作者 | 萬連山

數據支持 | 勾股大數據（www.gogudata.com）

人近中年，身處這樣一個時代，很難不產生焦慮。

自己這一代人的壯年，大概率要為技術革命的陣痛、社會轉型的割裂而犧牲。

下一代呢？他們是否能享受到新時代的紅利、擺脫當代人的焦慮？

……

最近，Anthropic聯合創始人兼政策負責人傑克·克拉克，在牛津大學的演講上預測：到2028年底，有60%以上概率出現能夠自主構建下一代系統的AI。

幾乎同樣的話，山姆·奧特曼早在2025年10月也說過：2028年3月，真正能幫人類寫論文和做實驗的「自動化AI研究員」將正式問世。

一個人這麼說，你可能覺得他在吹牛。

但如果互相敵對、當前最強大的兩家AI巨頭都這樣表態，我們就該好好審視一番了。

真的有這麼快？

屆時，又將發生什麼？

01

預測的背後，是兩條正在瘋狂疊加、且從未在歷史上任何產業中出現過的指數曲線。

第一條曲線是摩爾定律在AI時代的變體：算力縮放法則。

AI集群的算力總規模和芯片製造效率，每18-24個月翻倍。

第二條曲線：算法效率。

在達到相同性能的前提下，大語言模型和視覺模型的算法優化效率平均每9-12個月翻倍。

這兩條指數結合起來，就構成了一個前所未有的正反饋環。

在傳統的經濟學模型裏，不管你是種地、造汽車還是蓋房子，都無法避免一個物理詛咒：邊際報酬遞減。

在固定資源不變的前提下，持續增加某一種可變生產要素，一開始收益會上升，但到達臨界點之後，帶來的新增收益會越來越少，甚至最終變成負收益。

比如企業招人，辦公室空間、設備固定，初期增加員工，工作效率大幅提升；人員飽和後再招人，只會出現人浮於事、互相推諉的情況，新增員工帶來的價值越來越低。

在科研領域，也存在類似的情況，經濟學家查爾斯·瓊斯曾提出「半內生增長模型」，核心觀點就是：好想法越來越難找。

也是有些人掛在嘴邊的「點子難找效應」。

所以，為了維持一個恒定的技術增長率，人類社會不得不投入指數級增長的科研人員。

這能在很大程度上解釋，為什麼一百年前特斯拉一個人在實驗室就能創造那麼多偉大的發明，而現在研發一個新藥動輒需要上百名頂尖博士、砸下數十億美元才能聽個響。

但一旦AI研究實現自動化，這個經典的模型就被徹底掀翻了。

今年4月份，美國全國經濟研究所（NBER）發布論文《當自動化AI研究產生爆發式增長：創新網絡中的反饋迴路》，用嚴謹的數學框架把硬件、軟件和經濟總產出的互動關係給量化了出來。

論文建立了一個創新網絡模型，主要包含以下幾個核心變量：

傳統的反饋是：經濟增長（Y）產生更多的錢投入到研發中，人類科學家絞盡腦汁研發出新硬件（H）和新軟件（S），全要素生產率（A）提高，經濟繼續（Y）增長。

在這個鏈條裏，最大的瓶頸就是人類科學家。

因為人的智力不會「升級」，大腦信號傳遞速度是100米/秒，而且還要喫飯睡覺。

而AI研究員不僅信號傳遞速度接近光速，也不需要休息，甚至還能無限複製（只要算力夠）。

人類需要10年才能完成的代際跨越，AI可能只需要1個月。然後下一代更聰明的AI，只需要1個星期就能完成下一次跨越。

當技術迭代周期從「年」縮短到「月」甚至「天」、「小時」，技術曲線就會變成一條筆直朝上的垂直線。

這就是技術奇點。

此時，整個反饋網絡的結構徹底變了，軟件（S）和硬件（H）之間的溢出效應直接變成了硅基內部的實時連通。

論文推導出了一個指標：經濟奇點條件（Economic Singularity Condition, 簡稱 EC）。

簡單來說，通過計算技術溢出和創新交互矩陣的特徵值，得出了一個臨界判別式。

如果這個特徵值大於1，那麼整個系統的增長就會徹底擺脫瓊斯模型的邊際遞減模型，直接進入到一種人類從未見過的模式：雙曲增長，或者叫超指數增長。

在這種模式下，經濟和技術不再是每年增長百分之幾，而是會在一個有限的時間節點內，把增長率拉向無窮大。

這看着像是癡人說夢，卻是有可能發生的事實。

02

仔細看下面四張圖，嚴謹模擬了一個經濟體在遭遇AI自動研究衝擊後，未來兩個世紀軟件、硬件、全要素生產率和總產出增長率的演變軌跡。

基於自動化係數f，即AI研究員能夠替代人類研究員的「工作任務份額比例」的不同，共有四種走勢：

綠線，f=10% 

AI只能幫人類做些邊邊角角的研究工作，比如寫API文檔、跑簡單的自動化測試。

此時EC=0.75<1。

由於AI替代的研究工作太少，無法擺脫邊際遞減詛咒。

除了第0年增長率抬了一下，綠線很快就重新平躺，僅比平行直線略高一點。

這說明，未來技術雖然進步了，但沒有產生質變。

大家該搬磚還是得搬磚，奇點？不存在的。

藍線，f=13.273%

此時EC=1。

AI自我迭代所產生的正反饋力量，和科研領域內「想法變難找」的阻力剛好對沖。

在漫長的兩個世紀中，無論是軟件、硬件還是總產出的增長率，都在以極其緩慢、但卻穩定的速度上漲。

紫線，f=15%

此時，EC=1.13>1，正反饋迴路佔了上風。

隨着時間推移，紫線的斜率不斷擴大。無論是軟件效率還是GDP增速，都在走一條明顯的上揚曲線。

到第二個世紀末，其增長率已經比最開始高出了一個數量級。意味着正式告別線性增長，進入了真正由技術主導的加速繁榮期。

紅線，f=20%

AI研究員只需要能替代20%的任務，EC=1.51。

此時，整個反饋網絡直接啓動了曲率引擎。

前50-80年，紅線只是比紫線快了一些；然而一旦跨過一個世紀的時間節點，紅線在四張圖中幾乎同時發生了垂直的90度大轉彎。

增長率迅速上漲了兩個數量級！意味着物質財富在瞬間達到了理論上的無窮大。

在數學上，這叫有限時間奇點。

在這個節點之後，傳統的經濟學模型全部失效，因為一天的技術進步量可能超越過去人類一萬年的總和。

而這一切發生的前提，僅僅只需要AI研究員替代20%的研究工作。

20%很多嗎？可以說是相當保守了。

論文在仿真模擬中還指出了一種極端情況：完全自動化軟件研究，加上其他部門5%的輕度自動化。

此時，模型顯示的奇點到來時間，是6年之內。

2028年的6年後是2034年，比《奇點臨近》預測的2045年還要早10年。

當然，這是極端情形，真實的時間點大概率不會這麼早。

同時，初始時間的2028年，也只有60%的概率。

綜合估算一下，或許真的就是2045年前後？

03

結合最前沿大佬的觀點，以及NBER的數學推導、對2026年技術現狀的審視，大家似乎應該做好某種心理準備了。

我們這一代人，大概率要親眼見證宏觀經濟的增長方式，發生顛覆性的改變。

如今，大多數經濟體的年GDP增長一般在2%-3%之間，能有5%就是經濟奇蹟了。

但如果把NBER的模型參數代入到一個完全自動化的軟件創新網絡中，因為硅基勞動力可以自我複製，社會的生產函數將直接發生質變。

資本和勞動力的替代彈性一旦大於1，全球GDP的年增長率在奇點初期就可能直接飆升到20%、30%，甚至在進入雙曲增長階段後達到100%以上。

每過一年，全世界的物質財富就會翻一倍。

但財富暴漲的背後，必然是國民收入中勞動力份額的徹底崩塌，人類勞動的邊際資產價值將迅速歸零。

財富會同樣以前所未有的速度向算力持有者、模型母公司和能源巨頭集中。

這就是馬斯克強調的荒誕奇觀：一邊大規模失業，一邊物質極度繁榮。

最終，必然有強大的國家級政策介入。

即便短時間內無法實現全民高收入，全民基本收入、主權算力派息也應該有。（全文完）