Sam Altman 發文談「溫和的奇點」：2026 年 AI 或將產生全新見解

科幻小說裡常把奇點描繪成天崩地裂的瞬間，彷彿前一秒天下太平，後一秒天網降臨。但現實可能平靜得多：你昨天還在驚歎 AI 能寫出漂亮的段落，今天就已經習以為常，轉頭催促它趕緊寫出一整本小說。

OpenAI CEO Sam Altman 發表長文《溫和的奇點》，宣告人類已經越過了通往數字超級智慧的「事件視界」，技術起飛已經開始。但他想強調的是，這場鉅變正在以一種出人意料的溫和方式發生。街道上還沒有到處跑的機器人，多數人依然在過著普通的日子，但質變已在暗中推進。

2026 年是分水嶺，從搬磚到想出新點子

Altman 給出了一個具體的時間表。在剛剛過去的 2025 年，能夠執行復雜認知任務的智慧體已經落地，程式設計行業已經徹底變樣；到了 2026 年，我們將可能迎來能夠提出「全新見解」的 AI 系統；緊接著在 2027 年，能在物理世界幹活的實體機器人或將面世。

熟悉 Altman 的人知道，他的部落格往往是 OpenAI 路線圖的預告片。今年 1 月他剛預言 2025 年是智慧體之年，OpenAI 隨後就接連拿出了 Operator、Deep Research 和 Codex。今年 4 月釋出推理模型 o3 和 o4-mini 時，OpenAI 總裁 Greg Brockman 就曾透露，已有科學家利用它們獲得了有用的新思路。

把 AI 的角色從「執行者」變成「科研搭檔」，盯上這一步的不止 OpenAI。Google 剛在 5 月發表了程式碼智慧體 AlphaEvolve 的論文，聲稱能提出解決複雜數學問題的新方法；前 Google CEO 投資的 FutureHouse 也號稱其 AI 完成了真正的科學發現；Anthropic 也在同月啟動了支援科研的計劃。

不過，業內對此並不全盤買單。Hugging Face 首席科學官 Thomas Wolf 此前就撰文直言，現在的 AI 根本不會提出好問題，而提出好問題恰恰是重大科學突破的前提。前 OpenAI 研究主管 Kenneth Stanley 也指出，讓模型理解什麼是「有趣」和「有創造力」極其困難。他創辦的 Lila Sciences 剛拿了 2 億美元融資，專門研究怎麼讓 AI 學會提出假說。

算力像自來水，智慧成本將逼近電費

除了科學思考，Altman 還勾勒了一個自動化自我強化的閉環。當科學家用 AI 提速兩到三倍，AI 研發本身也在加快，這相當於一種初級形態的遞迴自我改進。如果未來第一批百萬臺人形機器人造出來，去開礦、煉鐵、開卡車並運營工廠，它們就能反過來製造更多機器人與晶片晶圓廠。

在 Altman 看來，這種飛輪一旦轉起來，基礎設施建造高度自動化，獲取智慧的成本最終會無限趨近於電費。到了 2030 年代，智力與能源將變得極度充沛，一人的生產力將遠超 2020 年。

為了打消外界對能耗的恐慌，Altman 還在文中披露了一組數字：ChatGPT 的平均單次查詢大約消耗 0.34 瓦時電，相當於烤箱開一秒出頭，或者高能效燈泡亮兩分鐘；耗水量約為 0.000085 加侖，大概只有十五分之一茶匙。

為什麼重要

Altman 這篇文章最聰明的地方，在於重新定義了大眾對技術奇點的心理預期。他把一場可能顛覆就業和社會的劇變，包裝成了一場「不知不覺就適應了」的溫和演進。這種敘事既能向資本市場證明 AGI 近在咫尺、為鉅額算力投入正名，又能安撫公眾對失業和失控的恐懼。

但從現實來看，從「幫人類寫程式碼」跨越到「提出全新科學見解」，難度可能遠超智慧體的落地。大模型本質上依然基於人類既有知識的統計規律，如果無法自主提出假設並甄別真偽，它能帶來的新見解很可能只是對既有知識的重組，而不是真正的範式突破。正如批評者所言，今天的模型甚至不知道什麼是真正重要的科學問題。

對普通人和開發者而言，值得關注的是這種演進對工作方式的重塑。正如 Altman 提到的，懂技術不再是唯一的護城河，只要善於藉助新工具提出好想法的人，地位反而會上升。真正的門檻正在從「怎麼實現」變成「該做什麼」。我們認為，這場奇點或許確實不會像好萊塢大片那樣充滿爆炸場面，但在技術真正學會自主發現之前，誰先學會把 AI 變成自己的科研與生產力槓桿，誰就能在溫水煮青蛙的平滑過渡中佔得先機。