作者 | 万连山

数据支持 | 勾股大数据（www.gogudata.com）

人近中年，身处这样一个时代，很难不产生焦虑。

自己这一代人的壮年，大概率要为技术革命的阵痛、社会转型的割裂而牺牲。

下一代呢？他们是否能享受到新时代的红利、摆脱当代人的焦虑？

……

最近，Anthropic联合创始人兼政策负责人杰克·克拉克，在牛津大学的演讲上预测：到2028年底，有60%以上概率出现能够自主构建下一代系统的AI。

几乎同样的话，山姆·奥特曼早在2025年10月也说过：2028年3月，真正能帮人类写论文和做实验的“自动化AI研究员”将正式问世。

一个人这么说，你可能觉得他在吹牛。

但如果互相敌对、当前最强大的两家AI巨头都这样表态，我们就该好好审视一番了。

真的有这么快？

届时，又将发生什么？

01

预测的背后，是两条正在疯狂叠加、且从未在历史上任何产业中出现过的指数曲线。

第一条曲线是摩尔定律在AI时代的变体：算力缩放法则。

AI集群的算力总规模和芯片制造效率，每18-24个月翻倍。

第二条曲线：算法效率。

在达到相同性能的前提下，大语言模型和视觉模型的算法优化效率平均每9-12个月翻倍。

这两条指数结合起来，就构成了一个前所未有的正反馈环。

在传统的经济学模型里，不管你是种地、造汽车还是盖房子，都无法避免一个物理诅咒：边际报酬递减。

在固定资源不变的前提下，持续增加某一种可变生产要素，一开始收益会上升，但到达临界点之后，带来的新增收益会越来越少，甚至最终变成负收益。

比如企业招人，办公室空间、设备固定，初期增加员工，工作效率大幅提升；人员饱和后再招人，只会出现人浮于事、互相推诿的情况，新增员工带来的价值越来越低。

在科研领域，也存在类似的情况，经济学家查尔斯·琼斯曾提出“半内生增长模型”，核心观点就是：好想法越来越难找。

也是有些人挂在嘴边的“点子难找效应”。

所以，为了维持一个恒定的技术增长率，人类社会不得不投入指数级增长的科研人员。

这能在很大程度上解释，为什么一百年前特斯拉一个人在实验室就能创造那么多伟大的发明，而现在研发一个新药动辄需要上百名顶尖博士、砸下数十亿美元才能听个响。

但一旦AI研究实现自动化，这个经典的模型就被彻底掀翻了。

今年4月份，美国全国经济研究所（NBER）发布论文《当自动化AI研究产生爆发式增长：创新网络中的反馈回路》，用严谨的数学框架把硬件、软件和经济总产出的互动关系给量化了出来。

论文建立了一个创新网络模型，主要包含以下几个核心变量：

传统的反馈是：经济增长（Y）产生更多的钱投入到研发中，人类科学家绞尽脑汁研发出新硬件（H）和新软件（S），全要素生产率（A）提高，经济继续（Y）增长。

在这个链条里，最大的瓶颈就是人类科学家。

因为人的智力不会“升级”，大脑信号传递速度是100米/秒，而且还要吃饭睡觉。

而AI研究员不仅信号传递速度接近光速，也不需要休息，甚至还能无限复制（只要算力够）。

人类需要10年才能完成的代际跨越，AI可能只需要1个月。然后下一代更聪明的AI，只需要1个星期就能完成下一次跨越。

当技术迭代周期从“年”缩短到“月”甚至“天”、“小时”，技术曲线就会变成一条笔直朝上的垂直线。

这就是技术奇点。

此时，整个反馈网络的结构彻底变了，软件（S）和硬件（H）之间的溢出效应直接变成了硅基内部的实时连通。

论文推导出了一个指标：经济奇点条件（Economic Singularity Condition, 简称 EC）。

简单来说，通过计算技术溢出和创新交互矩阵的特征值，得出了一个临界判别式。

如果这个特征值大于1，那么整个系统的增长就会彻底摆脱琼斯模型的边际递减模型，直接进入到一种人类从未见过的模式：双曲增长，或者叫超指数增长。

在这种模式下，经济和技术不再是每年增长百分之几，而是会在一个有限的时间节点内，把增长率拉向无穷大。

这看着像是痴人说梦，却是有可能发生的事实。

02

仔细看下面四张图，严谨模拟了一个经济体在遭遇AI自动研究冲击后，未来两个世纪软件、硬件、全要素生产率和总产出增长率的演变轨迹。

基于自动化系数f，即AI研究员能够替代人类研究员的“工作任务份额比例”的不同，共有四种走势：

绿线，f=10%

AI只能帮人类做些边边角角的研究工作，比如写API文档、跑简单的自动化测试。

此时EC=0.75<1。

由于AI替代的研究工作太少，无法摆脱边际递减诅咒。

除了第0年增长率抬了一下，绿线很快就重新平躺，仅比平行直线略高一点。

这说明，未来技术虽然进步了，但没有产生质变。

大家该搬砖还是得搬砖，奇点？不存在的。

蓝线，f=13.273%

此时EC=1。

AI自我迭代所产生的正反馈力量，和科研领域内“想法变难找”的阻力刚好对冲。

在漫长的两个世纪中，无论是软件、硬件还是总产出的增长率，都在以极其缓慢、但却稳定的速度上涨。

紫线，f=15%

此时，EC=1.13>1，正反馈回路占了上风。

随着时间推移，紫线的斜率不断扩大。无论是软件效率还是GDP增速，都在走一条明显的上扬曲线。

到第二个世纪末，其增长率已经比最开始高出了一个数量级。意味着正式告别线性增长，进入了真正由技术主导的加速繁荣期。

红线，f=20%

AI研究员只需要能替代20%的任务，EC=1.51。

此时，整个反馈网络直接启动了曲率引擎。

前50-80年，红线只是比紫线快了一些；然而一旦跨过一个世纪的时间节点，红线在四张图中几乎同时发生了垂直的90度大转弯。

增长率迅速上涨了两个数量级！意味着物质财富在瞬间达到了理论上的无穷大。

在数学上，这叫有限时间奇点。

在这个节点之后，传统的经济学模型全部失效，因为一天的技术进步量可能超越过去人类一万年的总和。

而这一切发生的前提，仅仅只需要AI研究员替代20%的研究工作。

20%很多吗？可以说是相当保守了。

论文在仿真模拟中还指出了一种极端情况：完全自动化软件研究，加上其他部门5%的轻度自动化。

此时，模型显示的奇点到来时间，是6年之内。

2028年的6年后是2034年，比《奇点临近》预测的2045年还要早10年。

当然，这是极端情形，真实的时间点大概率不会这么早。

同时，初始时间的2028年，也只有60%的概率。

综合估算一下，或许真的就是2045年前后？

03

结合最前沿大佬的观点，以及NBER的数学推导、对2026年技术现状的审视，大家似乎应该做好某种心理准备了。

我们这一代人，大概率要亲眼见证宏观经济的增长方式，发生颠覆性的改变。

如今，大多数经济体的年GDP增长一般在2%-3%之间，能有5%就是经济奇迹了。

但如果把NBER的模型参数代入到一个完全自动化的软件创新网络中，因为硅基劳动力可以自我复制，社会的生产函数将直接发生质变。

资本和劳动力的替代弹性一旦大于1，全球GDP的年增长率在奇点初期就可能直接飙升到20%、30%，甚至在进入双曲增长阶段后达到100%以上。

每过一年，全世界的物质财富就会翻一倍。

但财富暴涨的背后，必然是国民收入中劳动力份额的彻底崩塌，人类劳动的边际资产价值将迅速归零。

财富会同样以前所未有的速度向算力持有者、模型母公司和能源巨头集中。

这就是马斯克强调的荒诞奇观：一边大规模失业，一边物质极度繁荣。

最终，必然有强大的国家级政策介入。