For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/zh-HK/articles/anthropic-s-sholto-douglas-on-agi-4t-ai-c-b1a7ffbc.md.
能力可與每一位人類相當或超越每一位人類的 AI 系統，可能會在未來幾年內出現。
能力可與每一位人類相當或超越每一位人類的 AI 系統，可能會在未來幾年內出現。
這是 Anthropic 強化學習技術負責人 Sholto Douglas 的觀點。
在一場與投資人及 Palantir 聯合創辦人 Joe Lonsdale 的長篇訪談中，Douglas 與 Nicholas Marwell 一同受訪。Marwell 曾領導 Anthropic 的強化學習科學工作，目前負責公司的長週期 Agent 工作。
這場對談於 2026 年 8 月錄製，並於 10 月 2 日發布。
根據 Podcast 說明，討論涵蓋：
原始文章突出了 Douglas 預測中最激進的部分。
他想像一個世界：AI 最終能完成幾乎所有人類可以完成的電腦相關工作，機器人技術將此能力延伸至實體世界，而過去需要數百年才能實現的技術進步，可能被壓縮至十年或二十年內。
他還推測，每年 AI 資本支出可能在 2028 年達到 4 兆美元，而足夠強大的 AI 加上機器人技術，可能推動全球經濟產出出現非同尋常的加速。
這些是預測，不是已經確立的預測結論。
訪談本身清楚表明，Douglas 知道其中一些推論聽起來很極端。
同時，Marwell 提出了一項重要警告：人類仍是 AI 必要合作夥伴的時期，未必會永遠持續；而當系統不再需要這些人類合作夥伴時的轉變，可能帶來嚴重風險。
當 Lonsdale 詢問 Anthropic 從現在開始的使命是什麼，Douglas 給出了直接的回答。
他對下一個重大門檻的工作定義，不是贏得單一基準測試或能寫出令人印象深刻文章的模型。
而是一個能完成幾乎所有人類可在電腦上完成工作的模型。
Douglas 表示，他相信能力等同於或超越全體人類的模型，很可能會在未來幾年內出現。
依照他的框架：
電腦相關工作
→ 可能由先進 AI 自動化
實體工作
→ 隨著機器人技術進步，將愈來愈能被自動化
這是一個異常高的門檻。
它也解釋了為何 Douglas 能同時相信兩件聽似矛盾的事：
「AGI 尚未到來」
以及：
「AGI 可能只剩幾年就會到來」
原始文章引用 Douglas 在 9 月 23 日的一則社群媒體貼文，其中他寫道，AGI「顯然」尚未實現。
差異在於定義。
Douglas 的門檻不只是「感覺具備通用智慧的 AI」。
而是能以人類或超人類水準，完成全部具經濟相關性的電腦工作之 AI。
Douglas 表示，這項改變已經能從他的日常工作中看見。
在訪談前約 18 個月，他仍親自輸入每一行程式碼。
加入 Anthropic 後，模型已足夠實用，能提供協助，但他仍必須每隔幾分鐘介入一次。
到訪談錄製時，他表示自己可以一次交辦一或兩天的工作。
他的比喻大致是初階團隊成員：
當 Lonsdale 問及訪談進行期間，AI 系統是否正在主動替他工作時，Douglas 回答是——而且有好幾個系統正在工作。
這則軼事與 Anthropic 在經濟研究中記錄的更廣泛趨勢一致。
Anthropic 於 2026 年 1 月發布的 Economic Index 指出，隨著任務時間拉長，AI 成功率會下降；但在各代模型之間，隨著新模型能完成愈來愈長的任務，下降幅度已變得較為平緩。
重要變化不是模型從不失敗。
而是它們可以嘗試持續不間斷完成的工作量正在增加。
Douglas 也將高等數學作為能力成長的例子。
他提到 FrontierMath，這是 Epoch AI 的一項基準測試，包含由專業數學家撰寫並審核、難度高且未公開的數學問題。
在訪談中，Douglas 將模型效能描述為：在約一年內，於相關 FrontierMath 評估中，從實際上接近零提升至超過 60%。
這項說法應視為訪談中的描述，而不是某個一成不變的單一基準數字。
FrontierMath 有多個分級、經過修訂，且其基準版本也曾改變。
Epoch AI 目前的 FrontierMath 計畫包括：
因此，確切百分比取決於模型、基準版本、分級與評估設定。
不過，發展方向是真實的：先進模型在高難度、可自動驗證的數學任務上已取得巨大進展。
對談接著從能力轉向資金。
如果 AI 系統在幾年內變得強大得多，產業會建設多少基礎設施來支援它們？
Douglas 提出一項刻意激進的推演。
他表示，過去幾年 AI 運算支出大致以每年兩至三倍的速度成長，並提出可能的路徑如下：
2026 年：
約 1 兆美元
2027 年：
約 2 兆美元
2028 年：
約 4 兆美元
原始文章以以下方式呈現該推演：
這些數字不是共識預測。
它們是 Douglas 試圖探討的一個問題：如果近年的投資成長，持續的時間遠超過多數人的預期，會發生什麼事？
不過，NVIDIA 另有一項落在類似區間的基礎設施預測。
在 2026 年 5 月的 Dell Technologies World 活動上，Dell 與 NVIDIA 討論了全球 AI 基礎設施支出可能在 2030 年達到 3 兆至 4 兆美元 的可能性。
Douglas 的推測，實際上是將相近規模提前了約兩年。
這使他的預測更為激進。
Douglas 接著將這個情境推得更遠。
他認為，如果 AI 投資持續複利成長，且機器人技術同步擴張，那麼大幅提升全球產出的可能性值得被納入考量。
他曾公開表示，即使這個想法在今天聽起來很極端，人們仍應將 2030 年代經濟產出翻倍的可能性納入預期。
基本論點很直接：
能力更強得多的 AI
+
大規模自動化
+
機器人技術
+
快速再投資
=
可能顯著加快經濟成長
但每一步都包含重大不確定性。
模型有能力完成一項任務，不代表部署會立即發生。
真實經濟體中存在各種瓶頸，例如：
Douglas 自己也承認，2030 年代初期 GDP 翻倍聽起來很極端，並且需要許多事情都順利發展。
4 兆美元基礎設施數字與 GDP 預測，立刻在網路上引來批評。
AI 評論者、紐約大學榮休教授 Gary Marcus 認為，討論太快地從相對合理的基礎設施支出主張，跳到更具推測性的總體經濟結論。
這項批評很重要，因為這兩個主張的可信度並不相同。
一種有助於區分兩者的方式是：
AI 基礎設施支出大幅成長：
合理，而且已經可見
AI 在數年內使全球 GDP 翻倍：
不確定性高得多
Jürgen Schmidhuber 也以懷疑態度回應，並打趣說名目 GDP 可以透過通膨翻倍，卻不代表實現 Douglas 所描述的那種實質經濟富足。
這場分歧並非真正圍繞 AI 投資是否龐大。
而是關於這些投資多快能轉化為全經濟範圍的生產力。
Douglas 最樂觀的情境遠不只是更高的 GDP。
他想像的是更接近 後稀缺 的世界。
其邏輯是，能力足夠強大的 AI 與機器人技術，可能使世界有效供給的智力與實體勞動倍增。
如果生產許多商品的成本，下降至接近能源與原物料成本，整個類別的稀缺性可能減弱。
輸入一句想法，We0 AI 即可生成展示站、頁面與 CMS。發佈上線後並幫你獲取客戶和流量。
用戶註冊贈送一次完整項目生成
適合先體驗一次完整生成流程，快速看到專案初稿。
在這個情境中，否則可能需要數百年才會到來的進步，可能只在十年或二十年內實現。
Douglas 提到的可能性包括：
他所嚮往的終點，是每個人都能享有一種物質富足程度，甚至是現今最富有的人也無法擁有的。
這是訪談中最具推測性的部分。
它不僅取決於 AI 能力，也取決於分配、基礎設施、制度、政治選擇、能源供應，以及生產力收益是否真正惠及一般家庭。
原始文章將其呈現為 Douglas 對 Anthropic 最終努力方向的願景，而非保證實現的結果。
訪談也討論了一個更迫切的問題：隨著 AI 進步，工作會發生什麼事？
Douglas 表示，他看過即使 AI 採用增加、就業卻沒有下降的例子。
他提到菲律賓外包客服工作，以及軟體工程職位持續成長，作為生產力提升可能讓公司有理由雇用更多人、而非更少人的案例。
其機制與早期技術帶來的影響相似：
工作者生產力提高
→ 提供服務的成本下降
→ 對服務的需求上升
→ 公司可能雇用更多工作者
即使自動化快速改善，這種情況仍可能持續一段時間。
但 Marwell 補充了一項重要條件。
有利的人機互補敘事，取決於人類仍是實現 AI 完整價值的必要角色。
Marwell 的擔憂，始於這個條件改變之時。
今天，許多最佳工作流程仍類似：
人類判斷
+
AI 的速度與規模
人類設定目標、解讀模糊性、發現錯誤、處理組織脈絡，並決定何時結果已足夠好。
Marwell 認為，世界最終可能從：
AI 需要人類合作夥伴才能提供完整價值
轉變為：
AI 不再需要人類合作夥伴
他表示，這正是後果變得更令人擔憂的時點。
原始文章將這種轉變比作西洋棋。
在電腦變強後的多年裡，最佳「棋手」往往是人類加上機器的組合。
最終，機器變得足夠強，人類的貢獻不再能改善結果。
Marwell 認為，在知識工作中，人類加 AI 優勢的時期可能短得多。
Anthropic 經常受到來自相反方向的批評。
有些人指責該公司過快推進危險能力。
另一些人則認為，Anthropic 強調 AI 風險的方式，可能為有利於既有大型實驗室的監管提供理由。
Lonsdale 直接提出了第二種批評。
Douglas 回應稱，Anthropic 放慢速度最多的對象是其自身。
Marwell 舉了一個涉及 Anthropic 某次模型發布的例子，表示公司過去曾在與政府協調安全與存取條件時，接受競爭上的延遲。
Lonsdale 對此提出反駁，認為有些限制降低了本可用於網路防禦的能力。
這部分對談並未解決政策爭論。
但它展現了核心張力：
推進得足夠快以維持競爭
vs.
推進得足夠謹慎以控制風險
隨著 Agent 系統獲得更多自主性，這種張力正變得更難處理。
原始文章將 Anthropic 的討論與 AI 產業其他事件連結起來。
9 月 28 日，Reuters 報導 OpenAI 在內部安全測試引發疑慮後，暫緩原定發布 GPT-6.1 Astra。
這並不能證明每一家前沿實驗室都在朝相同政策靠攏。
但它說明了 Douglas 和 Marwell 正在討論的同一個實務問題：
隨著系統變得更有能力且更具自主性，能力與部署速度已無法獨立於安全與控制之外來考量。
問題不再只是模型是否在某項基準測試上表現良好。
還包括實驗室是否對模型行為有足夠信心，願意給予它更廣泛的存取權與自主性。
原始文章最後回到 Douglas 本人。
他在雪梨長大，學習機器人技術，並且曾差點以擊劍選手身分取得東京奧運資格。
約在 2020 年，他開始閱讀縮放定律討論與 AI 研究，並相信 2020 年代可能產生 AGI。
他在晚上與週末自學更多機器學習研究，之後加入 DeepMind。
到了 2025 年，他轉至 Anthropic。
在宣布這次轉職的貼文中，Douglas 寫道，他相信該領域仍沿著約在 2027 年實現 AGI 的趨勢線發展。
一年半後，他公開的時間線並沒有變得更保守。
若有差別，他的預期已從模型能力擴展到機器人技術、數學、科學與經濟轉型。
訪談最後，Douglas 對未來幾年提出了數項具體預測。
其中包括：
這些都是個人預測。
它們之所以有參考價值，不是因為應被視為路線圖，而是因為它們展現了至少部分前沿實驗室研究人員如今如何看待能力成長的速度。
Douglas 立場最顯著的部分是其一致性。
他在加入 Anthropic 時，就已公開討論 2027 年規模的 AGI 時間線。
到 2026 年末，在前沿模型開發內部投入更多時間後，他並未將這個時間點往後推。
原始文章混合了當前觀察與預測，因此將它們區分有助於理解。
| 陳述 | 最佳解讀 |
|---|---|
| Douglas 和 Marwell 出現在 Joe Lonsdale 的 American Optimist Podcast | 已驗證 |
| 訪談於 2026 年 10 月 2 日發布 | 已驗證 |
| Douglas 是 Anthropic 的強化學習技術負責人 | 由 Podcast 說明驗證 |
| Marwell 曾領導強化學習科學工作，並負責長週期工作 | 由 Podcast 說明驗證 |
| Douglas 表示 AI 可能在幾年內匹敵或超越全體人類 | 講者預測 |
| Douglas 表示他的程式設計 Agent 能工作一或兩天 | 第一人稱觀察 |
| FrontierMath 表現已顯著改善 | 大致獲得支持，但確切百分比取決於版本／分級 |
| AI 資本支出可能在 2028 年達到 4 兆美元 | Douglas 的推演 |
| 全球 GDP 可能在 2030 年代初期翻倍 | 高度推測性的預測 |
| NVIDIA 曾討論全球 AI 基礎設施支出在 2030 年達到 3 兆至 4 兆美元 | 已驗證 |
| 每個人有朝一日都可能享有今日億萬富翁等級的富足 | 理想化的後稀缺情境 |
| 人類最終可能不再作為 AI 合作夥伴提供價值 | Marwell 的預測 |
| OpenAI 因安全疑慮暫緩 GPT-6.1 Astra | Reuters 於 2026 年 9 月 28 日報導 |
Sholto Douglas 是 Anthropic 的強化學習技術負責人，先前曾任職於 Google DeepMind。在 American Optimist 訪談中，他討論了 AGI 時間線、程式設計 Agent、經濟學、機器人技術與 AI 安全。
Douglas 採用一個嚴格的實務門檻：能以人類或超人類水準，完成幾乎所有人類可完成的電腦相關工作之模型。他已明確表示，目前系統尚未跨越這條門檻。
他表示，能力等同於或強於全體人類的模型，可能在未來幾年內出現。這是他的個人預測，不是 Anthropic 的官方發布日期或保證時間線。
他指出自己的程式設計工作流程：模型已從每隔幾分鐘需要介入，進步到能處理一或兩天的工作；他也提到高難度數學基準測試的快速進展。此外，他強調運算規模與強化學習的持續擴展。
是的，這是他根據近期成長所做的推演。他提出，年度 AI 相關資本支出是否可能從約 1 兆美元、2 兆美元，接著在 2028 年達到 4 兆美元；這應被視為一種情境，而非共識市場預測。
Douglas 認為，足夠強大的 AI 加上大規模機器人技術，可能使這種結果值得納入考量；但他也承認這聽起來很極端，且需要許多事情都順利發生。包括 Gary Marcus 在內的批評者強烈質疑如此快速的總體經濟影響是否合理。
Marwell 最關鍵的擔憂，是 AI 系統不再需要人類合作夥伴就能充分發揮經濟價值的時點。他認為，當前人類與 AI 互補的階段可能只是暫時的。
Anthropic 表示，它正嘗試在維持競爭力的同時管理安全風險。在訪談中，Douglas 表示 Anthropic 放慢速度最多的對象是其自身；批評者則仍對該公司的監管立場持懷疑態度。
Sholto Douglas 的核心主張很簡單，但影響深遠：他相信，能在電腦相關工作中全面匹敵或超越人類的 AI 系統，可能在未來幾年內到來。他自己的程式設計工作流程，正是讓他嚴肅看待這一時間線的部分證據。
從這裡開始，訪談變得更具推測性。Douglas 想像 AI 資本支出每年達到數兆美元、機器人技術倍增實體勞動、經濟成長大幅加速，以及最終可能出現後稀缺程度的富足。
Nicholas Marwell 則提供了較陰暗的制衡觀點。人類與 AI 的協作如今或許富有成效，但如果 AI 最終不再需要人類合作夥伴，與就業、安全及治理相關的問題將變得困難得多。
閱讀這場訪談最有價值的方式，是將其視為一扇了解前沿實驗室研究人員如何思考的窗口——而不是將其視為對 AGI、每年 4 兆美元 AI 支出，或後稀缺經濟何時真正到來的一組既定預測。
從一句話開始，幾分鐘內拿到完整網站。
