科学挑战中所展现的深刻进步而开发的，涵盖高级化学、计算机科学、数学、古典文学和生态学等广泛主题。

该考试于2025年1月推出时，得分最高的AI系统获得了8%的成绩。截至本周，得分最高的系统是Claude Opus 5.5，达到67.7%。

另一个例子是FrontierMath，这是一项于2024年11月发布的测试，旨在评估AI系统解决数百道高难度数学题的能力，这些题目由专业数学家策划和评估。该测试发布时，得分最高的系统只拿到2%。如今，它们能拿到94%。

更广泛地看，到处都呈现出这种态势。随便挑一个你最喜欢的科学领域，去找一项测试，你就会发现同样的模式——能力在各处都出现突然而陡峭的提升。

TheoPhysEval 我将用一个故事来结束我的证据。最新的例子来自上周刚发表的一篇论文，名为TheoPhysEval。这篇论文测试AI系统解决理论物理学中未发表问题的能力。论文中的50个问题由世界各地的物理学家汇编而成。

不出所料，AI系统获得了高分。但令人惊讶的是它们获得高分的方式。在这里，我要引用印度物理学家Suvrat Raju的话，他写了一篇评论这些结果的帖子。

“我不知道有任何人能在没有AI协助的情况下解决我们最终问题集中的任何显著部分，”他说。“我们的初步评估显示，GPT-6-Astra的得分在八十几分，紧随其后的是Opus 5.5。但是，当我们开始调查模型可能犯的错误时，模型们，尤其是Astra，坚称自己是对的，是专家提供的答案有误。当我们回去找专家时，结果发现，在多个实例中，专家们发现了一些深埋在其计算中的细微错误。随着他们修正答案，Astra的得分开始缓慢上升，最终达到了98%（49/50）。”

想一想这一点。世界上一些科学专家用AI绝无可能读到过答案的问题编制了一套测试。而当他们测试AI时，AI不仅得分很高，还通过发现人类所研究答案中的错误而获得了更高的分数！

电影中有一个场景，通常出现在三分之二处，年轻的主角终于向导师证明，自己具备走向世界并独立取得成功的能力。这是一个叙事套路——当老师变成学生。这就是这里正在发生的事。

那么，我为什么要告诉你这些？AI系统在科学上越来越擅长，这为什么重要？

我认为这是因为从事真正的前沿科学——有能力做出拓展知识前沿的突破——隐含地检验了AI能力的最后前沿之一：创造力。我的观点是，如果AI系统能够创造性地解决问题以在科学上取得成功，我们就应该预期，这是它们能够泛化到许多领域的标志，当然包括AI研究本身，而这可能对创新产生爆炸性影响。

因此，如果AI系统在科学上越来越擅长，这将有力地推动未来经济的增长并塑造其形态，这意味着你今天就可以做出决策，让你的国家和人民在未来从这一趋势中受益。

科学与增长 让我们谈谈增长。增长的主要来源之一是研究产生新想法。推动增长的因素之一是我们的人力资本存量——全世界提出问题、开展科学研究、从而帮助世界向前迈进的人们。

但我们也知道，正如一些经济学家所说，“好想法越来越难找到。”突破的成本在上升，我们不得不向研究投入不断增加的资源，以保持同样的步伐。

如果这改变了呢？有了这项技术，我们可以从根本上改变地球上研究人员的数量，以及培养他们所需的时间。

正如我在开头列举我的资历时所说，我只有一个，而我花了大约40年才走到这里。如果能同时运行成百上千个我的副本，这意味着什么？如果新版本的我能够即时创建，而不是等待40年，这意味着什么？如果我能复制自己并命令它们在我的监督下工作，我的工作会如何改变？这就是未来几年经济中很大一部分将要呈现的样子——我们将能够以前所未有的方式增强科学等前沿学科中的人类劳动。

这很可能会改变我们发现好想法的速度，因为我们将能够为任何问题增加100倍或1000倍的研究人员，成倍放大我们的人类科学家。

我们还可以非常迅速地做到这一点。如果你想在某个领域培养新一代研究人员，可能需要10到15年的针对性教育，以及数百万美元，才能得到一小批人。另一方面，这些AI系统可以立即创建，数量任意，只要有足够的计算能力——它们可以跨领域使用，近乎即时地受益于新的科学洞见，并且它们可以以新的、令人惊讶的方式组合现有知识来做出发现。这意味着，我们可以通过生成大量虚拟科学家与人类并肩工作，在展现出前景的领域迅速增强人类。

这意味着，在未来几年，地球上的每一位人类科学家都将变得更加重要、更加强大，因为他们将获得能力，可以就任何他们感兴趣的问题监督成百上千志同道合的专家。

我们在这里做了一些自己的建模，尝试根据技术的不同发展轨迹模拟不同版本的经济。如果你假设模型将能够自主完成广泛的任务，并将在经济中迅速扩散，那么在这些类似奇点的条件下，我们可能会看到前所未有的经济转型，美国GDP到2030年将达到44万亿美元。这听起来荒诞不经，但这是技术持续进步所蕴含的。如果GDP要增长这么多，那么经济理论表明，必须创造出新的产业和发明来推动如此重大的经济扩张——而这正是让AI系统具备自主科学探究能力这一概念所蕴含的。

那么，我们对此该怎么办？我们如何广泛地构建世界，以从这些不断进步的能力中受益？我们如何在对进步的机遇与适当的谨慎之间取得平衡？

我们既需要为成功做好规划，使人类能够利用这项技术并用它创造富足，也需要准备好就如何使用这项技术本身做出明智的选择——仅仅因为AI将是一位有能力的科学家，并不意味着我们应该把它用于一切。

关于为成功做好规划，我先讲一个我自己的经历。

过去十年间，我走访了世界各地的政府，试图传达一个非常简单却重要的事实：AI系统正变得远比以往更强大、更有用，而这些系统需要大量计算机。因此我说，一个政府为把握AI革命机遇所能做的最好的单一举措，就是建设足够的电力容量和数据中心空间，以容纳这里所讨论的那类强大AI系统，并投资于AI供应链。

没有多少政策制定者听进去。如今，我们正在承受其后果。在当今世界，数据中心容量集中在美国、中国，以及日益增多的中东地区，而供应链高度集中且争夺激烈，以至于价格不断上涨。

这种建设仍然重要，但它只是AI持续进步所蕴含的这场经济与科学革命的第一阶段。现在，还有更多东西需要建设，我相信更多国家可以参与其中——只要它们愿意。

AI革命的下一阶段是向物理世界扩展，具体而言，就是让AI系统越来越多地操作机器人，并进行科学实验，有时是二者协同进行。因此，正如我们在算力和电力方面所做的那样，我们将需要使用多得多的科学设备和机器人系统，否则我们的能力很快就会耗尽。我们现在必须建设这种能力，以便最大限度地利用这场科学繁荣，将其转化为我们所有人的福祉。

根据联合国教科文组织的估计，全世界大约有1000万名科学家。即便有1000万名科学家，我们仍然缺少足够的人类科学家来监督工作，缺少足够的实验室来进行材料科学分析，缺少足够的生物实验室来开发和测试新药，也缺少足够的大型科学设备——无论是在太空还是在地球上——来进行我们想要开展的实验。

当我们的科学家不再是约1000万名，而是由我们自己的1000万名科学家指挥的10亿名虚拟科学家时，会发生什么？或者100亿名？那就是正向我们迎面而来的世界。我们必须做好准备。

如果我们确实做好了准备，我们就能更好地把AI系统的智能转化为我们所有人的收益：更长寿、更健康的生活，更多能源，更多食物，更多财富。而且正如数据中心一样，建设和发展这条供应链的国家，将是受益最大的国家。

这对每个人都是机会：如果你是一个拥有丰富科学生态系统的发达国家，你就有机会让你所有的科学家更有生产力。如果你是一个为AI和科学事业提供原材料等基本要素的发展中国家，那么你就有机会实现跨越式发展：你既可以建设科学测试设施，与人类科学家和数字AI科学家配合，让你培育出一个科学共同体，又可以继续发展你对供应链的贡献，而这种贡献在未来会变得更有价值。

但仅有基础设施还不够。如果发现变得极其丰富，我们需要避免在下游形成瓶颈——如果只有少数新药能够进入测试，那么大量新提出的药物候选方案就没什么用处。在座的各位政策制定者及其同事，需要帮助我们找到办法，加快我们将发现从实验室推向诊所、工厂和田野的能力。

我们为这个世界准备得越充分，就越能更好地把AI的收益转化为世界的收益。

我们还需要作为一个全球共同体做好准备，为未来做出选择。因为正如我所说，这里存在风险。能够将AI用于科学，也让我们暴露于科学被滥用的风险之下——生物武器和网络武器，以及我们尚无法想象的东西。

我们有许多选择要做，而只有认清这项技术的本质——认清它有多么强大——我们才会看到做出这些选择的紧迫性。

第一个选择是关于我们应该把这项技术引向何处。仅仅因为我们有一个能做科学的AI系统，并不意味着就应该让它无人监督地去做科学。一个这样的用例是生物学研究，在这方面我们希望有最严格的人类监督和透明度，以维护安全。

另一个是AI研究本身，像Anthropic这样的实验室将需要决定我们对AI驱动的研究施加多少监督。这可能让我们在技术上取得更多进展，但也带来风险。我们在这里必须极其谨慎地推进，否则我们可能会失去对这项技术的控制。我们很可能还需要规则来治理这一点。

本周早些时候我在东京，当地一所大学的一名学生说他们在物理系工作，并说AI已经开始能够完成许多实验。作为一个人类，他们应该把时间花在哪些实验上，又应该让AI系统自己去做哪些实验？这是一个微妙的问题，我不知道答案，但这是每个科学学科都需要回答的问题。

第二个选择关乎我们需要对AI系统的行为理解多少。正如我们今年在数学领域AI崛起中所看到的，我们已经在面对这样一个世界：AI系统取得的进展具有足够的创造性，以至于我们人类现在要花时间去试图解码它们——试图理解它们的含义，以及如何为我们自己应用这些洞见。

我们应该理解多少？同样，这里的答案将是微妙的，它关系到奇点时代意义的基本问题——对于科学进步的哪些部分，我们希望拥有真正的理解？距离AI系统不仅从事科学、而且发明出为AI系统的运作方式而非人类思维量身打造的新科学设备，我们只有短短几年时间。我们需要理解那些设备吗？我们应该理解吗？这是我们需要做出的又一个选择。

最重要的是，认真对待AI的进展意味着我们应该允许自己去想象一个根本不同的世界

十几岁时，我大量阅读关于世界的书籍，我感到恐惧。我相信21世纪将会很艰难——人口增长、气候变化、资源开采和其他危机叠加起来，将导致人类物种的马尔萨斯式崩溃。在发明出计算机和互联网之后，我们可能会把自己消耗殆尽。

而在随后的岁月里，我一次又一次地看到技术如何能让我们从根本上改变这些概率：太阳能电池板如何出现，并以远超人们预期的速度变得便宜得多。我们对人体日益加深的理解如何让我们为那些曾夺去许多人生命——包括我自己一些家人——的疾病发明出疗法。

我们如何能够做到我从未想象过却觉得无比惊叹的事情，比如我们现在如何利用AI系统解码动物的语言，或者公司如何建造出起飞后又降回这个星球的火箭。

我从事AI工作，是因为它能帮助我们做更多这样的事。我从事AI工作，是因为它是否做到这一点取决于我们做出的选择——取决于这个房间里的人们将做出的选择——关于我们如何引导它、如何治理它。这些是我需要做出的选择。我从事AI工作，是因为它是我们物种所建造的最重要的技术。

这是一种技术，如果我们能够正确使用它，它将让我们应对那些否则可能毁灭我们整个物种的问题。但它也是一种内嵌着危险的技术。为了让我们度过这一关——在奇点中开辟一条道路——我们将需要共同努力，为这项技术及其建造它的公司制定不同寻常而严肃的规则，并践行人类最难、我认为也最高贵的品质——克制。

我们将需要建设基础设施来利用这项技术，但我们也需要缓慢而审慎地推进这项技术本身的开发，以控制其发展节奏或以其他方式控制其发展。我们需要不断区分我们能做的事情和我们该做的事情。而且，我们今天就需要投资于科学能力，使这一进展成为可能。

在这一切之中，我想起了伟大的卡尔·萨根，他在《暗淡蓝点》中说，那些有朝一日可能抵达其他恒星的人类，将是“一个与我们非常相似的物种，但拥有更多我们的优点、更少我们的弱点……更自信、更有远见、更有能力、更审慎。”

这就是AI对我们的要求。萨根认为我们有数十万年的时间来实现这一点——成为一个更好、更智慧的民族——而我们只有短短几年。我相信我们能够做到。但只有以AI应得的严肃态度对待它，我们才会成功。谢谢。

在此观看演讲：

关于本文的讨论另有18条评论……

暂无文章

准备好了解更多了吗？