刚刚，Anthropic宣布奇点已至！AI或把美国GDP推上44万亿美元

“奇点已经到来。”在曼谷举行的国际货币基金组织佩尔·雅各布森讲座上，Anthropic联合创始人Jack Clark直接给出了这个判断：AI技术进步的速度，已经超过人类理解和跟进它的速度。

更受关注的是Anthropic对经济增长的预测。按照他们的推演，到2030年，美国GDP有可能达到44万亿美元左右，而正常情况下的基准预测只有33.5万亿美元。

原有推演中，美国经济未来几年平均增速大约是2%，2030年GDP约为33.5万亿美元。把AI对知识工作的影响加入模型以后，结果出现明显变化。

保守情景下，GDP比基准水平提高1.6%，达到34.1万亿美元；显著情景下提高8.3%，达到36.3万亿美元；极端情景下，也就是Anthropic所讨论的“奇点”情景，GDP比基准水平高32.4%。

按照计算：33.5万亿 × 1.324 ≈ 44.4万亿美元。

原文给出的另一组判断是，奇点可能额外创造15.4%的GDP，平均每年额外贡献约6%的增长。在这样的增速下，一个已经高度成熟的大型经济体，大约4.5年就可能实现经济规模翻倍。

Anthropic认为，真正改变经济增长速度的核心，是知识和专业能力开始能够被低成本、大规模复制。

Jack Clark拿自己举例。他说，自己只有一个，花了40年才形成今天的知识和判断能力。培养一名顶尖科学家，往往需要15年教育，投入数百万美元，而且最终得到的仍然只是一个人。

AI改变的是这个限制。如果算力足够，同一套高水平研究能力未来可能同时复制1000份，甚至10万份。

联合国教科文组织统计显示，全球目前大约只有1000万名全职科研人员。Jack Clark设想的情况是，这1000万人类科学家未来可能与10亿个能够持续工作的“数字科学家”协同研究。

影响最大的领域会直接落到科研效率上。一种新药过去可能需要10年完成研发，未来部分研究周期可能压缩到数周。

室温超导、固态电池等材料研究，也可以通过大规模计算同时测试更多候选方案。科研效率提高，又会反过来推动生产率上升，这正是Anthropic认为美国GDP可能大幅偏离传统增长轨迹的原因。

这也是美国不断加快AI投入的重要背景。谁能更早把先进模型投入科研、工业和商业体系，谁就更有可能提前获得生产率增长。

真正让Jack Clark敢于谈“奇点”的，还不是GDP预测，而是最近一年AI能力提升的数据。

Anthropic内部员工现在生成的代码量，已经接近过去的10倍。在被称为“人类最后的考试”的高难度基准测试中，变化更明显。这套测试覆盖化学、计算机、高等数学、经典文学和生态学等领域。2025年1月刚发布时，全球最强AI得分只有8%。

到了本周，Claude Opus 5.5已经达到67.7%。另一套由全球数百名专业数学家共同设计的前沿数学测试，在2024年底上线时，最强模型只有2%的得分率，现在已经达到94%。

在纳维-斯托克斯千禧年难题、雅可比猜想等长期数学问题上，AI也开始给出具有研究价值的关键思路。

理论物理测试中的表现更值得注意。最近一项评测一共设置50道题，题目由全球顶尖物理学家根据尚未公开发表的前沿研究成果设计，参考答案并没有出现在公开资料中，因此不存在简单检索答案的问题。

顶尖模型最初拿到了80多分。评测人员检查模型的错误题目时发现，AI对部分答案坚持认为参考答案存在问题。研究人员重新计算后确认，多道题确实是人类专家在复杂推导中出现了细微计算错误。

修正参考答案后，AI最终得分达到98%。50道世界级前沿物理问题，正确完成49道。这说明现在的顶尖AI已经不只是执行指令和补全代码，它正在进入部分专业研究工作。

更关键的变化出现在AI研发AI这件事上。这一能力通常被称为RSI，也就是递归自我改进。如果模型能够理解代码、发现Bug、设计训练流程、优化算法，甚至参与开发下一代模型，AI研发速度就可能继续提高。

第三方评估机构Vals更新的RSI Index显示，Claude Opus 5.5目前大约达到37%的自主研发能力，排名最高；OpenAI大约在28%；主要开源大模型处于21%到23%之间。

Anthropic按照目前趋势预测，自家模型可能在2027年3月达到50%，2027年7月达到60%。

OpenAI达到类似水平的时间，则被预测在2028年左右。这里存在大约一年的时间差。

科技博主Dwarkesh Patel披露的信息也很激进：Anthropic内部已经有人认为，AI可能在9个月内达到顶尖人类AI研究员的水平。

Vals的测试也显示，在没有人类持续干预的情况下，顶尖模型已经可以自主调度12到30小时的计算资源完成LM Training任务，并设计出明显超过部分人类论文方案的训练方法。

模型可以自己设计多字节嵌入、增加辅助预测头，还能自行调整采样表和学习率。这意味着AI正在从“帮助研究人员开发模型”，逐步走向“承担一部分模型研发工作”。

演讲现场有人问Jack Clark，如果自己的孩子生活在这样的时代，会建议他们学习什么专业、从事什么工作？

他的回答很明确。依赖死记硬背和固定应试套路的专业，未来受到AI冲击的可能性会越来越大。创造力、通识教育、哲学、历史，以及对人类价值和伦理问题的理解，反而会变得更重要。

但Jack Clark也承认，他自己的孩子现在只有1岁和3岁，他并不知道等孩子长大时，就业市场到底会变成什么样。

印度政府首席经济顾问纳格斯瓦兰则给出了另一种判断。当知识处理越来越便宜，必须进入真实物理环境、依赖现场操作和人与人互动的工作，价值可能进一步提高。

电工、水管工、焊工、护士、养老陪护、特殊教育，这些职业短期内都很难被纯软件系统完整替代。

所以44万亿美元并不是这场变化里最值得关注的数字。真正值得关注的是，AI正在同时影响科研速度、知识生产、软件开发、就业结构和经济增长模型。

从2025年1月“人类最后的考试”只有8%，到Claude Opus 5.5达到67.7%；从前沿数学测试的2%提高到94%；从理论物理50题答对49题，再到RSI Index达到37%，这些数据都说明，同一个问题已经越来越难回避：

如果AI能力继续按照现在的速度提高，人类社会还有多少时间去适应新的生产方式和就业结构？