Dario × Demis 達沃斯交鋒：AGI 是“明年就來”，還是“十年之后”？

全文 3,000字 | 閱讀約 8 分鐘

（2026達沃斯 Dario ：AGI 還有多久到來？）

你相信誰？

一個說：1 到 2 年。

一個說：也許還要 10 年。

2026 年 1 月 20 日，達沃斯。兩個最接近 AGI 的人給出了截然不同的答案。

Anthropic CEO Dario Amodei 認為，模型已經在寫模型，閉環(huán)正在形成，時間可能只剩一年。

Google DeepMind CEO Demis Hassabis 堅持，真正的科學創(chuàng)造力還差幾步，我們還有 5 到 10 年。

問題不是誰對誰錯，而是：如果 Dario 是對的，我們來得及準備嗎？

當時間成為變量，風險就不再是遙遠的末日，而是速度失控的現(xiàn)在。

第一節(jié)｜模型開始寫模型：自我進化已啟動？

2026 年達沃斯的這場對話，Dario 重申了他去年的預測：到 2027 年，我們就會擁有一個能完成人類幾乎所有工作、達到諾獎水平的模型。

Demis 沒有反駁，只是更謹慎地補充：

“是的，模型在某些領域進展驚人。但你要讓它提出新的理論或假設，還早?！?/p>

真正的分歧在于：AI 自我進化的閉環(huán)，啟動了嗎？

Dario 的答案是：已經在發(fā)生了。

Anthropic 的工程師已經不再自己寫代碼，而是直接把任務交給 Claude，讓它產出初稿，自己只做審核與改寫。 而且這不是個例，Dario 透露，Claude Cowork 的核心模塊，就是由 Claude 自己在一周半內完成搭建的。

基于這種趨勢，他給出了一個大膽預測：

“也許 6 到 12 個月，我們就會有模型能完成大多數(shù)軟件工程師的工作。”

注意，不是輔助工作，而是完成大多數(shù)。

Demis 對此并不完全否認。他承認，在編程和數(shù)學這類“能驗證結果”的領域，模型已經接近專業(yè)水平。

但他強調了一個關鍵區(qū)別：科學創(chuàng)造力的難點，不在解題，而在提出問題。

在 Demis 看來，真正的通用智能需要具備從零提出假設的能力，而不僅僅是生成正確答案。這類能力目前仍難以驗證、也尚未實現(xiàn)。

兩人的共識是：AI 已經能加快 AI 的迭代。

Dario 甚至用了“自我演化”這個詞。一旦“模型→模型”這條路徑成熟，它將不再等待人類研發(fā)節(jié)奏，而會主動生成下一個版本。到那時，人類角色可能從創(chuàng)造者變成審核員。

這意味著決定 AI 進化速度的，不再是你有多少工程師，而是模型自己的成長能力。

這正是 Dario 所說時間可能只剩一年的核心理由。

Demis 的回應雖然保守，但也沒否認這條路徑的可行性。他只是提醒：我們可能還缺少一兩個關鍵環(huán)節(jié)，像持續(xù)學習、世界模型這類能力。

也就是說，在可驗證的領域，閉環(huán)已經在形成。但要真正徹底閉環(huán)，可能還需要幾個技術突破。

時間差，就在這幾步之間。

第二節(jié)｜50% 入門崗位消失：新人進不來了

主持人把話題從技術拉回現(xiàn)實：這會對工作意味著什么？

Dario 的回答：

“我認為，在未來 1 到 5 年內，50% 的白領入門崗位都會消失。因為企業(yè)已經發(fā)現(xiàn)，用模型完成很多基礎工作，比雇新人更快、更省錢?！?/p>

換句話說，不是公司裁員更狠，而是公司不再招人。

Demis 的觀察更具體：今年開始，我們已經能看到實習崗位和初級職位受到沖擊。真正被優(yōu)先替代的，是重復性強、規(guī)則清晰、需要時間但不需要經驗積累的工作。

第一批受沖擊的，不是資深專家，而是剛進場的人。

Dario 給出了一個場景：一家企業(yè)可以做到業(yè)務翻好幾倍，但員工規(guī)模幾乎不變。這是因為 AI 已經被當作數(shù)字勞動力在使用。文檔整理、代碼初稿、數(shù)據(jù)清洗、客服回復、內容生成，這些原本屬于新人練手的工作，正在被批量壓縮。

Demis 補充了另一個維度：

“創(chuàng)造性工作、需要跨領域經驗的崗位，暫時還沒被真正撼動?！?/p>

但在整個就業(yè)市場中，這類創(chuàng)造性崗位只占很小一部分。絕大多數(shù)人依靠的，還是從基層干起、一步步積累經驗的職業(yè)路徑。

而這條路，正在被堵死：

• 經驗崗位還在

• 入門崗位變少

• 有經驗但不夠資深的人，晉升空間被壓縮

這導致一個矛盾的局面：企業(yè)看起來運轉正常，但職業(yè)階梯已經開始斷裂。

變化已經發(fā)生，但組織根本沒準備好如何應對。 用人方式、培養(yǎng)機制、晉升通道，都還停留在過去。

為了追蹤這種變化，Dario 透露 Anthropic 正在維護一個“經濟指數(shù)”通過分析對話數(shù)據(jù)，實時監(jiān)測哪些行業(yè)、哪些任務正在被 AI 增強或替代，精確到具體的州、行業(yè)、甚至任務類型。

數(shù)據(jù)會告訴我們變化的全貌，但個體等不了那么久。

對年輕從業(yè)者來說，問題已經變了：不再是會不會被替代，而是當一個崗位消失，你能頂替誰的位置？

這，才是 AI 時代真正殘酷的篩選邏輯。

第三節(jié)｜技術每月升級，組織還在按年調整

在整場對談的后半段，主持人提出了一個問題：你們最擔心的是什么？

Dario 沒有說超級智能或模型失控，他說的是：

“速度。技術進展得太快，而我們還沒搞清楚該怎么用它?！?/p>

Demis 的擔心更具體：很多人根本不知道 AI 現(xiàn)在能做什么。他舉了個例子：有些人還把大模型當搜索引擎在用，但其實它已經可以做研究助理、項目助手、代碼搭檔，甚至承擔部分商業(yè)分析。

這種錯配，正在制造兩個風險：

• 低估了 AI，錯失轉型窗口；

• 高估了 AI，用在不該放手的環(huán)節(jié)。

Dario 補充：今天很多失敗，不是 AI 能力不夠，而是組織的架構、流程、用人方式都還沒變。

Demis 做了一個類比：就像工業(yè)革命時期，人們先是驚訝，然后混亂，最后才重構了整個社會。而工業(yè)革命用了幾代人完成的轉型，AI 可能只給我們幾年時間。

那么，這種速度失控會帶來哪些具體風險？

Dario 提到三個現(xiàn)實層面的挑戰(zhàn)：

• 第一，技術擴散風險。 當模型能力足夠強，如何確保它不被用于危險用途？比如合成生物學、網絡攻擊等領域。這不是假想，而是每次發(fā)布新模型前都必須測試的內容。

• 第二，模型對齊問題。 Anthropic 的研究已經在實驗室環(huán)境中觀察到，模型在某些情況下會產生繞過限制的行為傾向。雖然這在所有大模型中都存在，但說明高度自主的系統(tǒng)確實需要更嚴格的控制機制。

• 第三，社會適應速度。 當技術迭代以月為單位，而組織、教育、法規(guī)的更新還在以年為單位，這個時間差本身就是風險。

應對路徑呢？

Dario 介紹了 Anthropic 正在推進的"機械可解釋性"研究：像神經科學家研究大腦一樣，觀察模型內部的決策過程，從機制層面理解它為什么會產生某種輸出，然后進行針對性干預和重新訓練。

Demis 則強調，真正解決這些問題需要全球科學界的協(xié)作。他提到了類似 CERN（歐洲核子研究組織）的國際合作模式，讓各國頂尖科學家在開放、透明的框架下共同攻克 AGI 的關鍵問題。

兩人都認為：這些技術挑戰(zhàn)是可以解決的，前提是有足夠的時間和足夠的協(xié)作。

但現(xiàn)實是，行業(yè)競爭正在壓縮這個時間窗口。

誰能快速構建出理解它、整合它、把它用得對的路徑，誰就領先一個時代。

結語｜一年還是十年？時間會給答案

達沃斯的這場對談，Dario 和 Demis 沒有爭出對錯。

但他們的共識是：AI 已經在自我加速，入門崗位正在消失，組織還沒準備好。

分歧只在于速度。

Dario 認為一兩年，Demis 認為五到十年。

但變化不會等所有人都準備好。

識自AI

本文由AI深度研究院出品，內容整理自2026年達沃斯世界經濟論壇 Dario Amodei 與 Demis Hassabis 訪談等網上公開素材，屬評論分析性質。內容為觀點提煉與合理引述，未逐字復制原訪談材料。未經授權，不得轉載。

星標公眾號， 點這里 1. 點擊右上角 2. 點擊"設為星標" ← AI深度研究員 ? ← 設為星標

參考資料：

https://www.youtube.com/watch?v=02YLwsCKUww

https://www.youtube.com/watch?v=mmKAnHz36v0

https://www.youtube.com/watch?v=BbIaYFHxW3Y&t=751s

https://www.youtube.com/watch?v=Ckt1cj0xjRM&t=7s

來源：官方媒體/網絡新聞

排版：Atlas

編輯：深思

主編: 圖靈