•
你相信誰？
一個說：1 到 2 年。
一個說：也許還要 10 年。
2026 年 1 月 20 日，達沃斯。兩個最接近 AGI 的人給出了截然不同的答案。
Anthropic CEO Dario Amodei 認為，模型已經在寫模型，閉環正在形成，時間可能只剩一年。
Google DeepMind CEO Demis Hassabis 堅持，真正的科學創造力還差幾步，我們還有 5 到 10 年。
問題不是誰對誰錯，而是：如果 Dario 是對的，我們來得及準備嗎？
當時間成為變數，風險就不再是遙遠的末日，而是速度失控的現在。
2026 年達沃斯的這場對話，Dario 重申了他去年的預測：到 2027 年，我們就會擁有一個能完成人類幾乎所有工作、達到諾獎水平的模型。
Demis 沒有反駁，只是更謹慎地補充：
“是的，模型在某些領域進展驚人。但你要讓它提出新的理論或假設，還早。”
真正的分歧在於：AI 自我進化的閉環，啟動了嗎？
Dario 的答案是：已經在發生了。
Anthropic 的工程師已經不再自己寫程式碼，而是直接把任務交給 Claude，讓它產出初稿，自己只做稽核與改寫。 而且這不是個例，Dario 透露，Claude Cowork 的核心模組，就是由 Claude 自己在一周半內完成搭建的。
基於這種趨勢，他給出了一個大膽預測：
“也許 6 到 12 個月，我們就會有模型能完成大多數軟體工程師的工作。”
注意，不是輔助工作，而是完成大多數。
Demis 對此並不完全否認。他承認，在程式設計和數學這類“能驗證結果”的領域，模型已經接近專業水平。
但他強調了一個關鍵區別：科學創造力的難點，不在解題，而在提出問題。
在 Demis 看來，真正的通用智能需要具備從零提出假設的能力，而不僅僅是生成正確答案。這類能力目前仍難以驗證、也尚未實現。
兩人的共識是：AI 已經能加快 AI 的迭代。
Dario 甚至用了“自我演化”這個詞。一旦“模型→模型”這條路徑成熟，它將不再等待人類研發節奏，而會主動生成下一個版本。到那時，人類角色可能從創造者變成稽核員。
這意味著決定 AI 進化速度的，不再是你有多少工程師，而是模型自己的成長能力。
這正是 Dario 所說時間可能只剩一年的核心理由。
Demis 的回應雖然保守，但也沒否認這條路徑的可行性。他只是提醒：我們可能還缺少一兩個關鍵環節，像持續學習、世界模型這類能力。
也就是說，在可驗證的領域，閉環已經在形成。但要真正徹底閉環，可能還需要幾個技術突破。
時間差，就在這幾步之間。
主持人把話題從技術拉回現實：這會對工作意味著什麼？
Dario 的回答：
“我認為，在未來 1 到 5 年內，50% 的白領入門崗位都會消失。因為企業已經發現，用模型完成很多基礎工作，比雇新人更快、更省錢。”
換句話說，不是公司裁員更狠，而是公司不再招人。
Demis 的觀察更具體：今年開始，我們已經能看到實習崗位和初級職位受到衝擊。真正被優先替代的，是重複性強、規則清晰、需要時間但不需要經驗積累的工作。
第一批受衝擊的，不是資深專家，而是剛進場的人。
Dario 給出了一個場景：一家企業可以做到業務翻好幾倍，但員工規模幾乎不變。這是因為 AI 已經被當作數字勞動力在使用。文件整理、程式碼初稿、資料清洗、客服回覆、內容生成，這些原本屬於新人練手的工作，正在被批次壓縮。
Demis 補充了另一個維度：
“創造性工作、需要跨領域經驗的崗位，暫時還沒被真正撼動。”
但在整個就業市場中，這類創造性崗位只佔很小一部分。絕大多數人依靠的，還是從基層幹起、一步步積累經驗的職業路徑。
而這條路，正在被堵死：
這導致一個矛盾的局面：企業看起來運轉正常，但職業階梯已經開始斷裂。
變化已經發生，但組織根本沒準備好如何應對。 用人方式、培養機制、晉陞通道，都還停留在過去。
為了追蹤這種變化，Dario 透露 Anthropic 正在維護一個“經濟指數”通過分析對話資料，即時監測那些行業、那些任務正在被 AI 增強或替代，精確到具體的州、行業、甚至任務類型。
資料會告訴我們變化的全貌，但個體等不了那麼久。
對年輕從業者來說，問題已經變了：不再是會不會被替代，而是當一個崗位消失，你能頂替誰的位置？
這，才是 AI 時代真正殘酷的篩選邏輯。
在整場對談的後半段，主持人提出了一個問題：你們最擔心的是什麼？
Dario 沒有說超級智能或模型失控，他說的是：
“速度。技術進展得太快，而我們還沒搞清楚該怎麼用它。”
Demis 的擔心更具體：很多人根本不知道 AI 現在能做什麼。他舉了個例子：有些人還把大模型當搜尋引擎在用，但其實它已經可以做研究助理、項目助手、程式碼搭檔，甚至承擔部分商業分析。
這種錯配，正在製造兩個風險：
Dario 補充：今天很多失敗，不是 AI 能力不夠，而是組織的架構、流程、用人方式都還沒變。
Demis 做了一個類比：就像工業革命時期，人們先是驚訝，然後混亂，最後才重構了整個社會。而工業革命用了幾代人完成的轉型，AI 可能只給我們幾年時間。
那麼，這種速度失控會帶來那些具體風險？
Dario 提到三個現實層面的挑戰：
應對路徑呢？
Dario 介紹了 Anthropic 正在推進的"機械可解釋性"研究：像神經科學家研究大腦一樣，觀察模型內部的決策過程，從機制層面理解它為什麼會產生某種輸出，然後進行針對性干預和重新訓練。
Demis 則強調，真正解決這些問題需要全球科學界的協作。他提到了類似 CERN（歐洲核子研究組織）的國際合作模式，讓各國頂尖科學家在開放、透明的框架下共同攻克 AGI 的關鍵問題。
兩人都認為：這些技術挑戰是可以解決的，前提是有足夠的時間和足夠的協作。
但現實是，行業競爭正在壓縮這個時間窗口。
誰能快速建構出理解它、整合它、把它用得對的路徑，誰就領先一個時代。
達沃斯的這場對談，Dario 和 Demis 沒有爭出對錯。
但他們的共識是：AI 已經在自我加速，入門崗位正在消失，組織還沒準備好。
分歧只在於速度。
Dario 認為一兩年，Demis 認為五到十年。
但變化不會等所有人都準備好。 (AI深度研究員)