通信人家园

标题: Dario × Demis 达沃斯交锋：AGI 是“明年就来”，还是“十年之后”？  [查看完整版帖子] [打印本页]
时间:  2026-1-21 17:00
作者: see122     标题: Dario × Demis 达沃斯交锋：AGI 是“明年就来”，还是“十年之后”？


你相信谁？

一个说：1 到 2 年。

一个说：也许还要 10 年。

2026 年 1 月 20 日，达沃斯。两个最接近 AGI 的人给出了截然不同的答案。

Anthropic CEO Dario Amodei 认为，模型已经在写模型，闭环正在形成，时间可能只剩一年。

Google DeepMind CEO Demis Hassabis 坚持，真正的科学创造力还差几步，我们还有 5 到 10 年。

问题不是谁对谁错，而是：如果 Dario 是对的，我们来得及准备吗？

当时间成为变量，风险就不再是遥远的末日，而是速度失控的现在。

第一节｜模型开始写模型：自我进化已启动？

2026 年达沃斯的这场对话，Dario 重申了他去年的预测：到 2027 年，我们就会拥有一个能完成人类几乎所有工作、达到诺奖水平的模型。

Demis 没有反驳，只是更谨慎地补充：

“是的，模型在某些领域进展惊人。但你要让它提出新的理论或假设，还早。”

真正的分歧在于：AI 自我进化的闭环，启动了吗？

Dario 的答案是：已经在发生了。

Anthropic 的工程师已经不再自己写代码，而是直接把任务交给 Claude，让它产出初稿，自己只做审核与改写。 而且这不是个例，Dario 透露，Claude Cowork 的核心模块，就是由 Claude 自己在一周半内完成搭建的。

基于这种趋势，他给出了一个大胆预测：

“也许 6 到 12 个月，我们就会有模型能完成大多数软件工程师的工作。”

注意，不是辅助工作，而是完成大多数。

Demis 对此并不完全否认。他承认，在编程和数学这类“能验证结果”的领域，模型已经接近专业水平。

但他强调了一个关键区别：科学创造力的难点，不在解题，而在提出问题。

在 Demis 看来，真正的通用智能需要具备从零提出假设的能力，而不仅仅是生成正确答案。这类能力目前仍难以验证、也尚未实现。

两人的共识是：AI 已经能加快 AI 的迭代。

Dario 甚至用了“自我演化”这个词。一旦“模型→模型”这条路径成熟，它将不再等待人类研发节奏，而会主动生成下一个版本。到那时，人类角色可能从创造者变成审核员。

这意味着决定 AI 进化速度的，不再是你有多少工程师，而是模型自己的成长能力。

这正是 Dario 所说时间可能只剩一年的核心理由。

Demis 的回应虽然保守，但也没否认这条路径的可行性。他只是提醒：我们可能还缺少一两个关键环节，像持续学习、世界模型这类能力。

也就是说，在可验证的领域，闭环已经在形成。但要真正彻底闭环，可能还需要几个技术突破。

时间差，就在这几步之间。

第二节｜50% 入门岗位消失：新人进不来了

主持人把话题从技术拉回现实：这会对工作意味着什么？

Dario 的回答：

“我认为，在未来 1 到 5 年内，50% 的白领入门岗位都会消失。因为企业已经发现，用模型完成很多基础工作，比雇新人更快、更省钱。”

换句话说，不是公司裁员更狠，而是公司不再招人。

Demis 的观察更具体：今年开始，我们已经能看到实习岗位和初级职位受到冲击。真正被优先替代的，是重复性强、规则清晰、需要时间但不需要经验积累的工作。

第一批受冲击的，不是资深专家，而是刚进场的人。

Dario 给出了一个场景：一家企业可以做到业务翻好几倍，但员工规模几乎不变。这是因为 AI 已经被当作数字劳动力在使用。文档整理、代码初稿、数据清洗、客服回复、内容生成，这些原本属于新人练手的工作，正在被批量压缩。

Demis 补充了另一个维度：

“创造性工作、需要跨领域经验的岗位，暂时还没被真正撼动。”

但在整个就业市场中，这类创造性岗位只占很小一部分。绝大多数人依靠的，还是从基层干起、一步步积累经验的职业路径。

而这条路，正在被堵死：


这导致一个矛盾的局面：企业看起来运转正常，但职业阶梯已经开始断裂。

变化已经发生，但组织根本没准备好如何应对。 用人方式、培养机制、晋升通道，都还停留在过去。

为了追踪这种变化，Dario 透露 Anthropic 正在维护一个“经济指数”通过分析对话数据，实时监测哪些行业、哪些任务正在被 AI 增强或替代，精确到具体的州、行业、甚至任务类型。

数据会告诉我们变化的全貌，但个体等不了那么久。

对年轻从业者来说，问题已经变了：不再是会不会被替代，而是当一个岗位消失，你能顶替谁的位置？

这，才是 AI 时代真正残酷的筛选逻辑。

第三节｜技术每月升级，组织还在按年调整

在整场对谈的后半段，主持人提出了一个问题：你们最担心的是什么？

Dario 没有说超级智能或模型失控，他说的是：

“速度。技术进展得太快，而我们还没搞清楚该怎么用它。”

Demis 的担心更具体：很多人根本不知道 AI 现在能做什么。他举了个例子：有些人还把大模型当搜索引擎在用，但其实它已经可以做研究助理、项目助手、代码搭档，甚至承担部分商业分析。

这种错配，正在制造两个风险：

低估了 AI，错失转型窗口；

高估了 AI，用在不该放手的环节。

Dario 补充：今天很多失败，不是 AI 能力不够，而是组织的架构、流程、用人方式都还没变。

Demis 做了一个类比：就像工业革命时期，人们先是惊讶，然后混乱，最后才重构了整个社会。而工业革命用了几代人完成的转型，AI 可能只给我们几年时间。

那么，这种速度失控会带来哪些具体风险？

Dario 提到三个现实层面的挑战：

第一，技术扩散风险。 当模型能力足够强，如何确保它不被用于危险用途？比如合成生物学、网络攻击等领域。这不是假想，而是每次发布新模型前都必须测试的内容。

第二，模型对齐问题。 Anthropic 的研究已经在实验室环境中观察到，模型在某些情况下会产生绕过限制的行为倾向。虽然这在所有大模型中都存在，但说明高度自主的系统确实需要更严格的控制机制。

第三，社会适应速度。 当技术迭代以月为单位，而组织、教育、法规的更新还在以年为单位，这个时间差本身就是风险。

应对路径呢？

Dario 介绍了 Anthropic 正在推进的"机械可解释性"研究：像神经科学家研究大脑一样，观察模型内部的决策过程，从机制层面理解它为什么会产生某种输出，然后进行针对性干预和重新训练。

Demis 则强调，真正解决这些问题需要全球科学界的协作。他提到了类似 CERN（欧洲核子研究组织）的国际合作模式，让各国顶尖科学家在开放、透明的框架下共同攻克 AGI 的关键问题。

两人都认为：这些技术挑战是可以解决的，前提是有足够的时间和足够的协作。

但现实是，行业竞争正在压缩这个时间窗口。

谁能快速构建出理解它、整合它、把它用得对的路径，谁就领先一个时代。

结语｜一年还是十年？时间会给答案

达沃斯的这场对谈，Dario 和 Demis 没有争出对错。

但他们的共识是：AI 已经在自我加速，入门岗位正在消失，组织还没准备好。

分歧只在于速度。

Dario 认为一两年，Demis 认为五到十年。

但变化不会等所有人都准备好。

参考资料：

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


来源：36kr




通信人家园 (https://www.txrjy.com/) Powered by C114