老戴给我推荐了一个网站，是一个ai预测报告。

网址有一种让人想打开的欲望，极简：ai-2027。

我打开之后，发现这不是一个普通的科技网站，而是一份关于人类未来命运的预测报告，它来自硅谷的一些技术探索者。

它试图回答一个问题：

如果人工智能在2027年超越人类，我们的世界会发生什么？

这听起来有些像科幻小说。

但写这份报告的人，并不是科幻作家。

其中有前OpenAI研究员，有长期从事人工智能预测的研究者，还有专门研究AI安全和公共政策的专家。

更有意思的是，这份报告在2025年4月发布后，引起了硅谷、人工智能研究界和主流媒体的广泛讨论。

有人认为，它可能提前看到了人类历史上最重要的一次技术革命。

有人认为，这不过是硅谷技术精英又一次过度乐观的预测。

还有人认为，真正值得担心的不是AI什么时候超过人类，而是人类是否已经做好准备。

我花了一些时间研究这份报告，以及围绕它展开的争论。

我的感受是：

2027年可能不是人工智能改变世界的准确时间，但我们确实正在进入一个需要重新理解时间的时代。

一、谁在预测2027年？硅谷的几位关键人物

先认识一个人。

Daniel Kokotajlo。

他曾经是OpenAI的研究员，后来离开公司，专门从事人工智能未来发展的预测研究

早在2021年，ChatGPT还没有诞生的时候，他就写过一篇预测2026年人工智能发展的文章。

其中一些判断后来得到了验证，例如推理能力提升、AI训练成本大幅增长，以及美国对先进AI芯片实施出口管制。

当然，他也预测错了不少事情。

2025年4月，他和几位研究者共同发布了《AI 2027》。

这一次，他们的预测更加大胆。

按照报告描绘的一条情景路线：

2025年，AI Agent开始真正进入工作场景。

2026年，人工智能开始大规模参与软件开发。

2027年3月，出现能力超过顶尖人类程序员的AI系统。

2027年8月，AI研究人员开始被更强大的AI研究系统超越。

到了2027年年底，甚至可能出现全面超越人类认知能力的超级智能。

注意，这些是报告所描绘的情景节点，不是已经确定会发生的事实。

它真正可怕的地方，不是机器比人聪明。

而是机器开始研发比自己更聪明的机器。

过去，一代技术的发展可能需要十年。

后来缩短到五年、三年。

如果人工智能能够自动完成大量研发工作，下一代AI的研发周期有没有可能缩短到几个月，甚至几周？

这就是所谓的递归式自我改进。

如果这个机制成立，人类可能第一次面对一种自己无法完全理解其进步速度的技术。

而且，这种技术还可能反过来改变人类社会的运行方式。

《AI 2027》的作者们认为，这值得人类提前进行严肃讨论。

他们通过大约25次桌面推演，结合100多位专家的反馈，设计了两种不同的未来结局。

一种是持续竞赛。

另一种是主动减速。

前者可能导致人类失去对超级智能的控制。

后者则尝试通过监督、评估和技术改进，让人类继续掌握主动权。

值得注意的是，著名人工智能学者、图灵奖得主Yoshua Bengio公开推荐过这份报告。

但推荐一份值得讨论的情景研究，并不意味着认可其中所有预测。

这也是我们阅读《AI 2027》时必须保持的基本态度。

二、黄仁勋、奥特曼、哈萨比斯：谁认为AI会更快到来？

围绕人工智能未来发展的时间表，硅谷实际上已经形成了一场公开的大讨论。

首先是OpenAI的Sam Altman。

奥特曼长期认为，人工智能的发展正在接近一个历史性转折点。

他讨论的不仅是AGI，也就是通用人工智能，还包括更进一步的超级智能。

在他的设想中，AI不仅可以提高工作效率，还可能大幅改变科学研究、经济生产和社会组织方式。

另一位值得关注的人物是Anthropic的创始人Dario Amodei。

2024年，他发表了一篇名为《Machines of Loving Grace》的长文。

文章中，他提出一种可能性：

强大的人工智能最早可能在2026年出现。

但他同时承认，这个时间也可能大幅推迟。

Amodei关注的重点不仅是人工智能能做什么，还包括它会怎样改变生物医学、神经科学、经济发展，以及人类社会的权力结构。

2026年9月，他进一步公开呼吁放慢前沿AI的发展速度，加强安全评估。

随后，Sam Altman也表达了对控制研发节奏和加强外部评估的支持。

这件事非常值得关注。

因为这些呼吁并不是来自反对人工智能发展的传统保守派，而是来自正在推动AI技术进步的企业领导者。

他们一方面在加速研发，另一方面又担心技术发展得太快。

这种矛盾，正是AI时代最值得研究的现象之一。

再看Google DeepMind的创始人Demis Hassabis。

哈萨比斯不仅是一位企业家，也是一位科学家。

2024年，他因AlphaFold相关研究获得诺贝尔化学奖。

相比某些更激进的预测者，他对AGI的时间判断相对谨慎。

在2025年的公开讨论中，他曾提出AGI可能还需要5到10年。

到了2026年4月，他在红杉资本的一场活动中，又谈到2030年前后实现AGI的可能性。

哈萨比斯特别强调，今天的AI虽然在某些领域表现惊人，但在长期规划、可靠推理、记忆和理解现实世界方面，仍然存在重要缺陷。

至于英伟达创始人黄仁勋，他的视角又有所不同。

黄仁勋更关注AI如何转化为实际生产力，以及支撑人工智能发展的计算基础设施。

他反复强调的一个方向是：

未来的人工智能不仅存在于聊天窗口里，还会进入工厂、机器人、自动驾驶汽车，以及各种真实的物理系统。

如果说奥特曼关注超级智能的未来，Amodei关注能力跃迁与安全风险，哈萨比斯关注科学突破，那么黄仁勋更关注如何建设支撑这场革命的基础设施。

这些人并没有全部直接参与《AI 2027》的写作或讨论。

但他们都在回答同一个问题：

人工智能究竟会以多快的速度改变世界？

三、也有人不相信：AI革命真的会在两年内完成吗？

如果只听硅谷企业家的预测，我们很容易得出一个结论：

超级智能似乎已经近在眼前。

但科学界并没有形成这样的共识。

普林斯顿大学的两位研究者Arvind Narayanan和Sayash Kapoor，就提出了另一种观点。

他们认为，我们不应该把人工智能理解为一种突然降临、瞬间改变一切的神奇力量。

相反，AI更可能像电力、互联网和其他通用技术一样，需要经过漫长的社会适应过程。

即使技术本身已经成熟，企业仍然需要调整工作流程。

政府需要修改监管制度。

学校需要重新设计教育方式。

医院需要验证系统的安全性。

普通人也需要时间学习和接受。

所以，技术能力的进步速度，并不等于整个社会发生变化的速度。

我认为，这个观点非常重要。

因为它提醒我们：

AI能够完成一项工作，与整个社会愿意把这项工作交给AI，是两回事。

另一位值得关注的人物是诺贝尔经济学奖得主Daron Acemoglu。

他对人工智能可能带来的生产力增长持相对审慎的态度。

他认为，技术进步并不必然意味着经济生产率同步大幅提高。

更不意味着所有企业和劳动者都会从中受益。

一个企业即使购买了最先进的AI系统，也不代表它的管理制度、业务流程和组织文化能够立即适应。

这让我想起过去几十年的互联网革命。

互联网技术在20世纪90年代已经快速发展。

但大量传统行业真正完成数字化转型，花费了十几年甚至更长时间。

今天的AI革命可能比互联网更快。

但究竟快多少，我们还不知道。

这就是为什么我们既不能轻视AI，也不能盲目相信某个具体年份。

四、到了2026年10月，《AI 2027》究竟预测对了多少？

现在，我们有了一个非常好的观察窗口。

《AI 2027》发表于2025年4月。

今天已经是2026年10月。

一年半过去了。

我们终于可以把预测和现实放在一起比较。

先看第一项预测：

AI Agent将从聊天工具转变为真正的工作工具。

这一点，方向上已经得到了明显验证。

2025年以来，AI编程工具、自动化研究工具，以及能够调用外部软件的智能体持续发展。

越来越多的软件开发工作开始由AI参与完成。

不过，Agent仍然存在可靠性不足、长任务容易出错，以及需要人工监督等问题。

所以，AI Agent已经创造价值，但距离完全自主的数字员工还有差距。

第二项预测：

AI基础设施投资将继续快速增长。

这一点也基本得到了验证。

斯坦福大学2026年AI Index报告显示，2025年全球企业AI投资显著增长。

AI模型能力继续提升，企业采用率也持续上升。

算力、数据中心、电力和网络基础设施，已经成为人工智能产业的重要组成部分。

但这里有一个投资者必须警惕的问题：

资本支出增长，不等于未来利润一定增长。

第三项预测：

中国和美国将在AI领域展开激烈竞争。

这同样已经成为现实。

不过，报告对中国算力劣势的设定，未必完整反映了中国AI产业的发展路径。

斯坦福2026年AI Index报告指出，中美领先AI模型的性能差距已经显著缩小。

中国在模型效率、开源生态和产业应用方面展现了竞争力。

这意味着，AI竞争未必只是比谁拥有更多GPU。

算法效率、工程能力、能源成本、数据资源和产业生态，同样可能决定竞争结果。

第四项预测：

AI将在2026年引发大规模白领失业。

到目前为止，这一判断还不能说已经实现。

AI确实开始影响软件开发、客服、内容制作，以及部分初级知识工作。

但现有证据还不足以证明，AI已经在整个经济体系中造成了报告所描绘的那种剧烈就业冲击。

事实上，2026年一项针对美国标普500企业的研究发现，尽管AI采用率明显提高，真正深度整合AI的企业比例仍然有限。

技术渗透与全面改造之间，仍然存在距离。

第五项预测：

2027年出现超级智能。

他们预测在2027年3月，也就是6个月之后，第三代AI agent出现了！

这一项当然还没有到验证时间。

但有一个非常重要的新变化。

《AI 2027》的主要作者已经调整了预测。

2025年底，他们发布了更新的时间模型。

到了2026年初，Daniel Kokotajlo对部分关键突破的预测已经推迟到2030年代初。

相关报道甚至提到，超级智能的预测时间可能延后至2034年前后。

这里需要区分：超级程序员、自动化AI研究员和全面超级智能，是不同的技术里程碑，不能把它们的预测年份混为一谈。

但至少说明了一件事：

连《AI 2027》的作者自己，都没有把2027年当成不可改变的答案。

这恰恰是科学预测应该具有的态度。

当新的证据出现，就应该修改原来的判断。

而不是为了维护自己的声誉，坚持一个已经不再合理的时间表。

五、真正值得关注的，不是2027，而是AI开始研发AI

在这份预测中提到了2027年最牛的大模型Agent-3的工作效率相当于5万名最优秀的程序员，速度提升30倍！

我认为，整份报告中最重要的观点，不是某一年出现超级智能。

而是一个可能改变技术发展规律的机制：

AI开始参与下一代AI的研发。

过去，人类社会的技术进步主要依赖人类科学家和工程师。

现在，我们正在尝试让AI参与代码编写、算法优化、实验设计和研究分析。

如果有一天，一个AI系统可以独立完成顶尖研究人员的大部分工作，会发生什么？

假设一家AI实验室原来有1000名研究人员。

未来，它可能拥有1000名人类研究人员，以及10万个AI研究助手。

如果这些助手能够持续提高研发效率，那么技术进步的速度就可能发生变化。

当然，这里仍然存在大量不确定性。

AI研究不是简单地增加程序员数量。

它还需要科学判断、实验验证、算力资源，以及对真实世界的理解。

但只要AI能够显著提高研发效率，哪怕没有出现所谓的智能爆炸，也可能改变整个产业的竞争格局。

这才是我们应该持续观察的核心变量。

一个重要的参考指标，来自独立AI评估机构METR。

METR持续研究AI系统能够可靠完成多长时间跨度的任务。

它并不是简单比较AI考试得了多少分，而是研究一个AI系统能否独立完成原本需要人类专家花费一定时间的工作。

这种评估方式，比单纯比较模型排行榜更接近现实生产力。

不过，METR的任务测试主要集中在软件相关工作，不能直接代表AI已经具备同等水平的所有现实工作能力。

未来两三年，我认为最值得观察的，就是AI能够独立完成的复杂任务是否持续延长。

如果AI只能独立完成十分钟的工作，它更像一个助手。

如果能够可靠完成几个小时的工作，它可能成为一个重要的生产工具。

如果能够完成几天甚至几周的复杂项目，那么企业组织方式就可能发生根本变化。

真正改变世界的，不一定是某个模型突然宣布自己达到了AGI。

而可能是有一天，我们发现大量过去必须由人类完成的工作，已经可以交给机器独立执行。

按照预测：2027年9月将出现第四代AI agent,超人AI。

六、对于投资者，AI 2027意味着什么？

我自己长期关注美股，尤其关注人工智能产业链。

过去几年，我越来越深刻地感受到一个问题：

看对一个时代，不代表一定能在这个时代赚到钱。

互联网时代是这样。

新能源汽车时代是这样。

人工智能时代恐怕也是这样。

如果《AI 2027》的大方向成立，那么未来几年至少存在三个值得关注的投资方向。

第一，卖铲子的人

无论哪一家AI公司最终胜出，它们都需要计算资源。

这也是为什么英伟达成为这轮AI革命最重要的受益者之一。

在这一领域，值得关注的企业包括：

英伟达、台积电、美光，以及提供数据中心电力和散热设备的Vertiv等公司。

但这里有一个问题。

当所有投资者都知道这些企业重要的时候，它们的股价是否已经反映了未来几年的增长？

好公司不一定永远是好价格。

而且，如果AI算法效率大幅提高，单位计算任务的成本下降，算力需求和企业利润之间的关系也可能发生变化。

所以，投资者不能简单地认为：

AI越聪明，GPU就越贵，相关股票就一定上涨。

第二，能源和基础设施

这也是我最近特别关注的方向。

人工智能的发展不仅需要芯片。

还需要电力、土地、网络、冷却系统和数据中心。

如果未来AI研发与推理需求持续增长，那么能源基础设施可能成为重要的产业瓶颈。

但这并不意味着谁有便宜的电，谁就一定能够建设成功的数据中心。

稳定供电、网络延迟、设备利用率、客户合同和融资成本，同样重要。

尤其对于投资者来说，需要区分两种企业：

一种是真正拥有稳定现金流的基础设施供应商。

另一种只是因为AI概念而获得高估值的资本密集型公司。

两者的风险可能完全不同。

第三，AI应用层

这一领域可能产生下一批重要企业。

如果未来的AI Agent能够承担越来越复杂的工作，那么大量传统软件产品可能被重新定义。

过去，我们使用软件，是人操作软件。

未来，可能变成AI操作软件。

再往后，可能是AI直接完成任务，而人类只负责提出目标、审核结果。

这会改变企业软件、客户服务、教育、医疗和金融服务的商业模式。

但应用层的投资难度也可能更高。

因为模型能力提升得越快，应用企业原本建立的技术壁垒，就可能越容易被下一代基础模型突破。

今天一家创业公司的核心功能，明天可能成为大模型的标准功能。

所以，我认为AI时代的投资者需要建立一种新的思维：

不要只寻找增长最快的企业，还要寻找在技术快速变化中，依然能够保留竞争优势的企业。

品牌、客户关系、专有数据、行业流程、分销渠道，以及真实的商业闭环，可能比单纯的技术功能更重要。

当然，所有这些机会都需要结合估值、财务状况和市场周期判断。

《AI 2027》不是股票推荐清单。

它更像是一张帮助投资者理解未来产业结构的地图。

七、普通人应该如何看待2027年这个时间表？

我认为，普通人最不应该做的事情，就是把2027年当成世界末日。

或者反过来，认为这不过是一群科技精英制造的焦虑。

这两种态度都可能让我们失去主动权。

今天比过去任何时候都太考验人的学习速度和判断力。

你可以把这个报告当成一份短剧或者科幻小说来看，但我更愿意把ai-2027看成一个提醒。

它提醒我们：

未来五年，很多职业的工作方式可能发生明显变化。

但这并不意味着每个人都必须辞职、转行、学习编程，或者去创业。

相反，我认为应该认真思考三个问题。

第一，你现在从事的工作，有多少属于重复性的认知劳动？

如果你的主要工作是整理信息、制作简单报告、处理标准化文件，那么AI对你的影响可能更直接。

但如果你的工作需要复杂的人际沟通、现实环境判断、责任承担，以及长期建立的信任关系，变化的方式可能不同。

不是完全不会受到影响，而是AI更可能先改变你的工作流程。

第二，你有没有开始把AI当成真正的生产工具？

今天，很多人仍然把AI当成一个搜索引擎。

问几个问题，写几段文字。

但AI真正的价值，可能在于帮助一个人完成原来需要多人协作的工作。

比如一个普通创业者，可以利用AI进行市场研究、制作原型、设计产品、分析客户反馈。

过去需要一个小团队完成的事情，现在可能由一个人加上多个AI工具完成。

这并不保证创业成功。

但确实降低了某些领域的试错成本。

第三，你是否真正了解自己的优势？

这是我最近一直在思考的问题。

我们过去的教育和职业体系，往往鼓励一个人不断弥补自己的短板。

英语不好，就拼命学英语。

数学不好，就拼命补数学。

不会编程，就努力学习编程。

但在AI时代，这种思维可能需要重新调整。

如果机器能够越来越便宜地完成大量标准化工作，那么人类为什么还要把大量时间花在自己既不擅长、也不喜欢的事情上？

我们是否应该更加认真地寻找自己的优势？

你人格中喜欢且擅长的那些东西到底是什么？

一个人的创造力、判断力、沟通能力、长期积累的行业经验，以及独特的人生经历，能否通过AI得到放大？

我认为，这可能是普通人面对AI时代最值得思考的问题之一。

八、40岁、50岁的人，还有没有机会？

这是我特别想讨论的一个问题。

过去，我们总觉得科技创业属于年轻人。

大学毕业，进入硅谷，学习编程，寻找融资。

似乎年龄越大，离科技创新就越远。

但AI正在改变这种局面。

一个有二十年行业经验的人，可能并不懂复杂的人工智能算法。

但他知道一个行业真正的问题在哪里。

他知道客户为什么愿意付钱。

知道企业为什么会失败。

也知道哪些需求只是看起来很美好，实际上没有商业价值。

如果AI能够帮助他解决过去需要技术团队才能完成的问题，那么这些经验就可能重新产生价值。

我自己也在做这样的实验。

过去二十多年，我经历过创业、公司并购、投资，也经历过失败和重新开始。

现在，我正在探索一个叫MirrorAI的项目。

它试图研究一个人的人格、选择和行为模式，如何与人工智能结合。

我越来越相信，未来的AI应用不应该只是帮助人们提高工作效率。

它还应该帮助一个人更好地理解自己。

理解自己的优势，也理解自己为什么会反复犯同样的错误。

例如，一个投资者明明知道不应该追涨杀跌，却总是在市场剧烈波动时重复过去的行为。

一个创业者明明知道应该放权，却总是在关键时刻重新陷入事必躬亲。

一个人即使已经意识到自己的行为模式，也未必能够轻易改变。

我最近写下过一句话：

人最大的困难，不是看不见自己，而是看见了自己，下一次还是会成为自己。

如果未来每个人都拥有强大的AI助手，那么这些助手除了拥有知识和执行能力之外，是否还应该理解这个人的长期目标、行为习惯和价值观？

这可能是AI应用层一个值得探索的方向。

当然，它也涉及隐私、安全和人的自主权。

真正好的AI，不应该替一个人决定人生。

而应该帮助他更清楚地理解自己的选择。

九、比预测未来更重要的，是理解我们所处的时代

回到《AI 2027》。

这份报告最有意思的地方，可能恰恰是它的预测正在被修正。

2025年，作者认为2027年可能出现极其重要的AI能力突破。

到了2026年，他们开始把部分预测推迟到2030年代。

这说明什么？

说明人工智能发展很快，比人类前沿探索者们预测的可能还要快！

但也说明，即使是最接近技术前沿的研究者，也无法准确预测未来。

对于普通人来说，没有必要把自己的生活押在某个年份上。

对于投资者来说，更不能把某个技术时间表当成股市上涨的保证。

我更愿意把未来分成三个时间尺度。

未来一年：学习和实验。

真正开始使用AI。

让AI参与自己的工作。

找到哪些事情可以交给机器，哪些事情仍然需要自己判断。

未来三年：调整自己的能力结构。

重新审视自己的职业、商业模式和竞争优势。

不必盲目转行，但要避免自己的核心能力完全依赖那些正在迅速变得廉价的工作。

未来五到十年：重新思考人生的选择。（这个越早越好！）

如果人工智能真的能够大幅提高社会生产力，我们可能需要重新理解教育、职业、财富，以及工作在人生中的意义。

当然，这种变化未必均匀，也未必让所有人同时受益。

有人可能因此获得前所未有的机会。

也有人可能面临收入下降、职业转型和社会地位变化。

技术本身不会自动创造一个公平的世界。

这需要企业、政府和整个社会共同作出选择。

十、最后：时代究竟会奖励什么样的人？

二十年前，我曾经非常喜欢一句话：

时势造英雄。

年轻的时候，我理解这句话，更多是因为创业。

一个人即使非常努力，如果没有遇到合适的时代，也很难取得巨大的成功。

后来经历了创业、投资、失败和重新开始，我对这句话有了新的理解。

时代当然重要。

但时代并不会平均地奖励每一个人。

同样的机会，有人能够抓住，有人却会错过。

同样的技术，有人用来放大自己的优势，有人却被新的变化拖入焦虑。

我现在更愿意用另一种方式理解这句话：

一个人的人格和能力，只有与时代产生共振，才可能释放出更大的价值。

这也是我最近研究人工智能时最深刻的感受。

AI 2027究竟会不会实现？

我不知道。

2027年会不会出现超级智能？

今天没有人能够给出确定答案。

但有一点我越来越相信：

我们不应该把全部精力用来猜测未来究竟在哪一天到来。

而应该思考，当未来真的到来时，我们希望自己成为一个什么样的人。

因为时代可能改变一个人的机会。

技术可能改变一个人的能力边界。

但最终，决定我们如何生活的，仍然包括我们自己的选择。

与其焦虑2027年AI会不会超过人类，不如从今天开始思考：当AI越来越强大，我们能不能成为更好的自己？

这或许才是《AI 2027》留给普通人最重要的问题。

——靳伟说

写于2026年10月12日