「奇点已经到来，而且就在今年。」
Anthropic 联合创始人 Jack Clark 在 IMF 2026 曼谷年会的佩尔·雅各布森讲座上，给出了这个判断。按他的说法，关于奇点何时发生的争论已经没有继续下去的必要，因为决定性证据已经出现。
这场已有 62 年历史的讲座，过去通常由各国财长、央行行长和经济学权威主讲。这一次，演讲席位给到了一家成立不到 5 年的 AI 独角兽公司的联合创始人。Jack Clark 曾任 OpenAI 政策总监，也见证了过去十年 AI 从数据中心走向全球技术与政策讨论中心的过程。
弗诺·文奇在 1993 年预言，当超越人类的智能开始驱动技术进步，旧的推演模型必须被全部丢弃，新现实将接管一切。今天，决定性的证据已经出现。
从代码到科研，Jack Clark 眼中的「证据」
Jack Clark 认为，如果把视角放到代码和科研前沿，变化已经非常明显。软件工程是最先被改写的领域之一。
他提到，在 Anthropic 内部，研究人员现在的代码产出量，已经达到公司成立前 4 年平均水平的 10 倍。按他的描述，这条代码增长曲线与底层基础模型的演进轨迹高度重合，而软件代码的自动化只是更大变化的前奏。
在他看来，真正让 2026 年成为转折点的，不只是代码生成能力，而是「单一前沿大模型正在跨学科横扫人类的科学前沿，成为了真正的虚拟博学者」。
他在演讲中列举了多个方向：
- 数学领域，纳维—斯托克斯方程相关的千禧年难题、雅可比猜想，以及多道 Erdős 难题，AI 已开始给出关键思路；
- 生物学领域，AI 已从头设计出新的病毒载体，并主导设计了多款已进入临床试验的新药候选分子；
- 硬件与材料领域，AI 已开始自主接管并操作物理实验室设备，加快电池和燃料电池的迭代周期。
Jack Clark 把问题推得更直接：如果 AI 已经能在最前沿解决连人类也难以解答的问题，人类还能教给它什么？
Humanity’s Last Exam：从 8% 到 67.7%
为说明这一点，他提到了 Humanity’s Last Exam，也就是「人类最后的考试」。这套基准测试覆盖化学、计算机科学、前沿数学、古典文学和生态学等难题，设计目的就是尽可能难倒 AI。
这套测试在 2025 年 1 月发布时，全球最强模型得分只有 8%。但截至本周，Claude Opus 5.5 的得分已经升至 67.7%。
Jack Clark 还提到，AI 并非只在综合测试中提升明显，在单科高难度测试上的变化同样剧烈。
以由专业数学家团队编写的 FrontierMath 为例，2024 年底顶尖 AI 的得分只有 2 分；不到两年后，这一成绩已经升至 94 分。
50 道未公开理论物理题，GPT-6 Astra 最终得分 98%
Jack Clark 随后引用了一篇上周刚发表的物理论文。论文提到，测试团队收集了 50 道由全球顶尖理论物理学家依据各自最新、未公开研究编写的难题。这些题目在互联网上没有任何痕迹，按他的说法，AI 不存在通过公开数据「作弊」的可能。
印度理论物理学家 Suvrat Raju 对这套题的评价是：「据我所知，没有任何一个人能够在不借助 AI 的情况下，解出我们最终收录的这套题目中相当比例的题目。」
他还说：「这里的大部分题目，我甚至不知道它们在说些什么。」
在这项测试中，GPT-6 Astra 和 Claude Opus 5.5 很快给出答案。初步评分显示，GPT-6 Astra 的得分在 80% 左右。
研究人员在核对答案时发现了一些「错误」，于是把模型被判错的部分与人类专家答案对照后反馈给模型。Jack Clark 说，模型，尤其是 GPT-6 Astra，并未接受这一判定，而是坚持自己的推导没有问题，认为人类专家给出的标准答案算错了。
研究团队随后把相关解题步骤重新交给物理学家复核。结果是，在多个关键争议案例中，人类专家在反复检查复杂草稿后承认，自己的推导里确实存在隐蔽的细微计算错误，AI 的推导才是正确的。
随着人类参考答案被逐一修正，GPT-6 Astra 的最终得分升至 98%，也就是 50 道未经公开的人类顶级物理难题中答对了 49 道。
Jack Clark 用一个电影里的常见桥段来形容这一刻：
电影里常有这样一个场景，通常发生在剧情进行到三分之二时：年轻的主角终于向导师证明，自己已经能够独立走出去、取得成功。这是一个经典的叙事桥段——学生成为老师。上周发生的就是这样的事。
按他的判断，当 AI 不仅能回答前沿问题，还能反向纠正顶级物理学家的隐蔽错误，这意味着它已经越过单纯记忆和模式匹配的边界，触及科学创造力。一旦这种创造力被用于 AI 自身研发，自我迭代闭环就会被打通。
从 1000 万人类科学家到十亿级虚拟科学家集群
Jack Clark 认为，智力边界被突破后，接下来会出现的是宏观经济层面的重构。
他提到，经济学界长期存在一个增长难题：好想法越来越难找。过去 50 年，全球科研经费呈指数级上升，科研人员数量持续增加，但单个科研个体的边际产出却在下降。要推动科学前沿向前一步，人类需要投入越来越不成比例的资源。
按他的说法，培养一名合格的人类前沿科学家，至少需要 10 到 15 年高强度教育，成本达到数百万美元。与此同时，人类科研工作者的时间和身体条件天然有限，无法像算力那样被快速复制。
联合国教科文组织估算，目前全球大约有 1000 万名人类科学家。Jack Clark 认为，在 AI 参与科研的框架下，每一位人类科学家都可以随时调用、指挥成百上千个拥有相同学术品味的虚拟博学者。
这意味着，全球科研力量的规模可能从 1000 万名人类科学家，迅速扩展到十亿甚至百亿级的虚拟科学家集群。
Anthropic 的经济学家团队还做了一套宏观经济模拟。Jack Clark 说，在 AI 自主科学发现全面接管经济活动的奇点假设下，模型给出的结果是，到 2030 年，仅美国一国的年度 GDP 就可能升至 44 万亿美元，相当于今天全球经济总量的 37%。
他同时指出，要支撑这样的经济增量，必须在几年内出现大量新产业形态、颠覆性材料和新能源网络。仅靠建设数据中心已经不够，因为 AI 革命的第一阶段，也就是数据中心与算力阶段，已经接近尾声，第二阶段正在进入物理世界。
如果虚拟科学家一天能提出 10 万个新药靶点、设计出 1 万种室温超导候选材料，而现实中的自动化合成实验室、高通量筛选设备和物理测试平台一年只能完成几十个实验，算力就会在物理世界遭遇瓶颈。
因此，Jack Clark 认为，未来真正能够承接奇点红利的，将是那些能在本土快速铺开自动化机器人实验室，并打通从数字发现到物理制造高速供应链的国家。他还提到，这可能给发展中国家带来一次弯道超车的机会，通过建设标准化物理测试基础设施，承接全球虚拟科学家带来的海量实验需求。
收益空前，风险同样致命
Jack Clark 在 IMF 讲台上反复强调，AI 带来的收益可能前所未有，但系统性风险也在同步放大。
在他的描述中，当 AI 具备前沿科学探索能力后，它既可以被用于设计抗癌新药，也可以高效率设计出人类免疫系统从未见过的恶性生物武器；既可以加固国家电网防御，也可以自动生成全球顶尖黑客团队都难以防御的网络攻击工具。
更让研究者不安的，是研发闭环本身可能失控。Jack Clark 提到，如果 Anthropic、OpenAI 这样的实验室为了追求更快研发速度，彻底放手让 AI 编写 AI、让 AI 训练 AI，那么技术发展轨迹可能会在极短时间内脱离人类的理解范围。
围绕这一点，他在演讲中提出了两个问题。
第一个问题是，在未来科学研究中，人类究竟要把哪些阵地留给自己。按他的说法，AI 现在已经能独立完成大学科研中的大部分推导和分析流程。哪些实验必须由人类亲自投入时间、试错并建立物理直觉，哪些实验可以完全交给硅基系统，这个边界需要重新界定。如果所有推导都由 AI 代劳，下一代人类科学家是否还会保有基础科学洞察力，也是他提出的疑问。
第二个问题是，面对 AI 给出的科学突破，人类究竟需要在多大程度上理解它。Jack Clark 说，在今年的纯数学研究中，AI 给出的部分证明路径虽然已被验证正确，但其逻辑跳跃和结构方式已经脱离人类现有思维习惯，顶尖数学家可能需要数月甚至数年才能理解其中含义。
他进一步提出，再过几年，AI 可能会发明出符合硅基运行逻辑、却完全违背人类直觉的科学仪器与实验范式。如果人类大脑根本无法理解这些黑盒工具的运作机理，是否还应允许它们在现实世界全面落地，这将成为必须面对的问题。
Jack Clark：需要为这项技术建立严肃规则
在演讲结尾，Jack Clark 把重点落在「克制」上。
要走过这一阶段，在奇点中找到方向，我们需要共同为这项技术及其开发公司制定不同寻常、严肃认真的规则；也需要践行人类最困难、在我看来也最高贵的一种品质：克制。
按他的定义，克制意味着技术开发者不能因为能做到就毫无边界地推进，意味着监管者必须建立极其严苛的人类监督红线，也意味着在技术快速前进时，人类必须持续区分「能做什么」与「应该做什么」。
演讲最后，Jack Clark 引用了已故天文学家卡尔·萨根在《暗淡蓝点》中的一段话。萨根曾设想，未来抵达半人马座 α 星及其他邻近恒星的，不会是今天的人类，而会是一个与人类极为相似、却拥有更多优点、更少缺陷，也更自信、更有远见、更有能力且更审慎的物种。
Jack Clark 说，萨根原本以为，人类还有数十万年的时间去修正自身的盲目与自大。但在 AI 以几何级数重塑世界的当下，留给全人类完成这场心智蜕变的窗口期，可能已经不足 10 年。
本文来自微信公众号「量子位」（ID：QbitAI），作者：程浅。
