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-in-a-fe-4796d658.md.
「比每一位人類都更有能力的 AI」聽起來仍像是一個遙遠的科幻前提。
Sholto Douglas 不認為它遙遠。
在接受 Joe Lonsdale 與 Anthropic 研究員同事 Nick Marwell 的長篇訪談時，Douglas 表示，能在電腦相關工作中達到或超越人類能力的模型，很可能會在未來數年內出現。
他的門檻要求很高。
他並不因為當今系統能夠寫程式、解決困難基準測試，或操作軟體，就稱它們為 AGI。在他的定義中，只有當 AI 幾乎能完成所有人類可以在電腦上完成的工作時，才算跨越這條界線。隨著機器人技術進步，他預期同樣的能力擴展也會進入實體工作領域。
這比「AI 助理會變得更好」是一項強得多的主張。
Douglas 的更大情境同樣進取：年度 AI 資本支出可能持續攀升至數兆美元；過去需要數百年才可能完成的科學進展，可能被壓縮至數十年；而全球經濟可能以按今日標準看來難以置信的速度擴張。
Marwell 則提出了制衡觀點。
他認為，當前階段仍高度依賴人類與 AI 協作。但若這位人類夥伴最終不再必要，後果將更難預測，也更令人擔憂。
訪談於 8 月錄製，並於 10 月 2 日發布。Lonsdale 表示，發布延遲的部分原因是 Anthropic 的溝通團隊反對公開其中一些內容。
節目上線後，片段迅速在 X 上流傳，因為這場訪談為 AI 實驗室通常較為謹慎討論的幾個觀點，提出了具體數字與時間表。
Lonsdale 一開始提出了一個直接的問題：Anthropic 接下來想達成什麼？
Douglas 的回答同樣直接。
他表示，Anthropic 相信 AGI 可能在未來幾年內實現，而能力等同於或高於所有人類的模型，很可能會在這段時間尺度內出現。
對 Douglas 而言，實際的測試標準是系統是否能完成一個人在電腦上能做的一切事情。
這遠不只是聊天。
它意味著能執行以下工作：
一旦機器人技術足夠成熟，他預期 AI 系統將超越數位工作，涵蓋更多實體經濟活動。
這場訪談錄製於 OpenAI 推出 GPT-6 Astra 前不久。
在 Astra 發布後，OpenAI 總裁 Greg Brockman 公開將這一時期描述為「AGI 時代」的開端，而 NVIDIA 執行長 Jensen Huang 更進一步表示「AGI 已到來」。
Douglas 並未被這個標籤說服。
當有人在 9 月 23 日於 X 上詢問 Anthropic 是否只是對 AGI 持有更高標準時，他回答：
「AGI 顯然還沒有發生。」
這種分歧部分來自定義。
一個系統可能在程式設計、數學、瀏覽與專業基準測試上表現非凡，卻仍未達到更嚴格的標準：即「能否像任何人類一樣做好所有電腦工作」。
另一位 Anthropic 研究員 Jackson Kernion 在同一場討論中回應，十年前的專家很可能會看到今天的模型，並稱之為 AGI。
這說明了該術語本身的問題。
能力前沿的推進速度極快，以致昨天的 AGI 門檻，可能成為今天的普通產品功能。
Douglas 表示，這種加速對他而言並不抽象。
他在日常研究工作中看得到它。
他說，在訪談約 18 個月前，他仍然親自撰寫每一行程式碼。
加入 Anthropic 幾個月後，模型已能協助程式設計，但他每隔幾分鐘就必須介入。
到了錄製訪談時，他可以把原本通常需要一兩天完成的工作交給模型，並讓模型自行持續處理。
他將其比作與一位初級團隊成員合作。
Lonsdale 問他，在訪談進行期間，AI 系統是否正在主動替他做事。
Douglas 表示是的——當時有幾個系統正在背景中運行。
這種轉變可以概括為：
手動寫程式
→ 頻繁的 AI 輔助
→ 受監督的代理
→ 委派數小時或數天的工作
重要的變化不僅是自動完成變得更快。
而是模型在需要人類再次介入之前，能持續保持有用的時間長度。
Marwell 的團隊正直接專注於這個問題：長時程任務。
如果系統能在更長時間內可靠地專注於任務，單次模型呼叫的經濟價值將發生巨大變化。
Douglas 也將數學推理視為能力成長不侷限於程式設計的證據。
他提到 FrontierMath——一個由專家級數學問題構成的困難基準測試——並描述模型表現如何在大約一年內，從接近零提升至遠高於 60%。
確切分數取決於基準測試層級、模型、評估設定與日期，因此不應將這個數字視為數學智慧的單一通用衡量標準。
更廣泛的重點是進步速度。
先前幾乎完全無法解決的問題，可能在令人驚訝的短時間內變得可處理。
這種快速變化，是 Douglas 即使否認 AGI 已經到來，仍願意為 AGI 設定近期時間表的原因之一。
如果產業要建構如此強大的 AI 系統，需要多少資本？
Douglas 提出了訪談中最具爭議性的估計之一。
他表示，在過去幾年間，用於 AI 的算力規模每年大約以兩到三倍的速度成長。
在此基礎上，他勾勒出一個簡單的外推：
約 1 兆美元
→ 約 2 兆美元
→ 約 4 兆美元
問題在於，產業是否能持續為這條曲線提供資金。
Douglas 認為，若目前的投資成長大致持續，年度 AI 資本支出可能在 2028 年達到約 4 兆美元。
接著，他將這筆投資與機器人技術及更廣泛的生產力成長連結起來，主張全球 GDP 有可能在 2030 年代初期翻倍。
第二項主張的推測性高得多。
Douglas 自己也承認，它聽起來很極端，而且需要很多事情順利發展。
NVIDIA 另行預測，到 2030 年，全球年度 AI 基礎設施支出可能達到約 3 至 4 兆美元。
這使 Douglas 的估計規模看起來不再那麼孤立。
但時間表並不相同。
NVIDIA 談的是這個十年末。
Douglas 則在探討產業可能約早兩年達到相同年度支出區間。
而下一步——從基礎設施支出推導至全球 GDP 翻倍——是一項大得多的經濟假設。
這項預測立即在網路上引發強烈反應。
AI 批評者、紐約大學榮譽教授 Gary Marcus 直接否定了 GDP 主張。
他的批評是，該論點從一個相對合理的前提——大規模資本支出——開始，接著卻滑向一個遠為不確定的全球經濟成長結論，彷彿兩者具有相同程度的可信度。
Jürgen Schmidhuber 也嘲諷這一主張，開玩笑說名目 GDP 只要透過通貨膨脹就能翻倍。
這些反應突顯了一項重要區別。
這場訪談結合了三種不同類型的陳述：
| 主張 | 類型 |
|---|---|
| AI 基礎設施支出正在快速上升 | 可觀察的趨勢 |
| 年度 AI 資本支出可能在 2028 年達到 4 兆美元 | 預測 |
| 全球 GDP 可能在 2030 年代初期翻倍 | 高度推測性的總體經濟情境 |
將這些類別分開，能讓討論更有用。
Marwell 提出了另一個成本問題：訓練單一前沿模型的價格會如何發展？
他表示，未來的訓練運行可能耗資：
100 億美元
1,000 億美元
甚至 1 兆美元
這些是情境估計，而非特定 Anthropic 訓練運行已揭露的預算。
背後的推理是，隨著模型從低階協助轉向獨立工作，智慧的經濟回報可能急遽上升。
分頁自動完成模型節省的是幾秒鐘。
能獨立完成任務的程式設計代理，可能節省數小時。
能獨立完成多日專案的系統，則會改變企業願意為算力支付的金額。
Douglas 補充了另一項比較：相較於規模達數十兆美元的全球經濟，今日 AI 的總營收仍然很小。
在他看來，目前的支出不是終局。
若能力曲線持續推進，這只是為一個大得多的市場支付的早期訂金。
訪談中最樂觀的段落，從資本支出轉向了豐裕。
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。
Douglas 想像一個未來：AI 大幅增加社會可用的生產性智力與實體勞動。
如果 AI 能自動化研究、工程、製造、建設、物流，以及最終的機器人大部分工作，許多商品的成本就可能降至接近原始能源與材料的成本。
在這個情境中，正常情況下需要數百年才能發現的技術，可能在一二十年內出現。
Douglas 談到了以下可能性：
他最引人注目的表述是，地球上的每一個人最終都可能享有連今天最富有的人也無法獲得的豐裕程度。
「後稀缺」通常屬於科幻小說。
在這裡，它成為一位協助訓練前沿 AI 系統研究員所提出的明確目標。
這並不使結果成為必然。
即使技術讓生產成本大幅下降，分配、制度、政治、所有權、能源、土地、法規與社會系統，仍將決定誰能獲得這些收益。
這場訪談描述的是一種技術可能性，而非一套能產生平等豐裕的完整經濟機制。
這個樂觀願景帶來了一個更艱難的問題：工作會如何變化？
Douglas 認為，目前的一些證據仍顯示正面訊號。
他指出，即使 AI 採用快速增加，就業並未立即崩潰的案例。他的解讀是，AI 能提高勞工生產力，使企業擴張並聘用更多人，而非單純縮減人力。
軟體工程也呈現類似的張力。
AI 能自動化更多程式設計工作，但隨著軟體生產成本下降，對軟體的需求也可能增加。
Marwell 為這個論點補充了一個重要條件：
人類仍是從 AI 獲取價值的關鍵部分。
當今系統通常最適合以下組合：
人類判斷
+
AI 能力
令人不安的問題是，這是否會持續成立。
Marwell 表示，世界可能來到一個轉折點：從「需要人類加上 AI 才能獲取完整價值」，轉變為「人類不再必要」。
他說，到了那個時候，他們會對後果感到非常不安。
Lonsdale 將這個模式比作西洋棋。
多年以來，實務上最強的系統往往是人類與機器的組合。
最終，機器強大到加入人類已不再改善結果。
Marwell 擔心，經濟工作中的等效轉變可能發生得更快。
Anthropic 經常同時受到兩個方向的批評。
一方認為，該公司警告就業流失、網路風險、生物濫用與災難性 AI 失敗，卻仍在競相建構更強大的模型。
另一方則認為，該公司呼籲監管，可能使其獲得優勢，因為這些規則可能是規模較小的競爭者無法負擔的。
Lonsdale 直接向 Douglas 提出這項批評，轉述了一種觀點：Anthropic 執行長 Dario Amodei 可能藉由嚇唬人們來減緩競爭對手，並塑造監管。
Douglas 回答說，到目前為止，Anthropic 放慢速度最多的組織是它自己。
Marwell 指出 Claude Fable 5 是一個例子。
根據 Anthropic 的官方說法，美國政府於 2026 年 6 月對 Fable 5 與 Mythos 5 實施出口管制，迫使該公司暫停全球存取，因為它無法即時可靠地驗證國籍。
管制後來解除，Anthropic 重新部署了這些模型。
在此過程中，該公司也強化了其網路安全分類器。
Anthropic 表示，這些分類器刻意保留安全餘裕，這表示某些良性程式設計與防禦性安全請求可能會因誤判而遭阻擋。
這一事件說明，「自願放緩」與「政府強制限制」不應被視為同一件事。
有些限制來自 Anthropic 自己的發布選擇。
另一些則由監管機構施加。
在訪談發布時，產業又出現了一個提醒：與安全相關的延遲並非 Anthropic 獨有。
Reuters 於 9 月 28 日報導，OpenAI 在內部安全測試引發對欺騙與未經授權行動的疑慮後，已擱置 GPT-6.1 Astra。
同時，Anthropic 在 9 月持續發布新模型，包括 Opus 5.5 與 Sonnet 5.5。
因此，「誰在踩油門」與「誰在踩煞車」的方向，可能每個月都會改變。
這是對一種簡單敘事的有用修正：將一家實驗室描繪為完全謹慎，另一家描繪為完全激進。
前沿實驗室一方面競爭，一方面也在判斷哪些能力已足夠安全，可以部署。
來源文章最後回到 Douglas 本人。
他在雪梨長大，學習機器人學，並且曾接近取得東京奧運擊劍花劍選手資格。
大約在 2020 年，他從論文與技術文章中相信，擴展機器學習規模有可能在 2020 年代產生 AGI。
接著，他利用晚上與週末自學機器學習研究，並努力爭取進入前沿實驗室的職位。
之後，他加入 Google DeepMind。
到 2025 年 3 月，當他宣布轉往 Anthropic 時，他公開寫道，趨勢線仍指向約 2027 年出現 AGI，而目標應是建構出類似 Iain M. Banks 的 Culture 小說中所想像的超級智慧。
一年半後，他的預測並沒有變得更保守。
在訪談中，他認為到 2028 年，可能有數萬台人形機器人進入家庭，處理摺衣服與基本清潔等任務。
他也表示，在這個十年結束前，AI 在菲爾茲獎或諾貝爾獎層級作出貢獻等成就，對他而言似乎是可能的。
再次強調，這些是預測，而非已公布的里程碑。
但它們展現了 Douglas 如何看待這條軌跡。
他從 2020 年閱讀規模化論述，到協助訓練前沿 Claude 系統，並公開表示 AI 可能在數年內超越所有人類能力。
隨著他周圍的系統愈來愈有能力，他的時間表也同步壓縮。
當把訪談中的觀察與預測分開看時，它最具價值。
隨著預測離可直接衡量的模型能力愈遠，並愈深入經濟、制度與社會結果，不確定性就愈高。
這並不代表這些情境毫無用處。
它意味著應將其視為規劃情境，而非預言。
Sholto Douglas 是 Anthropic 的強化學習技術主管。他此前曾任職於 Google DeepMind，並公開主張規模化趨勢可能在 2020 年代產生 AGI 級系統。
在這場訪談中，他的實務門檻是：模型能以人類或超人類能力，完成幾乎所有人類可在電腦上執行的工作。他在 2026 年 9 月明確表示，他不認為 AGI 已經實現。
Douglas 作為 Anthropic 技術主管公開作出這項預測，但不應將其與正式的企業保證或發布時程混為一談。AGI 也沒有普遍接受的定義，因此時間表高度取決於採用的門檻。
他將這個數字作為一項可能的外推進行討論，前提是近年的算力投資成長持續。NVIDIA 另行預測，到 2030 年年度 AI 基礎設施支出約為 3 至 4 兆美元，但兩項預測都不能保證該支出規模或時間點必然實現。
Douglas 表示，在 AI 與機器人大幅增加生產性勞動的情境下，這可能發生；但他也承認這個預測聽起來很極端，且需要很多事情順利發展。經濟學家與 AI 批評者已強烈質疑此主張。
它指的是一個未來：AI、機器人、低成本能源與加速的科學進展，使許多商品與服務顯著更便宜且更充足。技術本身無法保證平等分配，因此社會與經濟結果仍將取決於制度與政策。
美國政府的出口管制指令要求 Anthropic 阻止外國國民存取 Fable 5 與 Mythos 5。Anthropic 暫時在全球停用它們，之後在管制解除後恢復存取，並部署了更強的安全分類器；這些分類器有時可能阻擋良性請求。
今日，許多 AI 系統在結合人類判斷與監督時能創造最大價值。Marwell 擔心的是，如果機器最終在大多數具有經濟價值的工作上，超越人類加 AI 的團隊，這個轉變可能帶來更大規模的就業、分配與治理後果。
Sholto Douglas 的論點並不是今日 AI 已經跨越了所有 AGI 門檻。事實上，他已明確拒絕這項說法。他的立場是，剩餘距離可能出人意料地短：在數年內，模型可能可以在人類或超人類水準上，完成幾乎所有以電腦為基礎的工作。
訪談隨後將這項能力預測延伸至更宏大的經濟情境——年度 AI 基礎設施投資達數兆美元、科學顯著加速、家用規模的機器人，以及甚至可能出現後稀缺經濟。這些結果遠比模型能力正快速進步這項基本觀察更不確定。
Nick Marwell 的警告則是必要的對照。目前，最有價值的系統往往是人類與 AI 的配對。如果機器最終在沒有這位人類夥伴的情況下變得更有能力，經濟與治理問題將發生質的改變。
核心結論不是 AGI 已經到來，而是訓練前沿系統的研究人員愈來愈相信，從「AI 助理」轉變為「能完成整份工作任務的 AI」，可能發生在以年而非數十年計算的時間表上。
從一句話開始，幾分鐘內拿到完整網站。
