2027年，人類最后一次抉擇

新智元報道

編輯：定慧

【新智元導讀】2027年將是人類命運的關鍵節點！Anthropic首席科學家Jared Kaplan預警，人類將在2027至2030年面臨是否允許AI進行遞歸自我進化的終極抉擇。

2027年，AI會進化到什么程度？

在人類技術文明的漫長歷史中，很少有一個具體的時間節點像「2027年」這樣，同時承載著彌賽亞式的救贖期許與末日論般的生存恐懼。

AI向善，還是AI向惡？

這不再是科幻小說家筆下的賽博朋克幻想，而是硅谷頂級實驗室中，無數高性能芯片在冷卻液中日夜計算出的物理必然。

2024年末至2025年初，全球AI領域正處于一種詭異的「靜默風暴」之中。地表之上，ChatGPT、Gemini、Claude的每一次迭代都引發著資本市場的狂歡與公眾的驚嘆；地表之下，以Anthropic、OpenAI和DeepMind為代表的核心圈層卻陷入了一種近乎窒息的緊張感。

這種緊張源于一個日益清晰的共識：遞歸自我進化的閉環即將閉合。

Anthropic聯合創始人兼首席科學家Jared Kaplan在近期的一系列深度訪談與內部研討中，拋出了一個令整個科技界震顫的論斷：

人類將在2027年至2030年之間面臨一個「極其高風險的決定」——是否允許AI系統自主進行下一代AI的訓練與研發。

這不僅關乎技術，更關乎人類作為物種的命運。

與此同時，Anthropic最新發布（12月3日）的內部深度調查《AI如何改變工作》，正在揭示這場宏大敘事下微觀個體的命運——工程師的「空心化」和學徒制的崩潰。

在硅谷的「凍結招聘」與國內互聯網大廠的「35歲危機」背景共振下，我們該如何和AI共存？

是時候了，現在我們每個人都需要一份面向未來的「生存指南」！

遞歸的終局，2027智能爆炸

Jared Kaplan警告，人類必須在2030年前決定是否要冒終極風險，讓AI系統通過自我訓練變得更強大。

他認為這一舉措可能引發有益的智能爆炸——也可能成為人類最終失控的時刻。

在Anthropic公司內部，表達擔憂的并非只有他一人。

其聯合創始人之一杰克·克拉克在去年十月表示，他對AI的發展軌跡既持樂觀態度，又深感憂慮，他將AI稱為一個真實而神秘的生物，而非簡單可預測的機器。

Kaplan表示，他對AI系統在達到人類智能水平之前與人類利益保持一致非常樂觀，但擔心一旦它們超越這個臨界點可能帶來的后果。

要理解Jared Kaplan的警告，首先必須理解支配當前AI發展的底層物理規律——Scaling Laws，以及它為何預示著一個不可避免的「奇點」。

過去十年，深度學習的輝煌建立在一種粗暴而有效的哲學之上：堆砌算力與數據。

Kaplan本人正是「神經縮放定律」的奠基人之一。

該定律指出，模型的性能與計算量、數據集大小和參數數量呈冪律關系。只要我們不斷增加這三個要素，智能就會「涌現」。

然而，到了2025年，這一范式撞上了兩堵墻：

1. 高質量人類數據的枯竭

   互聯網上可用于訓練的高質量文本已被挖掘殆盡。人類產生的每一個字符，從莎士比亞的十四行詩到Reddit上的口水戰，都已被喂入模型。

2. 邊際效應遞減

   單純增加模型參數帶來的性能提升正在放緩，而訓練成本卻呈指數級上升。

正是在這個瓶頸期，遞歸自我改進（RSI）成為了通向超級智能（ASI）的唯一鑰匙。

Kaplan及其團隊的模型顯示，AI進化的下一階段將不再依賴人類數據，而是依賴AI自身生成的合成數據與自我博弈。

谷歌DeepMind負責人Demis Hassabis也曾談論「智能爆炸」、自我改進型AI

根據Anthropic和DeepMind的內部推演，這一過程將經歷三個涇渭分明的階段：

• 第一階段：輔助研發（2024-2025）

  這是我們當前所處的階段。AI（如Claude Code或Cursor）作為人類工程師的「超級外骨骼」，輔助編寫代碼、優化超參數。在這個階段，AI的貢獻是線性的，它提升了效率，但核心的創新路徑仍由人類科學家規劃。Anthropic的數據顯示，Claude Code已經能夠獨立完成涉及20步以上的復雜編程任務，這標志著輔助能力的成熟。

• 第二階段：自主實驗員（2026-2027）

  這是Kaplan警告的臨界點。AI智能體（Agents）開始獨立承擔機器學習（ML）實驗的完整閉環。它們不再是寫代碼的工具，而是成為實驗的設計者。它們提出假設、編寫訓練框架、運行實驗、分析損失函數的異常，并根據結果調整模型架構。此時，AI的研發效率將僅受限于算力供給，而不再受限于人類研究員的睡眠時間和認知帶寬。

• 第三階段：遞歸閉環與起飛（2027-2030）

  當AI的研發能力超越人類頂級科學家（如Kaplan本人），它將設計出比自身更強大的下一代AI。這種「子代」AI擁有更高的智商和更優化的架構，從而能設計出更強大的「孫代」AI。這種正反饋循環一旦啟動，智能水平將在極短時間內（可能僅需數周）呈現指數級躍升，即所謂的「硬起飛」。

AI革命被低估了！Eric Schmidt，埃里克·施密特曾擔任谷歌母公司董事長

為什么是2027年？

「2027」并非一個隨意的數字，它是多個技術與硬件周期耦合的結果。

無獨有偶，此前另一個項目AI2027同樣預測，在未來十年內，超人類AI的影響將是巨大的，其規模將超越工業革命。

AI模型的訓練依賴于大規模GPU集群的構建。

根據英偉達的路線圖以及全球數據中心的建設周期，2027年正是下一代超級計算集群（如OpenAI的Stargate項目或其同等規模設施）投入使用的節點。

這些集群的算力將是GPT-4時代的100倍甚至1000倍。

英偉達的GPU路線圖中，2027年底，最新芯片「費曼」也將啟用。

DeepMind的Demis Hassabis指出，AlphaZero通過「自我博弈」在圍棋領域實現了從零到神的突破，而不需要任何人類棋譜。

現在的目標是將這種「零人類數據」的學習范式泛化到編碼和數學領域。

一旦AI能夠通過自我生成的代碼進行訓練，并利用形式化驗證來確保證明或代碼的正確性，數據的天花板就被徹底打破了。

Kaplan認為，這一技術突破將在2026-2027年間成熟。

終極風險：不可解釋的優化路徑

Kaplan警告的核心在于不可解釋性（Uninterpretability）。

當AI開始自主設計下一代AI時，它所采用的優化路徑可能完全超出人類的認知范疇。

想象一下，一個擁有萬億參數的AI發現了一種全新的數學結構來優化神經網絡的權重更新。

這種結構極其高效，但極其晦澀。

由于人類無法理解這種優化機制，我們也就無法檢查其中是否隱藏了「特洛伊木馬」或錯位的目標函數。

「這就像你創造了一個比你聰明得多的實體，然后它去創造一個更聰明的實體。你根本不知道終點在哪里。」Kaplan在接受《衛報》采訪時如是說。

這種失控的風險，迫使Anthropic等實驗室提出了「計算閾值」（Compute Thresholds）監管方案，試圖通過限制訓練算力來為人類爭取時間。

但在地緣競爭的壓力下，這種自我約束的脆弱性不言而喻。

寫到這里，再次讓我想起，馬斯克很早就說過的，人類只是某種數字生命的啟動器。

從這個角度，不管人類是否自愿，這個過程已經不可逆了。

人類工程師的最后一份實驗報告

如果說Kaplan的預測是對未來的宏大敘事，那么Anthropic發布的《AI如何改變工作》報告，則是一份關于當下的、充滿血肉真實質感的田野調查。

這份報告基于對Anthropic內部數百名工程師的深度追蹤，揭示了在技術奇點到來之前，人類勞動形式是如何被徹底重塑的。

Anthropic的工程師們并非普通的軟件開發者，他們是世界上最懂AI的一群人。

他們使用Claude的方式，預演了未來3-5年全球軟件工程的常態。

調查顯示，在短短12個月內，AI在工作流中的滲透率發生了質變：

最引人注目的數據是「獨立工具調用鏈長度」的翻倍。

這意味著AI不再是只能寫一個函數的「補全工具」，而是能夠像一個真正的工程師一樣：讀取需求->搜索現有代碼->規劃修改方案->編寫代碼->運行測試->修復報錯->提交代碼。

這一連串動作在以前必須由人類打斷并串聯，現在AI已經可以一口氣跑完21個步驟。

Claude Code與自動化臨界點

報告特別指出了「Claude.ai」（聊天界面）與「Claude Code」（集成開發環境中的Agent）的巨大差異。

• 在聊天界面中，自動化比例僅為49%，人類仍需頻繁介入對話。

• 在Claude Code環境中，自動化比例高達79%。

這意味著，在專業的工程環境下，80%的工作實際上已經由AI托管。

人類工程師的角色，正在從「創作者」轉變為「監督者」。

生產力的提升令人欣喜，但報告的后半部分卻充滿了憂慮。

Anthropic極其誠實地記錄了工程師們對自己職業未來的恐懼——技能退化（Skill Atrophy）。

一位資深工程師在訪談中說道：「我以前認為我喜歡寫代碼，現在我發現我只是喜歡代碼帶來的結果。」

這句話道出了技術異化的本質。

編程不僅僅是產出代碼，它是一種思維訓練。

通過一行行敲擊代碼、一次次面對報錯、一步步調試堆棧，工程師建立起了對系統的物理手感和技術直覺。

當AI瞬間生成幾百行完美運行的代碼時，這個「痛苦但必要」的學習過程被省略了。

• 理解力的淺層化

  工程師變得更加「全棧」（Full-stack），敢于觸碰前端、數據庫、運維等所有領域。但這種全棧是建立在沙灘上的。他們能讓系統跑起來，但不知道系統為什么能跑起來。一旦遇到AI無法解決的深層邏輯Bug（通常涉及到底層原理或極其復雜的交互），這些「速成全棧」工程師將束手無策。

• 驗證的困境

  隨著AI生成的代碼越來越復雜，人類閱讀和審查代碼的難度也在增加。工程師傾向于將那些「容易驗證」（如單元測試能覆蓋的）任務交給AI，而回避那些需要深層審美和架構判斷的任務。但問題在于，隨著信任度的增加，邊界正在模糊。

學徒制的崩塌

這是報告中另一個最具社會學意義的發現：初級工程師正在失去成長的土壤。

「我喜歡和人一起工作，但我現在越來越不需要他們了……初級人員不再像以前那樣經常帶著問題來找我。」

在傳統的軟件工程體系中，初級工程師（Junior）通過處理瑣碎的Bug、編寫簡單的測試用例、維護文檔來積累經驗，并在資深工程師（Senior）的指導下逐步成長。

這是一種類似中世紀行會的「師徒制」。

然而，AI現在最擅長的正是這些「瑣碎、低風險、易驗證」的任務。

資深工程師發現，與其花30分鐘教實習生，不如花30秒讓Claude完成。

于是，初級工程師失去了練手的機會，資深工程師失去了傳道的動力。

這預示著一個可怕的未來——「斷層的一代」。

當現在的資深工程師退休后，誰來接班？我們是否正在培養一代完全依賴AI拐杖，一旦斷網就徹底喪失能力的「空心工程師」？

站在2025年的節點上，望向2030年的迷霧，每一個個體都必須進行一場深刻的自我革命。

Jared Kaplan的2027警告或許是懸在頭頂的達摩克利斯之劍，但未來并非已成定局。

在奇點到來前的最后幾年里，請務必抓緊手中的方向盤，保持清醒，保持痛感，保持工程師的驕傲。

參考資料：

https://www.anthropic.com/research/how-ai-is-transforming-work-at-anthropic

https://www.theguardian.com/technology/ng-interactive/2025/dec/02/jared-kaplan-artificial-intelligence-train-itself

秒追ASI

?點贊、轉發、在看一鍵三連?

點亮星標，鎖定新智元極速推送！