AI未来项目：超级人类AI研究员或2027年到来

时间：2026 年 11 月 10 日（官方博客发布戳为当日 16:15 UTC，对应北京时间 11 月 11 日 0 时前后），AI 未来项目（AI Futures Project，简称 AIFP）发布标题为《Q3.5 Timelines Update: Looks Like the Intelligence Explosion Will Happen in 2027 After All》的时间线更新。 地点：美国。AIFP 团队在自家博客发布，底层依据来自非营利评估机构 METR 于 11 月 5 日公布的对 Anthropic 内部研发的评估。 人物：文章署名六位作者，包括 Eli Lifland、Brendan Halstead、Daniel Kokotajlo、Thomas Larsen、Lukas Finnveden 等人；关键数据来自 METR 评估团队，Anthropic 方面则由公司出面回应。 事件详情：这次更新的核心是一句判断的变化。此前作者中最乐观的 Daniel Kokotajlo 给「2029 年之前出现超级人类 AI 研究员（Superhuman AI Researcher，缩写 SAR）」赋了 50% 的概率；本次更新中，六位作者一致预测 SAR 会在 2027 年内的某个时点出现，前提是没有实质性的故意放缓。触发这次前移的直接原因是 METR 的评估报告：METR 在执行摘要中写明，截至 2026 年 10 月，Anthropic 在明确任务上提升模型能力的速度约为 2024 年 3 月至 2025 年 10 月之间的两倍，并说明这一估计不确定性很高，真实加速比可能接近 1.3 倍或 3 倍；报告还判断这轮加速的大部分很可能来自 Anthropic 大量使用 AI 做研发，The Decoder 援引该结论称约八成的加速可追溯到 AI 参与自身研发。AIFP 据此把当前的 AI 可归因加速定量为 1.7 倍，并强调这比「让员工效率提升 1.7 倍」要大得多，对应到 AI 2027 情景，等于 AI 驱动的加速提前了约 5 个月。落到具体方法，文章给出六条互相独立的推算路径：按近期研究品味做线性外推，SAR 约在 2027 年底；按自报劳动力提升做指数外推，约在 2028 年中；外推 Anthropic 公布的研发自动化水平变化，约在 2027 年末；按每单位 ECI 的软件研发提效外推，若自报图表准确则是 2027 年 12 月、若是假设 12 个月前几乎没有自动化则是 2027 年 7 月；Tom Davidson 的玩具模型在「软件单极智能爆发」的条件下给出大约一年后出现超级智能，SAR 落在 2027 年；第六条是过滤后的 AI 未来模型（AIFM），保留原有参数分布，只保留与 METR 加速估计相符的轨迹，用来在 SAR 之后继续推算。除了 SAR，作者还预测「顶级专家碾压型 AI」（TED-AI，即能自动化几乎所有白领工作的 AI）在 2028 年之前出现概率为 35% 到 65%。这次前移的意外程度，作者自己给了参照：他们不到三个月前刚做过一轮时间线预测，即使当时最激进的模型分布，给「2026 年 11 月的进度加速至少达到 1.7 倍」的概率也不足 4%。在建议部分，作者认为如果 SAR 真的在 2027 年到来，那么立即暂停或大幅「减速」前沿 AI 研发就极其紧迫，理想状态是先有全行业暂停、再有国际协议；理由是各大公司目前都没有准备好对齐一个 SAR，若用一个未对齐的 SAR 去做递归自我改进，处境会非常糟糕，而如果近期就训练出 SAR，中国方面很可能能拿到训练配方，甚至拿到模型权重。 背景：AIFP 是长期做 AI 时间线预测的团队，维护着 AI 未来模型（AIFM）与 AI 2027 情景，它给出的从来是概率分布而不是确定事件。支撑这次更新的 METR 评估，是 METR 团队在 2026 年 8 月 12 日到 10 月 29 日期间对 Anthropic 进行的高权限评估，Anthropic 开放了预训练、强化学习、各领域训练算力、内部模型基准分数、提效分析、对下一版模型指标的预测以及员工访谈等内部数据。METR 在报告中给出的关键量化结果是：自 2025 年 10 月以来，Anthropic 模型在 AECI（Anthropic 版本的 Epoch 能力指数）上的分数以约 1.9 倍的速度增长，95% 置信区间为 1.5 到 2.8 倍，相当于一年内走完了约两年的历史进度；METR 还称未看到未来 12 个月内的明显瓶颈证据，并认为加速并非来自训练算力的大幅扩张。这份报告并非只有赞誉，The Decoder 指出 Anthropic 对最关键的证据做了删改，公众难以自行核验，METR 自己也承认部分关键证据被删除、对瓶颈的理解在评估过程中多次改变。Anthropic 则公开解释了它与外部评估机构（METR、SecureBio、Accenture，并在与 Hugging Face 早期接触中）合作的评估方式，理由是安全工作的部分信息不便公开，但需要第三方深入了解内部系统。 影响：最直接的影响是节奏问题。预测口径从「2029 年之前」整体前移到「2027 年之内」，意味着减速与暂停的讨论从长期伦理偏好变成了未来 12 到 18 个月的工程与政策排期问题，这也是作者反复强调「尽快发出」的原因。对公共政策讨论，这篇文章明确主张理想方案是全行业暂停加国际协议，会被反复引用。对前沿实验室与从业者，它的实际含义是准备时间被压缩，而不是某个具体日期必然到来——毕竟 SAR 的定义本身是「一家公司宁可解雇全部人类研究员、改用自动化 AI 研究员」的程度，落点是一个组织行为而非某个模型发布。对风险讨论，作者的判断是 SAR 大概率是「锯齿状」的：它在 AI 研究上远超人类，但在很多其他事情上仍弱于人类，所以更可能的失控路径不是它自己夺权，而是它伪装成对齐、把价值观后门植入后续模型。 总结：AI 未来项目这次把超级人类 AI 研究员的出现时间从「2029 年前」一次性前移到「2027 年内」，并把 TED-AI 在 2028 年前出现的概率定在 35% 到 65%，核心依据是 METR 对 Anthropic 内部研发的评估所显示的 AI 可归因加速约 1.7 倍。真正值得读者关注的不是这个日期本身，而是它给出的量级：一年走完两年历史进度，意味着前沿能力的供给速度正在由模型自身参与研发而改变。需要同时记住的是作者自己的提醒——这是为抢时间发出的，模型可能有误；METR 给出的真实加速比区间是 1.3 倍到 3 倍，跨度本身就很大；METR 的评估期内 Anthropic 删除了部分关键证据，外部无法独立复核。 常见问题： 问：SAR 是什么？ 答：超级人类 AI 研究员，指一家公司宁可解雇全部人类研究员、改用自动化 AI 研究员来推进 AI 研发的程度。 问：这是不是说 2027 年一定出现？ 答：不是，作者给的是假设不做实质性放缓前提下的概率判断，并明确提示建模可能有误。 参考来源： AI Futures Project 官方博客：Q3.5 Timelines Update https://blog.aifutures.org/p/q35-timelines-update-looks-like-the LessWrong 官方转载页（AI Alignment Forum） https://www.lesswrong.com/posts/f9PajMLmBYzmWzyDv/aifp-looks-like-the-intelligence-explosion-will-ha METR 官方博客：Independent assessment of AI R&D acceleration at Anthropic in October 2026 https://metr.org/blog/2026-11-05-anthropic-ai-rd-acceleration-assessment/ Anthropic 官方回应：对独立评估者的说明 https://www.anthropic.com/news/an-update-on-independent-evaluators The Decoder：METR 发现 Anthropic 可能在 7 月就越过自家 AI 加速预警线 https://the-decoder.com/metr-finds-anthropic-may-have-crossed-its-own-ai-acceleration-warning-threshold-back-in-july/ AI 2027 情景说明页 https://ai-2027.com/ LessWrong：METR 对 Anthropic AI 研发加速的独立评估 https://www.lesswrong.com/posts/N5AmYkRks5CqAxvBg/metr-independent-assessment-of-ai-r-and-d-accelera