讨论中，两位深入推敲了一项多数人视之为荒诞的预言：一旦AI及机器人全面承接人力工作，制造的全部支出最终都会归结为电力消耗，中产家庭在山区建造豪华居所就像当下购置家电般寻常。待这个时代真正到来之前，他们的判断是来来的十年属于通才阶段，原因在于各种工具已齐备，最稀少的反而是懂得何种问题值得破解的人。若问AI何时能夺菲尔兹奖，答案是2028年就「相当可能」；普利策奖的话，时间表似乎还得往后延。
Sholto Douglas的观察角度我之前有过涉及，是个既有哲学思辨又懂技术细节的科研工作者。
1.一年半前，逐行手写程序；如今，模型可独立驱动两天工作量
Sholto用自身在Anthropic的日常职责来诠释AI技术的推进速率。刚到公司时的一年半前，编程全靠手工逐条完成。隔了几个月后，工作模式变成了每隔数分钟向模型下达一项命令、请其开发一套函数，但仍需时刻监督，因为系统会出错或跑偏。
而今，他已能将一到两天的工作范围交由模型自主实现，指导方式就如同带领一名初入职场的新员工。录制播客时，他的AI助手正在后台执行强化学习试验。「它们真的在干活儿，还有好几个同步运行。」
这种变化的幅度比普通人的预判要陡峭。十八个月功夫，从一项必须你不断照看的应用蜕变成一位能自主承担任务的初级同事。Sholto对AGI的观点便源于这类真实体验：再过几年，就会浮现出等同或超越人类聪慧的模型。详细地讲，就是某个系统能实现所有人在计算机上能完成的操作。若再辅以机器人工程的进阶，以后物理世界的事务也皆可处理。
他在2020年时还身居悉尼，就已被论文和技术博客所劝服，深信缩放路线能在21世纪20年代实现AGI。踏入Anthropic之后，这份信念变得愈加坚定。
Nick提出了一层区隔：眼下，模型研发的焦点是让AI去完成人类既有的工作，只是效率更高、成本更省，例如创作人类团队也能创作的应用程序。可最近数学范畴开始显现异常的迹象。有个名叫Frontier Math的测评系统，由各学科教授出题，模型的得分在近一年内从零激增到超五成。这类题目正是人类多年都未能攻克的困局。
有的观点认为，这类数学推导只是「某个聪慧的数学研究员意识到电脑能做人工无法穷尽的暴力搜索」。Nick不否定这点，但他觉得，人类历史中的多数脑力突破本来就这样，就是把前辈不同的观念汇合起来，生成前所未有的产物。差异在于，过去这类汇合不会自然发生。现在的模型却能把人类各式的思路重新拼凑，产生以往无人尝试过的创意链接。制作一个新型web软件谈不上人类的崭新脑力成就，但这类拼凑就是。
2.数学和程序为什么抢先冲破
对模型的练习有两条道路。一条是对庞大互联网文献进行前期教练。另一条是强化学习，亦即Sholto和Nick两人正在从事的事：让系统解答一个题，验证答案真伪，借由正误讯号去训练。
数学与程序之所以首次突围，根本原因在于它们最便于判定正误。数学拥有证明机制，软件能执行就能执行，不能就不能。这两大领域内，强化学习拥有天生的校验能力。爱情故事、诗歌创作、其它需人类品评的范围就艰难得多。不过Sholto认为把其它课题纳入这套架构并无那么困难，只是尚未着手。
Nick又加了个社会学侧面的表明。做AI的人自己就来自于数学和计算机领域，他们自然先深耕己懂的范畴。另外，调教好模型得投入海量时间去看模型的反馈，判定哪块强、哪块弱。干自个儿是专业人士的事儿明显更顺手。选数学和程序做突破口，一半是技术上的事，一半就是「问数学家优先要干啥，那当然是数学」。
被问及会否把系统当人来对待，Nick说他不会，但他以为「智能体」比「工具」更贴切地阐释架构。工具就是你一直在操控的物件。目前的模型是你释放出来，让它代替你活动的物件。用「智能体」的框架去推敲它的行为、会发作什么难题，比用「工具」的视角更切实。
3.每一份增量聪慧，价格是前一份的几何倍数
Nick提了个连他本身数年前都保留怀疑的经济学思路。
AI在代码范围的初始有效能是tab键自动补齐。下一份增量是命令行中的agent化代码运行，比如Claude Code。这项能力的价值比tab补齐高出千倍、万倍。tab补齐已然无法独自支撑一家商业公司，可agent化代码运行开创了滔天的商业价值。
再下一层是啥？也许是个全职的AI软件工程师，胜过任何真人程序员。再再下一层？也许能医治癌症。
按日常中别的东西的规律，指数增长终归会碰到瓶颈。但AI的特殊之处在于，你得有超常的乐观才能确信这条弧线会一直往上。而至今止，它确实在交付结果。Nick说这对他数年前的自己是个巨大的认知迭代，由于他曾想过指数不该跑这么长。
这套观点给了一个普遍的质疑一个答案：倘若顶端聪慧不断变廉价，这不是个注定会被平凡化的行业吗？Nick的说法是：等到任意某种完全平凡的状况实际上展现时，经济体系已被AI根本改造了，所有心智和膂力任务都由AI包办，总量远超今天。如果Anthropic乃推进这个过程的厂商之一，显而易见值很大的钱。
换言之，等最前沿被平凡化那一刻，我们聊的已不是某公司值几个钱的议题了。
4.知识萃取、知产和药品专利的类比
Sholto引述了Artificial Analysis等评价渠道的数据：同样聪慧的程度，支出每个年头约降低十倍。这种降价彻底源自科技自个儿的天然演化，没必要萃取。
萃取是另一码事。萃取就是复刻。它不能让你越过此刻的能力界线，仅能廉价地复制旁人已完成的物件。难处在于，推向下一个前沿需要巨资投注。日后会显现百亿、千亿乃至万亿美元级别的教练成本。倘若人家总能用微小的成本在一两周内复刻你的产出，反倒在商业上超越你，源于他们没有研发肩负。日积月累，没人有意愿做前沿的投进。
但萃取挡不住也是个情况。用户想检验产出、想在家里运行、想看推理链，每开放一点浏览权，萃取就便利一分。这是个商品开放性和知识产权庇护之间的机制化张力。
Nick把这件事和药品研发做比对，可他觉得AI比医药健康得多。药品专利守护期可达二三十年，引致价格长期居高。AI前沿的「新鲜期」仅有数月。半年前的顶端阶段很快就变得超廉价。守卫前沿系统的知产，既能刺激下一轮巨资教练投进，又不至于像医药专利那样让终端顾客多年承受高价。守卫的收益全得了，坏处基本消失了。
Nick说他在数年前思索AI进度速率时，曾想过资料拓展会是极大的费时费钱困局，把所有事都拖慢。算出来的真实情况是，Anthropic和OpenAI的营收扩张速度远超预见，眨眼就有了足量的资金来粗鲁冲击这类困局。他当时推测还得用更长的时间才能走到现在这地儿，却没想到钱来得太快了。
5.「AI将是生物医学史上最关键的工程」
在全部AI将带来影响的版块中，Nick对未来半年到两年内的微生物学最为看好。他觉得生物学会过历与程序设计类似的AI推广进程，但人文回报会更加宽泛深邃。治愈病症、延伸寿命、掌握遗传印迹怎样作用于退化，这类方向都在加速发展。
可他接下来的忧虑和多数人不一致：他的担忧不复是AI够不够聪明，而是美利坚有没有足数的实验厂所来承纳AI的成果。
他对AI在生物学中的才能已有信念了，可对美利坚实验厂所的数量和水准没有把握。在实验设施质量这个界面上，美利坚已然落在中华之后。重整美利坚的供应链和实验室网络到世界名列前茅的程度，他以为是眼下最紧要的社会基建工程之一。
这份判定的含意很显明：约束微生物学提升的困局快要从「AI还不足强」变成「烧瓶和试管不足多」。在2030时期机械设备工程充分先进以前，这道基建困局会不停存在。三年前大家应该多造算力基建，现在大概应该有些人开始大建实验厂所了。
6.主动进击与消极防守，谁占上风
Anthropic內有个分类阶段：某项技术范围到底是出击优先依然防守优先。这项判定决定了它有多凶险、要什么样的调理。
Sholto以为网络防守眼下是出击主导，但两年後会掉转。原因很直截：有了足够强悍的AI，你能提早闯入自己的设备，挖掘全部薄弱处并修正。末了我们将迈入一个更安稳的网络环球，源于众人都早就用AI探测过自己的防线。
生物领域的情形更为严峻。要让生物保卫从出击主导翻转为防守主导，需得数千亿金元的基建参加。在2030时期机械设备工程大幅推进之前，建制这类设施的价格都不算合理。因此现在是个异常凶险的临界点：出击当先，防守尚未就绪。
双重应用是这两大范围的根本窘境。Nick用网络防守讲了最直白的事例：你让Claude说「这是个代码仓，请找出全部漏隞」，它没法辨别你是此仓库的持有人在强化防卫，依然侵害人在找入口。生物范围也同理，百分之九十九点九的靶向操作是在杀死病变细胞，但也许出现的概率是在干风险之事。
Anthropicの态度是：在能充分保障坏家伙不可以应用这类才能之前，不应该向全球散发这类工程。
Joe Lonsdale提了个正在产生的案例：有恐怖机关在用开源系统进修生成炸药安装。他们本身的聪慧不够，可系统恰巧充足智慧来帮扶。Sholto对於此的回复是，更大批人拥有聪慧也暗示著更多人能体认危机并拦阻它。团体上他对这个方向维持乐观心理，可他的乐观构建在一个条件上：网络保卫在两年内会改变为防守主导，生物保卫要更久。
7.寓言事件：Anthropic怎么样回话「管制掳掠」
Joe Lonsdale开诚布公地提出了他人脉中对Anthropic的批评：众多聪慧的科技带头人以为Anthropic总裁Dario Amodei在制造恐惧来敦促对己方有益的管制，用牺牲开源生态来巩固闭源公司的处境。
Nick的回复分为两个层级。
一个层级是底数。敦促开源重量的主角是Nvidia、Amazon、Microsoft和中土的大规模实验室，都是有才能应付管制的大公司。「管制会不对称地有损开源开发人员」这类表述站不住脚，由于开源重量的敦促者从不是资财缺乏的微型组织。
又一个层级是个人行为。他说了个详细的例子来阐明：Anthropic当初具有遥遥领先的最强系统，没一个敌手临近。厂商全然能用这个数月的领先周期彻底逆转对手。但它选择先和官府洽商，确认官府对发布形式感到放心。这就是播客里提及的寓言事件。搜查确认，2026年6月Anthropic发表了Mythos等级模型Fable 5，但三天後就因美利坚官府的出口管辖令遭强行全世界停机，直到月底才规复。
「这是一项对公司经济好处明白不利的决议，可适配我们对模型应该如何部署的道德观。」
Nick还说了DeepMind总裁Demis Hassabis敦促的一项建议：让闭源系统供给商间协约，设定安全坡度，系统务必到达水准才能发布。「这就是我们在议论给己方踩闸。到眼下为止，我们对己方的踩闸遠超全部外界对我们的踩闸。」
关乎开源，Sholto说得直白坦诚：「我们诚心觉得开源是好事。」他自己就是在开源系统上习得做器械学的。但他也以为社团应该对啥样能力等级可能開放制定门坎，比如一个系统能干網路攻打，你能收受啥程度的能力被開放？这项门坎对开源和闭源系统应当相等。除此之外，人应当能干他们想干的事。
被问及有無也许为了安全而减缓美利坚速度时，Sholto的回话是：「不可能是减缓美利坚而让中土抢先的計劃。」若是要放缓，必然是全部参加方完整协约、相互信赖的放缓。
8.今後的十年都市舞台
Nick的大弟正读书，正直面「AI期间该怎样制定工作」的难题。Nick给的判定是：倘若AI技术要十到二十年才能彻底浸透经济，那这段時間里会汹涌大批参加技術铺开的时机。
既往几十年里，卓越的工作途径就是拥有一套极值钱、极市场化的专科才能。今後的道理差别了。每小我背后都有一支千级公司量级的AI能力，真正稀缺的就变为甄别困局的才能。啥问題值得处理？我的地区需要啥？工具库已全齐，关键就是選对路线。
Nick用犹太信念里「修缮天地」的想象来做布局：你用半周修缮天地，第七天装假修完了，苏息。只要你不信乌托邦已至，就永远有需要修缮的东西。这是个关於「后稀缺天地人还能干啥」的非市侩回覆。他和Sholto都赞成：在我们和乌托邦之中，还有海量的事务要干。
大批人以為AI会最先冲撃代理化行业，但菲律宾干商业流程代理的BPO行业就業还在爬升，编程从业也在增进。搜查确认，菲律宾BPO行业2025年就業增进4%达1百68万人，2026年估计继续增至约197万人。汇丰在2026年九月的叙述中验证「菲律宾服務业就業没浮现绝望景观，以至加快了」。
Nick的讲解是：现在处在一个「人+AI」比單纯的人更珍贵的期间，故此雇工想要更多人来配合AI施用。他把这和象棋做了对衡。三十年来象棋范围最强的棋士一直是人加機械的结合，眼下機械已碾压全部。他们以为AI范围的这期變化会比象棋短多了。
因此Anthropic对無業难题的焦虑是真摯的。「我们不應该自我洗脑，以为全部都会自动好起來。」Nick提及，Anthropic的一位朋友已施助了一个非赢利組织，特地科研劳动力冲击的實际資料，及其應該敦促啥样的律例让全部人都能稳妥度过这期過渡期。
9.一切終久化為能电的支出
Sholto给了一条从现时到后稀缺的推导道路。既往四五年，花进AI的算力每年翻2到三倍。大型云厂家今年兼併花了靠近一万亿美块的资本支出在AI关連基建上。倘若这条倾向线延续，再加上机械人工业的拓张，到2030時期初，理论上就逼近「把人类的出产总值翻一倍」的量級。
他自个儿也认可这个想象「有点荒诞」，可算力拓张的倾向线到目前为止一直在兑付。五年前不是有人会信一年花一万亿美块在AI上，一年前也不太有人信。
落到日常日子，他讲述的企图是如許的：当AI可以接替全部脑力工程，配搭机械人後再加上膂力工程，一切的制造支出都化為能电支出。建屋舍是能电支出，产制产品是能电支出。中产可以在高峰建一幢硕大的屋舍，这就像現在我們習以為常的货物在几百年前的君王看来不可设想相似。調理全部疾病，以至調理衰老。
但他紧著提了一個分配的题目：怎么样确保这片天地的好处不只涌向那片在老天地恰好擁有資本的人？倘若好处全都汇集在資本持有人手里，后稀缺就仅仅另一类极端不公正。
Sholto对文明层面的預测和大批硅谷人的直感逆反。他以為常规、仪式和社群纽帶的显要性会爬升。当工作不再是日常的核心，当纯粹的資本论不再占据全部，「人民日子中显要的货物会变為常规、仪式、為別人创造价值、当地社群的纽帶。」Nick補充说，纯粹的求知自身也会變得更显要，仅是不再出於经济想法，而是出於通晓天地、参与社群和自我充实的需求。
Joe Lonsdale问了一項犀利的难题：你们在旧金山干这类事，可旧金山的文明传统大概并不是美利坚主流。基督宗教、一夫一妻制、工作的尊严，这类对众多人來讲是日常的原点。他們會不会覺得你們在用工程改塑天地的与此同时碾碎了他們的传统？Sholto没有躲避，反而往前迈了一步：他預言这片常规体系會在旧金山恢复，恰恰由於工作的支配地位在降落。
10.AI不會自行修好基础教育
Nick对「AI破解基础教育」的论调维持保留。他的父上过去15到二十年一向在做基础教育层面的義務，这令他对基础教育的难题有個比AI领域中大批人更詳實的掌握。
他瞧见的核心客观事实是：基础教育的效能高度倚賴早早積累。預測某生算数考分最强的獨一目标，就是他三年級末尾能不能到达閱讀程度。由於三年級就是从「學習閱讀」轉向「透過閱讀學習」的分界线。一旦掉队，幼儿會以為己方不擅長这件事，亡失动力，差异繼續加大。
而现時AI在一件事上表現得极端差：吸住幼儿的留意力。機械对年幼幼儿來讲更像是一項极具干擾的力气。AI可以幫助最佳化「在對的時间教對的货物」，但以為只消AI充足聪心，基础教育的全部困局就会自行消失，这是搞錯了。
他这分判定針對的是全部人的基础教育，並非这类有两位學科程度高的家长、家财前百分之一的孩儿。倘若你只關照後者，AI大概確實用夠了。但倘若你關照的是全部人，那儿早早留意力和鼓动的困局是AI眼下消除不了的。
11.2028：菲尔兹奖、机械和太阳能数据库
Joe问他們：倘若快速推动到2028年八月，回顾这期播客，啥事情會讓他們感覺「比預期快得多」？
Sholto最關注太阳能数据库的推動。一旦完成，算力拓张速度會再上一級台阶。他預計到2028年會有Teraab级別的万亿規模算力設施上馬，可詳細爬坡速度还不確定。
家庭仿人機械是他感興味的另一個判定點。底線預期是數万套早先部署，干淨衣服和基本整潔。但也可能快得众多。他提及了全世界模式的推動速度跨过預期，一旦機械到位，推動會進一步繁復加快。
末尾是学術奖項。AI在2028年拿到菲尔兹奖，Sholto以為「相当可能，极有可能」。诺贝尔奖在2030年前，「以為極能够」。普利策奖，他以為2028年大概还不行。
这三項判定的排列自己就极有心思。算术和科学最先，文学最後。这和他们之前讲解的道理彻底相合：强化学習在有明白对错答题的范疇最容易干，文学编写恰恰是最難判定对错的。
这期交流的讯息密度汇中在两個层級。工程层級，Anthropic的强化学習小组对AGI時间尺度的判定就是「几年之內」，支撑這個判定的並非定义推敲，而就是他們每日工作法的實際變革。经济学层級，Nick提的「聪慧指数回报」框架诠讲了为什麼这份行业不會像傳統工程那般被迅速平凡化。tab补全和agentic编码之中差了千万倍的价值，而从agentic编码到AI學者又是下一個量級。
关乎危险，他們用攻防框架拆出了詳細的時间判定：网路防守两年內轉爲防守主導，生物防守需得更長時间和數千亿美块参加。Anthropic選擇在寓言系統上先與官府洽商而舍棄领先窗口，就是用實際个人行為回話「管制掳掠」的控告。
焦点問题交流
Q1: Anthropic內部怎样懂得AGI的時间尺度？
Sholto和Nick都以為，能力與全部人类相等或勝越的系統會在今後几年內浮现。支撑這個判定的並仅仅评測排行，更就是他們自身工作法的實際變革。Sholto 十八个月前还在手工敲每一行密码，眼下可以让系統自立干两天时间功夫，像带一位初級队员。
Q2: 为什麼他們以為AI不會迅速被平凡化？
Nick提了「聪慧的指数经济回报」框架：每増添一项增量的聪慧，其价值就前一項的指数倍。tab补全和agentic编码之間差了千万倍的价值。同時，同样程度的聪慧成本每年降低約十倍。前沿有巨幅溢价，落後的一部份天然变廉价，両者并行创立。等到前沿被平凡化那一刻，經濟體系已被AI根本改造了。
Q3: Anthropic怎样回話「管制掳掠」的控告？
兩個层級。一是底数：敦促开源重量的主角就Nvidia、Amazon、Microsoft和中土的大規模實驗室，他們彻底有才能應付管制。二就個人行為：Anthropic在擁有遙遙領先的最强系統時，選擇先與官府洽商再發表，犧牲了也许長期的領先優势。「到眼下為止，我們對己方的踩闸遠超全部外界對我們的踩闸。」
