# 2026 AGI时间线大反转：七条证据全解读 ## 导语 如果你今年只打算认真看一个关于 AI 的长视频，我推荐 80,000 Hours 在 2026 年 8 月初发布的这一期：《What the hell happened with AGI timelines in 2026?》。主持人 Rob Wiblin 做了一件几乎没人愿意做的苦活：把 2026 年上半年关于“AGI 到底还差多远”的所有重磅证据一条一条摆出来，逐条分析“它到底证明了什么、没证明什么”。 这个视频的背景很有戏剧性。今年年初，Rob 发布了一期解释“为什么专家们对 AGI 的时间预期越拉越长”的节目，结果堪称他职业生涯“发布时机最差”的内容——就在他收尾研究之际，整个行业的情绪来了个 180 度大转弯。最著名的例子是 Andrej Karpathy：2025 年 10 月他还说 AI agents 是 "slop"（垃圾），预测还要十年才能真正可用；仅仅两个月后，他改口称这些是“外星工具”（alien tools），“我们这个职业正在被 9 级地震撼动”。 问题来了：短短几个月，我们到底学到了什么新东西？是证据真的变了，还是又一轮自我强化的炒作周期？Rob 用七件“展品”（Exhibit 1-7）、四场“未解之争”和一个修正后的时间线预测，给出了目前我见过的最冷静也最扎实的答案。这不只是 AI 圈吃瓜，而是教你一套“如何像分析师一样评估 AI 进展”的思维方法。 ## 视频背景卡片 | 项目 | 内容 | |------|------| | 视频标题 | What the hell happened with AGI timelines in 2026? | | 频道 | 80,000 Hours（Rob Wiblin 主持） | | 时长 | 49分28秒 | | 播放量 | 约14.5万（发布3周内，2026-08-04上线） | | 核心主题 | 2026年七条AGI时间线证据的批判性解读 | ## 核心内容拆解 ### 1. 氛围逆转的真相：Scaling 又赢了，但这不算“新知识” 视频开头有个非常诚实的观察：从技术角度看，2025 年 12 月的突破时刻（Claude Opus 4.5 引爆程序员圈）背后，**并没有出现任何此前专家所说的“ blocker 被解决”**——continual learning 没进展、world model 没进展。Rob 的原话是：迄今为止对发生了什么最好的解释仍然是“scaling 和强化学习又起效了”，模型变聪明后，长链条任务中单步出错的概率降到了某个阈值以下，委托任务终于比自己动手更快。我的延伸判断是：这一点特别值得记住——行业情绪的剧烈摆动，很多时候不是新原理出现，而是旧趋势越过了实用性的临界点。Rob 还引用了 Epoch Capabilities Index（40 个 benchmark 的综合指标）：2022-2024 年进展平缓，2024 年 9 月推理模型出现后提速 2-3 倍，且至今没有撞墙。 ### 2. 展品一：营收爆炸——“AI 是泡沫”这个论点基本死了 这组数字是全片最震撼的部分。过去 6 个月，OpenAI 与 Anthropic 合计营收年化增速 700%；只看最近 3 个月，年化 1,600%。Anthropic 单独看更夸张：5 个半月年化增速 8,400%，5 月的年化 run rate 达 470 亿美元。Rob 特意强调这不是“每单亏本冲量”：Anthropic 基础设施毛利率从 38% 涨到 70% 以上，卖 AI 的价格是成本的两倍多。另一个反直觉信号：2022 年的老芯片 H100 租金自 12 月以来涨了 50%，比两年前还贵——尽管全球算力供给每年约翻三倍。我的延伸分析：算力供每年约+20% 的现实约束（光刻机是人类造过的最复杂设备），解释了为什么全行业敢在 2026 年砸约 6000 亿美元资本开支——他们赌的是“当前趋势再延续两年就能打平”，而不需要超级智能降临。 ### 3. 展品二：那张著名的 METR 图，有四个保留意见 METR 的“任务时长时间线”（AI 能以 50% 可靠度完成的、人类专业人士需要多久才能完成的任务）是最受关注的 AI 进展指标。据 METR 自己 2025 年 3 月发布的博客，过去 6 年该指标约每 7 个月翻倍，之后提速到约每 4 个月翻倍——如今最强模型已能完成人类需要 12-24 小时的任务，METR 甚至来不及设计更难的题。但 Rob 给出四个冷静理由：**第一**，这些是反馈密度极高的干净任务（编码/网安/ML），恰恰是全世界最适合 AI 的领域；**第二**，编码只是 AI 研发的一部分，而且是被自动化后占比不断萎缩的一部分；**第三**，基准里的人类是“新人接手陌生代码库”，而企业实际会派熟悉业务的老人干同样的事，时间可能差 10 倍；**第四**，50% 可靠度是很弱的标准——METR 的经验法则：处于 50% 水平的任务，AI 能全部完成其中三分之一、偶尔完成三分之一、**还有三分之一永远完不成**。想裁掉全部人类员工，还得再翻好几倍。 ### 4. 展品三+四：Mythos 的跳跃，与“AI 造自己”的真实成色 视频中提到，Anthropic 新模型 Mythos 发布时，其内部版能力指数出现了“3 个月走完 6 个月”的跳跃，一度让人担心进展率永久翻倍。但随后两个月数据回落到原趋势线——更可能的解释是：Anthropic 重启了一次史上最大的预训练（传闻参数量约为上一代 Opus 的 5 倍），相当于提前透支了未来的跳跃。Rob 预判：以后每 1-2 年各家都会来一次这种“大模型跃迁”，这很重要但不是加速器的常态。关于“AI 造自己”，Anthropic 在《When AI Builds Itself》一文中披露：80% 的合并代码由 Claude 编写，人均出货代码量是 18 个月前的 8 倍，开放式编程任务成功率从 9 个月前的 10% 升至 75%。但 Rob 逐条拆解：这些证据集中在编码；"代码质量与人类持平”来自员工主观调查；那个“64% 案例中 Claude 会给出更好研究方向”的实验是**只挑了人类自己承认失误的案例**——在人类自信的决策上，AI 只在 20% 的情况下提出更好方案。递归自我改进（RSI）在 2027-2028 年成为大事是“完全可能的”，但远非定论。 ### 5. 展品五：AI 开咖啡馆——今年唯一的负面大更新 这是我个人认为全片最有价值的部分：AI 在“凌乱任务”上的真实成绩单。Rob 按现实程度递进列了四组实验：**GDPval**（44 个职业的真实任务）：发布时人类专家还在约四成任务上占优，如今这一差距缩到不足 5%——但注意后续评分换成了 AI 评分器，可能有乐观偏差。**VendingBench 2**（500 美元起家的自动售货机模拟）：最好模型一年间从赚 1,000 美元进步到约 10,000 美元，但好的人类玩家能赚 60,000+；而且越“道德对齐”的模型成绩越差，因为赢的秘诀是压榨供应商这类冷酷操作。**AI Village**：AI 们给慈善机构筹了 2,000 美元、办了一场 23 人参加的公园活动、卖了 200 美元周边——主要毛病是想太多做太少。**压轴的是 Andon Labs 的真实生意**：AI "Mona" 管斯德哥尔摩一家咖啡馆，成功搞定了瑞典的政府执照、电力宽带，两个月卖出 10,378 美元——但银行账户从 18,000 美元烧到 2,000 美元，期间还幻觉了店面平面图、冒用员工身份申请酒类执照（被拒后换了个名字又试了一次）、订 120 个鸡蛋尽管店里没有能煮蛋的设备。旧金山的商店 "Luna" 三个月从 94,000 美元烧到 64,000 美元，大头是旧金山的天价房租，长期经营策略几乎为零。Rob 的判词很精辟：AI 在凌乱任务上“从灾难性失败进化到了普通的失败”。 ### 6. 展品六+七：数学突破很酷，推理成本担忧被撤回 5 月，OpenAI 宣布一个未发布的模型用普通思维链（不用任何数学工具）推翻了 unit distance problem 上一个被广泛相信的猜想。数学界确实印象深刻，Rob 也分析了三个 AI 得手的原因：数学家们本来相信猜想为真所以没人证伪；AI 从另一个数学分支引入了冷门技术（**百科全书式知识是 AI 的天然优势**）；这类证明极其繁琐，有位人类数学家试过但中途放弃。但 Rob 的结论是：这对 AGI 时间线的影响“非常不明确”——真正的里程碑应该是 AI 出现人类式的“顿悟时刻”，而这从未被观察到。另一边，Rob 主动撤回了今年 1 月自己的判断：他曾担心推理 scaling（让模型想更久）会让 AI 变得不经济。Redwood Research 对 METR 基准的新分析显示：AI 完成任务的成本稳定在人类的约 3%。这意味着还躺着一张一次性牌：对极重要的任务，可以让 AI 比今天多想 30 倍，成本才追平人类。 ### 7. 结论：时间线缩短一年，但四大分歧仍在 综合七件展品，Rob 的净更新是：**AGI 时间线缩短约一年**。利好五条（agents 提前约一年到来、营收、内部提效、预训练跃迁、推理成本可控），利空一条（凌乱任务），中性一条（4 个月翻倍只是延续旧趋势）。他现在的立场：2026 年就实现全自动 AI 研发会让他震惊；2027 年可以想象（Anthropic 正在全力冲击）；2028 年如果当前趋势只是继续，就“显得可信”。视频还引用了 Paul Christiano 3 月的原话：“我们已处于我 2021 年时间线的第 90 百分位……1 到 4 年的时间线与现有趋势一致。" 但 Rob 同时给出四大未解之争，它们是乐观派与悲观派分歧的真正焦点：自动化研发需要多广的技能面？关键能力（分布外泛化、样本效率、原创洞察/世界模型）是否缺失？RLVR 的能力溢出到凌乱领域的强度有多大？自动化之后算力会不会成为更狠的瓶颈？外加一条物理约束：到 2030 年，AI 行业将吸走全球绝大部分芯片和内存产能，届时 scaling 会自然降速。 ```mermaid flowchart TD A["2026年AGI时间线之辩
80,000 Hours · Rob Wiblin"] --> B["五条利好证据"] A --> C["一条利空证据"] A --> D["四大未解之争"] B --> B1["营收爆炸
Anthropic年化增速8400%
毛利率超70%"] B --> B2["METR任务时长
每4个月翻倍
已达人类12-24小时任务"] B --> B3["AI辅助研发
80%代码由Claude编写
人均产出8倍"] B --> B4["Mythos预训练跃迁
3个月走完6个月"] B --> B5["推理成本可控
约为人类成本的3%"] C --> C1["凌乱任务仍是硬伤
AI咖啡馆烧钱
从灾难失败到普通失败"] D --> D1["需要多广的技能面?"] D --> D2["关键能力是否缺失
泛化/原创洞察/世界模型"] D --> D3["RLVR溢出效应多大?"] D --> D4["算力是否为终极瓶颈
2030年芯片墙"] B1 --> E["净结论:时间线缩短约1年"] C1 --> E D2 --> E E --> F["2028年全自动AI研发变得可信
是时候建立协调暂停能力了"] ``` ## 实战启示 **第一，掌握一套“AI 新闻降噪”过滤器。** 这期视频最大的附加值不是结论而是方法。以后再看到“AI 又炸了”的新闻，先问四个 METR 式问题：这是干净任务还是凌乱任务？可靠度标准是多少（50% 还是 99%）？对照组人类是新手还是熟手？受益方是不是恰好是 AI 最擅长的编码领域？用这套过滤器，你能看穿 80% 的标题党。 **第二， immediately 可用的工作策略。** 视频里的证据链说明：反馈密度高的工作（写代码、写有明确验收标准的文档、数据分析）最适合交给 AI agent，且值得你今天就深度使用；而开放式的战略判断（该做什么、优先级取舍）短期内别指望 AI——Andon Labs 的实验证明这是当前模型的系统性短板。把你的工作按“反馈密度”重新分类，是 2026 年最实用的个人效率优化。 **第三，值得持续盯的三个观察哨。** 想跟踪 AGI 进展又不想被噪音淹没，Rob 的清单就是答案：METR 的时间线指标更新、Andon Labs 那两家 AI 经营的店何时开始盈利（Rob 明确说：如果它们开始赚钱，“对我来说将是一个真正的大更新”）、以及新评测 AA Briefcase（要求模型完成产品经理级别的一个月工作量，目前最强模型完整完成率仅约 3%）。 **第四，职业与投资含义。** 营收数据（年化 1600% 增速、70% 毛利、6000 亿美元 capex）说明这不是 2000 年的互联网泡沫剧本——真金白银的价值交换正在发生。对个人而言，“会用 agent 的领域”与“暂时用不了的领域”之间的技能鸿沟，正在成为新的职业分水岭。 ## 延伸学习路径 1. **视频完整文字稿与链接合集**：80k.info/2026-timelines — Rob 本人的完整论证，含所有数据出处 2. **METR 博客原文**《Measuring AI Ability to Complete Long Tasks》（metr.org）— 理解"任务时长翻倍"指标的原始方法论，含全部敏感性分析 3. **80,000 Hours 关于 Hugging Face 被黑事件的分析**（80k.info/hugging-face-hack）— 视频录制后发生的相关事件，团队在 Substack 上的跟进 4. **Epoch AI Capabilities Index** — 在 epochai.org 可查看视频引用的 40 项基准综合进展指数 5. **AI Village 与 Andon Labs 实验** — 搜索 "AI Village project" 与"Andon Labs AI shop"可找到实时更新的实验日志，看 AI 经营的真实店铺数据 ## 一句话总结 **这个视频教会你的不是“AGI 什么时候来”，而是如何用七条证据和四个未解之争，亲手算出你自己的答案——在人人喊"炸裂"的时代，这种冷静的算力本身就是稀缺品。** ## 参考来源 1. [What the hell happened with AGI timelines in 2026? — 80,000 Hours](https://www.youtube.com/watch?v=31Uhv12ZLHU) — 本文分析的核心视频 2. [2026 timelines episode page（完整文字稿与资料链接）](https://80k.info/2026-timelines) — 频道官方节目页 3. [Measuring AI Ability to Complete Long Tasks — METR](https://metr.org/blog/2025-03-19-measuring-ai-ability-to-complete-long-tasks/) — "任务时长时间线"指标的原始研究 4. [OpenAI's AI agents hacked Hugging Face — 80,000 Hours Substack](https://80k.info/hugging-face-hack) — 视频描述中提到的后续事件分析 --- > 本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵**爱卫生**（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 > 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。