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/articles/anthropic-s-sholto-douglas-on-agi-4t-ai-c-b1a7ffbc.md.
具备与所有人类相当或更强能力的 AI 系统，有可能在未来几年内出现。
这是 Anthropic 强化学习技术负责人 Sholto Douglas 的观点。
在与投资人、Palantir 联合创始人 Joe Lonsdale 的一场长篇访谈中，Douglas 与 Nicholas Marwell 一同亮相。Marwell 曾负责 Anthropic 的强化学习科学工作，目前参与该公司长时程智能体项目。
这场对话录制于 2026 年 8 月，并于 10 月 2 日发布。
根据播客简介，讨论覆盖了：
原文重点呈现了 Douglas 预测中最激进的部分。
他设想了这样一个世界：AI 最终能够完成几乎所有人类可以完成的计算机工作；机器人技术将这一能力延伸到物理世界；过去需要数百年才能实现的技术进步，可能被压缩到十年或二十年内完成。
他还推测，到 2028 年，年度 AI 资本开支可能达到 4 万亿美元；足够强大的 AI 加上机器人技术，可能推动全球经济产出出现非同寻常的加速。
这些都是预测，而非已被确立的预期。
访谈本身也明确表明，Douglas 知道其中一些推测听起来很极端。
与此同时，Marwell 提出了一个重要警告：人类仍然是 AI 必要合作伙伴的时期可能不会永久持续，而向不再需要这些人类合作伙伴的系统过渡，可能带来严重风险。
当 Lonsdale 问及 Anthropic 此后的使命是什么样子时，Douglas 给出了直接回答。
他对下一个重大门槛的工作定义，并不是某个模型在单一基准测试中获胜，或能够写出令人印象深刻的文字。
而是一个能够完成几乎所有人类可以在计算机上完成工作的模型。
Douglas 表示，他认为能力与全人类相当或超越全人类的模型，很可能会在未来几年内出现。
按他的表述：
基于计算机的工作
→ 可能被先进 AI 自动化
物理工作
→ 随着机器人技术进步而日益可被自动化
这是一个异常高的门槛。
这也有助于解释 Douglas 为什么能同时相信两件听起来相互矛盾的事：
“AGI 尚未到来”
以及：
“AGI 可能只在数年之后”
原文提到 Douglas 在 9 月 23 日的一则社交媒体帖子中写道，AGI“显然”尚未实现。
区别在于定义。
Douglas 的门槛不只是“让人感觉具备通用智能的 AI”。
而是能够以人类或超人类水平，完成全部具有经济相关性的计算机工作的 AI。
Douglas 表示，这种变化在他的日常工作中已经清晰可见。
访谈前约 18 个月，他仍然亲自输入每一行代码。
加入 Anthropic 后，模型已足够有用，可以提供协助，但他仍需要每隔几分钟介入一次。
到访谈录制时，他说自己已经可以一次把一两天的工作交给模型。
他的类比大致相当于一名初级团队成员：
当 Lonsdale 问 AI 系统是否在访谈进行期间仍在为他工作时，Douglas 回答说是的——当时有好几个系统正在工作。
这一轶事与 Anthropic 在其经济研究中记录的更广泛趋势一致。
Anthropic 2026 年 1 月发布的经济指数指出，随着任务时长增加，AI 的成功率会下降；但随着新一代模型能够完成越来越长的任务，这种下降在不同模型代际中已变得更平缓。
重要的变化并不是模型从不失败。
而是它们能够尝试连续完成的工作量正在增长。
Douglas 还将高等数学作为能力增长的例子。
他提到了 FrontierMath，这是 Epoch AI 推出的一项高难度、未公开数学题基准测试，题目由专业数学家编写并审阅。
在访谈中，Douglas 将模型表现描述为：在大约一年内，相关 FrontierMath 评测的得分从实际上接近零，提升到远高于 60%。
这一说法应被视为访谈中的表述，而非一个不随时间变化的单一基准数字。
FrontierMath 设有多个层级，经过多次修订，其基准版本也发生了变化。
Epoch AI 当前的 FrontierMath 项目包括：
因此，具体百分比取决于模型、基准版本、层级和评测设置。
不过，整体发展方向是真实的：先进模型在高难度、可自动验证的数学任务上取得了大幅进步。
随后，对话从能力转向资金。
如果 AI 系统在未来几年显著增强，行业将建设多少基础设施来支持它们？
Douglas 提出了一个刻意激进的外推。
他说，过去几年中 AI 计算支出大约每年增长两到三倍，并提出了如下可能路径：
2026 年：
约 1 万亿美元
2027 年：
约 2 万亿美元
2028 年：
约 4 万亿美元
原文以如下方式呈现这一外推：
这些数字不是共识预测。
它们是 Douglas 试图回答这样一个问题：如果近来的投资增长持续时间远超多数人的预期，会发生什么？
不过，NVIDIA 也提出过处于相似规模的另一项基础设施预测。
在 2026 年 5 月的 Dell Technologies World 大会上，Dell 和 NVIDIA 讨论了全球 AI 基础设施支出到 2030 年可能达到 3 万亿至 4 万亿美元的可能性。
Douglas 的推测实际上是将类似规模提前了约两年。
这使他的预测明显更为激进。
Douglas 随后将这一情景进一步推进。
他认为，如果 AI 投资持续复合增长，并且机器人技术同步规模化，那么全球产出大幅增长就值得被纳入考虑。
他曾公开表示，即使这一观点在今天听来极端，人们也应当在对 2030 年代的预期中纳入经济产出翻倍的可能性。
其基本论证很直接：
能力大幅增强的 AI
+
大规模自动化
+
机器人技术
+
快速再投资
=
潜在的更快经济增长
但每一个环节都包含重大不确定性。
模型具备完成某项任务的能力，并不意味着部署会立即发生。
现实经济中存在诸多瓶颈，例如：
Douglas 自己也承认，2030 年代初 GDP 翻倍听起来很极端，并且需要许多事情都进展顺利。
4 万亿美元基础设施数字和 GDP 预测很快在网上引发批评。
AI 评论者、纽约大学荣休教授 Gary Marcus 认为，讨论从相对可信的基础设施支出主张，过快跳到了更具推测性的宏观经济结论。
这一批评很重要，因为这两项主张的可信度并不相同。
一种有用的区分方式是：
AI 基础设施支出大幅增长：
可信，且已经可见
AI 在几年内使全球 GDP 翻倍：
不确定性高得多
Jürgen Schmidhuber 也持怀疑态度地回应，戏称名义 GDP 可能通过通货膨胀翻倍，却并不意味着 Douglas 所描述的那种真实经济富足。
分歧的核心实际上并不在于 AI 投资是否庞大。
而在于这些投资会以多快速度转化为全经济范围的生产率提升。
Douglas 最乐观的情景远不止 GDP 增长。
他设想的是更接近 后稀缺 的状态。
其逻辑是，足够强大的 AI 和机器人技术能够成倍增加世界的有效智力劳动和体力劳动供给。
如果许多商品的生产成本降至接近能源和原材料成本，整个类别的稀缺性都可能减弱。
输入一句想法，We0 AI 即可生成展示站、页面与 CMS。发布上线后并帮你获取客户和流量。
用户注册赠送一次完整项目生成
适合先体验一次完整生成流程，快速看到项目初稿。
在这一情景中，原本可能需要数百年才能实现的进步，可能仅需十年或二十年。
Douglas 提到的可能性包括：
他所期待的终点，是一个每个人都能享有当今最富有者也无法获得的物质富足水平的世界。
这是访谈中推测性最强的部分。
它不仅依赖于 AI 能力，也依赖于分配、基础设施、制度、政治选择、能源供应，以及生产率收益是否真正惠及普通家庭。
原文将其呈现为 Douglas 对 Anthropic 最终努力方向的愿景，而不是一项有保证的结果。
访谈还讨论了一个更为迫切的问题：在 AI 持续进步的过程中，工作岗位会发生什么？
Douglas 表示，他见过一些案例：即使 AI 采用率提高，就业也没有下降。
他提到了菲律宾外包呼叫中心工作，以及软件工程就业持续增长，作为生产率提升可能使企业有理由雇佣更多而非更少人员的案例。
其机制与早期技术变革类似：
劳动者生产率提高
→ 服务生产成本下降
→ 对服务的需求上升
→ 企业可能雇佣更多劳动者
即使自动化快速改进，这种情况也可能持续一段时间。
但 Marwell 补充了一个重要条件。
这种有利的人机互补叙事，取决于人类是否仍然是释放 AI 全部价值所必需的。
Marwell 的担忧始于这一条件发生改变之时。
如今，许多最佳工作流仍然是：
人类判断
+
AI 的速度与规模
人类设定目标、解读模糊性、发现错误、处理组织语境，并决定结果何时足够好。
Marwell 认为，世界最终可能从：
AI 需要人类合作伙伴才能交付全部价值
转变为：
AI 不再需要人类合作伙伴
他说，这正是后果会变得更加令人担忧的节点。
原文将这一转变类比为国际象棋。
在计算机变得强大之后的多年间，最强的“棋手”往往是人机组合。
最终，机器变得足够强大，以至于人类贡献不再改善结果。
Marwell 认为，在知识工作中，人类加 AI 占优的时期可能短得多。
Anthropic 经常受到来自相反方向的批评。
一些人指责该公司朝着危险能力推进得过快。
另一些人则认为，Anthropic 强调 AI 风险的方式，可能为有利于既有大型实验室的监管提供正当性。
Lonsdale 直接提出了第二种批评。
Douglas 回应称，Anthropic 放慢速度最多的对象是它自己。
Marwell 举了 Anthropic 某次模型发布的例子，称该公司此前曾在与政府协调安全和访问条件期间，接受了竞争上的延迟。
Lonsdale 则反驳称，一些限制降低了本可用于网络防御的能力。
这部分对话并未解决政策争论。
但它展示了核心张力：
以足够快的速度行动以保持竞争力
vs.
以足够谨慎的方式行动以控制风险
随着智能体系统获得更高自主性，这种张力正变得更加尖锐。
原文将 Anthropic 的讨论与 AI 行业其他事件联系起来。
9 月 28 日，路透社报道称，OpenAI 在内部安全测试引发担忧后，搁置了原计划发布的 GPT-6.1 Astra。
这并不能证明每一家前沿实验室都在趋向同一种政策。
但它说明了 Douglas 和 Marwell 正在讨论的同一个现实问题：
随着系统变得更强大、更自主，能力与部署速度已经不能脱离安全性和可控性被独立看待。
问题不再仅仅是一个模型能否在基准测试中表现优异。
还在于实验室是否对模型行为具有足够信心，能够给予它更广泛的访问权限和自主性。
原文最后回到了 Douglas 本人。
他在悉尼长大，学习过机器人技术，并且作为击剑运动员差一点获得东京奥运会参赛资格。
大约在 2020 年，他开始阅读规模定律相关讨论和 AI 研究，并相信 2020 年代可能会出现 AGI。
他在晚上和周末自学更多机器学习研究，随后加入 DeepMind。
到 2025 年，他转入 Anthropic。
在一则宣布这一变动的帖子中，Douglas 写道，他相信该领域仍处于在 2027 年左右走向 AGI 的趋势线上。
一年半之后，他公开的时间线没有变得更保守。
如果说有什么变化，那就是他的预期已从模型能力扩展到机器人、数学、科学和经济转型。
在访谈结束时，Douglas 对未来几年的情况提出了若干具体预测。
其中包括：
这些都是个人预测。
它们的价值不在于应被当作路线图，而在于展示了至少部分前沿实验室研究人员如今如何看待能力增长的速度。
Douglas 观点中最引人注目的部分是其一致性。
在加入 Anthropic 时，他就已经公开讨论过 2027 年量级的 AGI 时间线。
到 2026 年末，在前沿模型开发内部投入更多时间后，他没有把这一时间点推得更远。
原文混合了当前观察与预测，因此将它们区分开来会有所帮助。
| 陈述 | 最佳解读 |
|---|---|
| Douglas 和 Marwell 参加了 Joe Lonsdale 的 American Optimist 播客 | 已验证 |
| 访谈于 2026 年 10 月 2 日发布 | 已验证 |
| Douglas 是 Anthropic 的强化学习技术负责人 | 由播客简介验证 |
| Marwell 曾负责强化学习科学工作，并参与长时程项目 | 由播客简介验证 |
| Douglas 表示 AI 可能在数年内与全人类匹敌或超越全人类 | 发言者预测 |
| Douglas 表示他的编程智能体可以连续工作一两天 | 第一人称观察 |
| FrontierMath 表现已显著提升 | 得到广泛支持，但具体百分比取决于版本和层级 |
| AI 资本开支到 2028 年可能达到 4 万亿美元 | Douglas 的外推 |
| 全球 GDP 可能在 2030 年代初翻倍 | 高度推测性的预测 |
| NVIDIA 曾讨论到 2030 年全球 AI 基础设施支出达到 3 万亿至 4 万亿美元 | 已验证 |
| 每个人终有一天都可能享有今日亿万富翁级别的富足 | 愿景性的后稀缺情景 |
| 人类最终可能不再为 AI 合作带来增量价值 | Marwell 的预测 |
| OpenAI 因安全担忧搁置 GPT-6.1 Astra | 路透社于 2026 年 9 月 28 日报道 |
Sholto Douglas 是 Anthropic 的强化学习技术负责人，此前曾在 Google DeepMind 工作。在 American Optimist 访谈中，他讨论了 AGI 时间线、编程智能体、经济、机器人技术和 AI 安全。
Douglas 使用了一个严格的实用门槛：一个能够以人类或超人类水平完成几乎所有人类可完成计算机工作的模型。他已明确表示，当前系统尚未跨过这一界限。
他说，能力达到或超过全人类的模型，有可能在未来几年内出现。这是他的个人预测，并非 Anthropic 的官方发布日期或有保证的时间线。
他提到自己的编程工作流：模型已经从需要每隔几分钟干预，进步到能够处理一两天的工作；他还提到困难数学基准测试上的快速进展。他同样强调了计算规模和强化学习的持续扩展。
是的，这是他基于近期增长作出的外推。他提出，年度 AI 相关资本开支是否可能从约 1 万亿美元翻倍至 2 万亿美元，然后在 2028 年达到 4 万亿美元；这应被理解为一种情景，而非共识性的市场预测。
Douglas 认为，足够强大的 AI 加上大规模机器人技术，可能使这一结果值得纳入考虑；但他也承认，这听起来很极端，并且需要许多事情都进展顺利。包括 Gary Marcus 在内的批评者强烈质疑如此迅速的宏观经济影响是否可信。
Marwell 最主要的担忧是，AI 系统不再需要人类合作伙伴来交付其全部经济价值的那个时点。他认为，当下的人机互补阶段可能只是暂时的。
Anthropic 表示，它试图在保持竞争力的同时管理安全风险。在访谈中，Douglas 说 Anthropic 放慢速度最多的对象是它自己；批评者则仍对该公司的监管立场持怀疑态度。
Sholto Douglas 的核心主张很简单，但影响深远：他相信，能够在各类基于计算机的工作中与人类匹敌或超越人类的 AI 系统，可能会在未来几年内出现。他自己的编程工作流，是让他严肃看待这一时间线的部分证据。
从这里开始，访谈变得更具推测性。Douglas 设想 AI 资本开支每年达到数万亿美元，机器人技术成倍放大物理劳动，经济增长显著加速，并最终可能实现后稀缺水平的富足。
Nicholas Marwell 则提供了更为阴暗的制衡。人机协作在今天可能富有成效，但如果 AI 最终不再需要人类合作伙伴，就业、安全和治理问题将变得更加棘手。
理解这场访谈的最佳方式，是将它视为观察前沿实验室研究人员思考方式的窗口，而不是将其当作关于 AGI、每年 4 万亿美元 AI 支出或后稀缺经济何时真正到来的既定预测。
从一句话开始，几分钟内拿到完整网站。
