两大巨头激辩AGI，AI自进化闭环

关于AGI何时降临，两位大佬给出了各自的预测。

Dario Amodei不仅是激进，简直就是「狂飙」。

即便站在2026年的门槛上，他依然笃定地押注：到2026年或2027年，必将诞生在众多领域达到「诺奖级」水平的模型。

「我认为结果不会偏离太远」。

他的底气，源自一个正加速闭环的「循环」，一个设想的机制是——

AI自己写代码 → AI自己搞研究 → 完全自我迭代的闭环。

Dario抛出了一个令AI圈震动的判断：

一旦这个正反馈闭环真正跑顺，研发速度会直接起飞，指数级冲刺。

相较于Dario的激进，Demis Hassabis的立场相对稳健，但几乎也没有后退。

他守住了去年的底线：本年代末（2030年前），将有50%的概率实现AGI——展现人类全部认知能力的AI。

为何比Dario保守？Hassabis指出了一个无法被代码轻易逾越的「物理屏障」。

过去一年，编程和数学领域发生了显著的变化，但自然科学自动化进展完全是另一回事。

它需要真实世界的实验验证，恰恰这个环节，AI暂时还无法实现「闭环」。Hassabis表示，更难的部分在于科学创造力的层面。

谷歌DeepMind最终会创造出AGI，不过目前还缺少一两个「关键拼图」。

这里，他提到了一个关键的变量——

自我进化闭环，能够在没有人类深度参与的情况下真正跑通。如果这个闭环真正形成，进展速度会远超当前预期。

AI取代「所有」程序员

Dario举了一个最直观、也最令人背脊发凉的例证——

Anthropic内部工程师已经几乎不自己写代码了。

他们现在的角色，更像是产品经理或架构师。也就是，只负责提出需求、编辑模型生成的代码、把控整体架构。

在Dario看来，我们离模型「端到端」完成软件工程师绝大部分、甚至全部工作，可能仅剩6-12个月。

这里所说的「端到端」意味着什么？

在英文语境中，SWEs（Software Engineers）不仅仅是写代码的人，而「端到端」涵盖了一个软件产品的全生命周期：需求、设计、前端、后端、部署、测试等等……

如此看来，Anthropic已经率先实现了软件开发的AGI（毕竟他们的员工拥有一个无限额度的Claude）。

为了量化这种能力，我们来看一下SWE-Bench（软件工程基准测试）。

这是一个评估模型在真实GitHub代码库中定位问题、跨文件修改、跑通测试并交付CI补丁能力的「实战考场」。

• 原始集约2,294个任务，常引用的Verified版本是经OpenAI人工标注简化的子集。

• 在标准的Bash Only环境中，Claude 4.5 Opus的解决率已达74.4%，而每道题目的成本仅为0.72美元。

在这些问题中，我们可以将难度细分为：

• 简单任务（<15分钟）：约196个任务，类似给函数添加断言等简单修改

• 中等任务（15分钟-1小时）：需要一定时间思考的小规模改动

• 困难任务（1-4小时）：涉及函数或多文件的实质性重写

• 超难任务（>4小时）：需要大量研究，改动100+行代码的深奥问题

如果我们把SWE-Bench的难度映射到现实世界的科技大厂职级，情况更加触目惊心：

简单到中等任务（<1小时）相当于初级工程师水平（Junior/SDE1）。

相当于：谷歌L3、阿里P5-P6、字节1-1/1-2级别，工作0-3年经验

困难任务（1-4小时）相当于中高级工程师水平（Senior/SDE2-SDE3）。

相当于：谷歌L4-L5、阿里P6-P7、字节2-1/2-2级别，工作3-7年经验。

这些任务就不仅仅是单文件修改，需要跨文件修改，平均改动32.8行代码，涉及1.7个文件。

而超难任务（>4小时）则资深/专家工程师水平（Staff+）。

相当于：谷歌L6+、阿里P7-P8、字节3-1级别及以上。

目前顶级AI模型想要解决这类问题也非常困难。

尽管目前顶级AI模型在面对这些「超难任务」时需要极其复杂的上下文理解和架构设计才能解决的问题——

AI还显得有些力不从心。

但别忘了Dario那个令人感到惊讶的预判：6-12个月。

当「AI写AI」的飞轮开始疯狂转动，从L3进化到L6，可能只需要几次模型迭代的时间。

那道曾经被认为不可逾越的「专家级」护城河，正在以肉眼可见的速度干涸。

五年内，50%初级岗消失

当技术飞轮转动时，被碾压的是旧有的就业结构。

Dario曾预测未来1-5年内，一半初级白领工作将消失，主持人则表示，现有统计显示，目前劳动力市场尚未明显波动。

她反问道，这是否只是「劳动总量固定谬误」，AI最终会创造更多新岗位？

Hassabis认为，短期内，确实会看到AI创造出新的岗位。旧工作消失，新工作涌现，且更有价值、更有意义。

而且，他深刻感受到，初级/入门级岗位、实习招聘都在放缓。

但Hassabis鼓励年轻人，要极度熟练掌握当下AI工具。

即便是构建模型的人，也很难完全探索当下模型的「能力溢出」（capability overhang），更不用说未来的了。

我认为这可能比传统的实习更能让你在专业领域中发挥作用，实现自我飞跃。

Demis Hassabis他强调，AGI真正到来后，一切进入未知领域。

Dario Amodei同样没有给出一丝安慰，依旧撕开了2026年残酷的真相：未来1-5年内，一半初级白领工作消失。

1-2年内，我们可能拥有全方位超越人类的AI。

现在，他看到苗头了——尤其在软件和编程领域。Anthropic内部已经显现：初级和中级岗位需求锐减，公司正在严肃思考如何人性化处理裁员和转型。

他承认，历史上有适应性，农业自动化后，80%农民转为工厂工人，再转为知识工作者。

但这一次真的不同，指数级增长复利太猛，人类社会的适应速度根本跟不上。

滞后效应可能让就业冲击来得晚一些，但一旦爆发，将压倒一切。

对于更长远的未来，Hassabis抛出了关于「意义」的终极追问：

在一个后稀缺的世界里，当工作不再是必须，人类将如何寻找存在的意义？

也许是探索星空，也许是艺术，也许是极限运动....但这将是比经济分配更难解决的哲学问题。

谷歌DeepMind反击OpenAI

Anthropic收入暴增百倍

过去的一年，AI竞赛的「座次排位」发生了剧烈震荡。

一年前，行业曾因「DeepSeek时刻」而兴奋，当时谷歌DeepMind似乎显得有些落后。

面对质疑，Demis坦承这是「不平凡的一年」，但他自信地表示，DeepMind拥有最深厚的研究储备，正在通过Gemini 3等模型重回榜首。

他们正把谷歌DeepMind当作「核心引擎室」，加速把前沿模型推向产品界面。

而站在另一边的「独立模型制造商」Dario，则展示了令人咋舌的增长曲线。

过去三年，Anthropic的收入经历了指数级暴涨：

• 2023年：从0到1亿美元；

• 2024年：从1亿到10亿美元；

• 2025年：从10亿到100亿美元。

Dario表示，这听起来很疯狂，我们在试图白手起家做一件与世界最大公司规模相当的事情。

他特别提到，Anthropic和谷歌DeepMind有一个共同点：两者都由研究驱动，把解决重大科学问题作为北极星。

这种公司形态，才是未来胜出的关键。

费米悖论终极哲学

对话的最后环节，主持人抛出如今AI模型饱受诟病的问题——欺骗、两面派的能力。

Dario Amodei表示，从Anthropic成立第一天，团队就深陷这个战场，开创了「机制可解释性」。

过去一年，他们记录了更多不良行为，也在用可解释性拼命修复。他坚定表示，风险是存在的，但也是可解的。

Demis Hassabis同样坚信，这是「非常可解」的问题，只要给人类智慧足够时间、专注和合作，我们就能过关。

QA环节中，一位来自太空数据中心公司的观众抛出了著名的「费米悖论」：

既然宇宙这么大，为什么我们还没看到外星人？是不是因为所有高等文明都被自己的AI毁灭了？

Demis直接反驳道，如果是AI毁灭了外星文明，我们应该看到宇宙中到处飞舞着「回形针」或者巨大的戴森球结构，但我们什么都没看到。

他更倾向于认为，人类已经通过了「大过滤器」，未来依然掌握在人类自己手中。

当主持人Zanny询问明年再见时会有什么变化时，两位巨头的回答殊途同归。

Dario和Hassabis观点一致：最关键变量是「AI建AI」的闭环。

不仅如此，Hassabis还期待着自我进化之外的其他突破：世界模型、持续学习，以及机器人技术的爆发时刻。

也许全人类都该暗自希望Hassabis是对的，希望那条时间线能慢一点，好让我们有喘息的机会去迎接那个彻底改变一切的「第二天」。

然而，Dario眼神中透出的焦虑，却揭示了残酷的真相：在通往AGI的赛道上，「减速」从来不是一个可选项。

达沃斯的这场对话，与其说是一场观点的交锋，不如说是一次同步的预警。

无论是Dario激进的2026，还是Hassabis稳健的2030，那个终点已经清晰可见。

AGI降临的第一天，不再是科幻小说里的模糊概念，而是硅谷大佬日历上正被圈出的具体日期。

参考资料：HYX

https://x.com/deredleritt3r/status/2013613671704924640

https://x.com/dieaud91/status/2013604042358841479

https://youtu.be/mmKAnHz36v0

https://www.businessinsider.com/google-deepmind-anthropic-ceos-ai-junior-roles-hiring-davos-2026-1