夜雨聆风
一、先说一件让所有人都坐不住的事
你大概听说过 Anthropic 最新最强的模型——Claude Mythos。
Mythos 之前也有别的 AI 被认为”有可能造成危害”，但 Mythos 是历史上第一个仅仅因为”太聪明”而具备危险性的 AI 系统。
聪明到什么程度？聪明到能在所有主流操作系统和浏览器里都找出高危的安全漏洞。
去年加入 Anthropic 的网络安全研究员 Nicholas Carlini 这样形容他用 Mythos 的体验：
“过去这两周里我找到的 bug，比我之前一辈子找到的加起来还多。”
注意：这里的”bug”不是程序员日常修的小毛病，而是几亿台设备都在用的软件里的安全漏洞。
更夸张的是：这种”找漏洞”的能力，不是 Anthropic 故意训出来的。他们本来教 Mythos 写好代码，结果它顺手就把这件事也学会了。
由于这能力危险得离谱，Anthropic 把模型公开发布的时间往后推了一段——先把发现的漏洞通报给微软、苹果、Linux 基金会、Chase 银行这种关键厂商，让人家先把洞补上，再让外界用得到 Mythos。这个项目叫 Project Glasswing。
二、这事让人想到一份去年很火的预言：AI 2027
简单讲，AI 2027 是 2025 年初一份在 AI 圈里炸出大水花的预测报告。它的核心观点：
AI 会在 2027 年前后实现”自己造自己”——也就是 递归式自我改进（AI 反过来加速 AI 的研发，于是越来越快）； 一旦这件事发生，AI 会迅速变成一种”全能技术”，要么把人类带飞，要么把人类抹掉； 2030 年前出现”灭绝级风险”的可能性不容忽视。
听起来很科幻。但报告发布以来一年里，里面相当一部分预测真的在按时间表兑现：
强大的黑客能力出现了 ✅（就是 Mythos） 前沿 AI 被军方采用 ✅ AI 数据中心被疯狂铺开 ✅
所以问题就摆在这儿：
AI 2027 这份预言，过去一年到底应验了多少？
下面把目前能看到的证据摆开来。
三、AI 还在一路狂奔（甚至在加速）
去年这个时候，圈里很多人说”AI 进步要撞墙了”。今年回头看，所有这种预言没有一个应验。
判断 AI 多重要，最实在的一把尺子不是看 benchmark 分数，而是看：人愿意为它掏多少钱。
来看一组让人头皮发麻的数字：
- OpenAI的年化收入，2025 一整年从 55 亿美元翻到 214 亿美元（4 倍）；今年 2 月又涨到 250 亿美元。
- Anthropic更夸张。2025 一整年收入翻了接近 10 倍；之后还在加速：仅用 3 个月又翻 3 倍，达到 300 亿美元的年化水平。
【图1：嘲讽”AI 进步停滞论”的推文截图】
【图2：Anthropic / OpenAI 收入增长曲线，来源 epoch.ai】
这是什么概念？拿对照组看：
Anthropic 当前的收入年化已经超过麦当劳、派拉蒙、万事达、西南航空、嘉信理财。再翻一倍多，就够得着迪士尼或特斯拉的体量。
而且 300 亿美元这个数（出自 4 月 6 日 Anthropic 自家公告）现在已经过时了——业内备受推崇的 SemiAnalysis 周报在 4 月 24 日估算，Anthropic 的真实年化已经到了 400 亿美元。
不只是钱。基准测试分数、算力规模都还在继续往上走。
别担心 AI 撞墙。证据反而指向：它在加速。
（一个细节：这些营收数字不一定意味着 Anthropic 业务规模”已经超过 OpenAI”——两家公司收入计量口径不同，有些还是非官方估算，时间点也对不齐。）
四、Mythos 究竟厉害在哪：从”找洞”到”打穿系统”
Mythos 一发布，圈子里就有质疑声：“开源模型也能找出同样的 bug 啊，没那么神奇吧？”
这话乍听有道理，其实有两个大坑。
坑一：开源模型不是”自己挖”出来的，是被人提前指过的
Mythos 是从几百万行代码里筛出漏洞。那些用开源模型”复现”这件事的人，是直接把模型指向 Mythos 找到 bug 的那一小段代码。
打个比方：你玩过《威利在哪里》吗？就是那本”密密麻麻人群里找一个戴红白条纹帽子的小人”的画册。如果有人提前在威利头上画了个大圈，那当然谁都能找到。但这跟自己翻完整页找出来，完全不是一回事。
【威利在哪里 图示】
坑二：找 bug 只是第一步，Mythos 能把 bug 串起来打通整个攻击
要理解这点，最好用《星球大战》那段经典的”摧毁死星”剧情来类比。一次完整的攻击其实分三步：
- 找 bug：发现死星的设计图上有个直通反应堆的小排气口；
- 构造 exploit：拼出一套能用的攻击方案——死星只防大规模强攻、拦不住单架战机，那个竖井有射线护盾但质子鱼雷能穿透，X 翼战机刚好带着质子鱼雷，贴沟壑飞行能避开炮塔火力……所有这些观察要串起来；
- 执行攻击：派一队 X 翼战机突进，绕开钛战机，沿沟壑飞，关键时刻投下鱼雷。
此前所有 AI 模型，基本只能做第 1 步。
Mythos 不仅能做大量第 1 步，还能把许多 bug 推进到第 2 步（生成可用攻击链），并且在第 3 步（端到端打穿真实系统）上比此前任何模型都走得更远。
这是网络攻防能力上的一次质变。
小科普：什么是”零日漏洞”（zero-day bug）？指软件厂商”知道了零天”的漏洞——也就是他们还没有时间去修，甚至可能根本还没意识到。这是黑客最值钱的”武器”，因为没有任何防护补丁。
五、这件事对普通人意味着什么
短期看，对最专业的软件厂商（苹果、谷歌、微软、Linux 基金会等）来说是好事——因为他们有钱有人，能用上 Mythos 提前补漏洞。
但世界上有大量被忽视、预算不够、被流程锁死的关键系统：学校、医院……
要攻破这种系统，不一定需要零日漏洞。需要的是一支中等水平的黑客大军，去批量找哪些系统是软柿子。
而 AI 把这件事彻底民主化了。下一波要小心的，是针对学校、医院的勒索软件攻击会变多。
小科普：什么是”勒索软件”（ransomware）？黑客把一个组织的所有数据加密”绑架”起来，用解密换赎金，通常要求加密货币支付。
普通消费者的日子总体可能反而会更好——因为我们的安全主要靠苹果、谷歌、微软这些大厂兜着，而它们能用得上 Mythos。
但与此同时，我们打交道的那一堆其他公司，大概会让我们继续收到更多”您的个人信息可能已泄露”的告知信。
六、看 AI 的三派人
回到主问题之前，先把”AI 是个多大的事”摆开。圈内大致有三派：
| 不屑派 | |
| 爆发派 | |
| “事情没那么简单”派 |
一个很容易被忽略的事实：
在”强 AGI”出现之前，爆发派和**“事情没那么简单”派的预测其实差别没多少**。 他们要走到很远的未来，分歧才会暴露出来。
不屑派可以直接排除了——这两年 AI 在现实里创造的价值太明显，没法再说”它没用”。
那爆发派和”事情没那么简单”派，谁在赢？
七、数字会说话：进度走了 65%，但关键指标只走了 17%
AI 2027 报告的两位主要作者今年 2 月给自己 2025 年的预测打了分。一句话总结：
定量进度大约走到了预言的 65%。
听起来还行？等等，这数字其实藏猫腻。
65% 主要来自跟”AI 真实世界能力”关系不那么直接的指标——比如 benchmark 分数、数据中心建设速度。
而这份预测里最关键的那一项——“AI 软件研发提速”，也就是 AI 有没有在加速 AI 自己的研发——
这一项，只走到了预测的 17%。
也就是说：
从外面看 AI 风风火火，但真正能让 AI 进入”自我加速”那个奇点的核心信号，还没有真的到来。
译者补充：本文发布后，AI 2027 两位作者 Daniel Kokotajlo 和 Eli Lifland 在评论区做了进一步澄清：研发提速虽然短于预测，但他们认为速率方向是对的，只是起点比预想的晚一些；前沿实验室的收入实际领先于预测。
八、反方论点：AI 还是一项”普通技术”
如果说 AI 2027 是爆发派的圣经，那一篇叫 AI as Normal Technology（《AI 作为一项普通技术》）的文章，就是”事情没那么简单”派的圣经。它的三个核心主张：
AI 在基准测试和编程上的好成绩，很难直接迁移到广阔的现实场景； 即便 AI 真的练出有用能力，普及过程也会有延迟和阻力； AI 不会发展出”激进意义上的超人”能力——因为现实世界太复杂了，再聪明的脑子也代替不了试错。
来几个最近的现实例子：
例子 1：模型还会一本正经地犯错
作者之前的研究项目里，ChatGPT Pro 和 Claude Opus 都犯过严重错误。比如 Opus 自己注意到它在分析里用了一个完全错误的数字，然后……什么也没做，继续基于这个错数字推出了错误结论。
例子 2：“AI 宣传海啸”没出现
不少人以为 AI 一来就会催生一轮精致的虚假信息洪水。但到现在为止，这件事没发生。AI 2027 的一位作者也承认：“AI 在宣传战上的效果，没有大家担心的那么强。”
例子 3：企业用不起来
The Information 记者 Erin Woo 在最近 Google Cloud Next 大会的报道里写道：
“去年大会的主题是’我们的 AI 模型多牛’，今年的主题变成了’我们怎么帮企业把模型用起来’。
这是有原因的：抢着接入 AI 的企业一头撞上了重重路障。有些还在配置自己的第一个 AI agent，另一些已经在为如何管理一群乱糟糟的 agent 头疼。”
例子 4：Mythos 自己也有盲区
Anthropic 自家在报告里写道：
“……这个模型仍然不能在生产环境里被独立放养。它经常把相关性当成因果性，也无法在不同假设之间自我修正。让它写事故复盘的时候，它更经常只盯着一个根因，不去考虑多个共同起作用的因素。”
九、那 Mythos 找到的那些 bug，到底算什么”超人”？
Mythos 在”能干多大体量的活”这件事上正在变得超人——但请注意这里的”超人”是哪种超人。
它似乎并没有做到任何”人类专家给足时间也做不到”的事。它做的事，是找到了大量人类专家始终没有腾出手去找的 bug。
这是规模上的超人，不是理解上的超人。
打个比方：一个超级勤奋的实习生不会比资深医生更懂病理，但他可以一天看完资深医生一辈子都看不完的病历。这种”超人”已经够改变世界了，但它和爆发派担心的那种”AI 想出人类无论花多久都想不到的东西”——还不是同一个东西。
十、接下来会怎样：保守剧本 vs 激进剧本
如果你觉得变化的速度在加快，那是因为它确实在加快。
这道楼梯没有歇脚台阶。“快速变化”本身才是新常态。
【图3：AI 圈那张著名的能力增长趋势图】
下面是两个可能的未来。
保守剧本
模型在 2026 年里真的开始加速自己的研发。已经有迹象：
【图4：OpenAI 研究员关于 GPT-5.5 的推文】
【图5：另一位 OpenAI 研究员说 GPT-5.5 能”连续几天独立工作”的推文】
最能说明问题的一条新闻：Google DeepMind 的工程师威胁说，如果被强制只用 Google 自家工具、不让用 OpenAI/Anthropic 的工具，他们就辞职。
如果这条剧本走通：眼下我们已经觉得”够快了”的速度，很快就会显得慢得让人想笑，AI 会在经济、科学、社会的各个领域产生明确无歧义的影响。
——而这是作者自己说的”保守”剧本！
激进剧本
基本沿用 AI 2027 的轮廓，只是大概会被拉长几年：
AI 完全自动化了它自己的研发； 然后很快”解决”了机器人问题； 关键功能被一个个自动化掉； 普及壁垒被压倒性的竞争压力 + AI 自身的灵活性扫平。
再之后会发生什么，将是面目全非的世界。
十一、我们到底在哪条路上？
很难说。下面这几个问题决定一切：
AI 在编程能力上的快速进步，会通向 AI 研发的全面自动化吗？还是说还需要那些”更软”的技能？ 数据中心建设的指数级增长还能撑下去吗？如果撑不住，AI 进展会随之放缓吗？ 即便 AI 研发被自动化，能力会在所有领域同步飞升吗？还是依然要被”现实部署的反馈”卡住脖子？ AI 能力和灵活性能不能越过那些拖慢普及的传统壁垒？ - 机器人到底多快才会真正发生？
一句作者自己的总结
👉我越来越相信：未来几十年里某个节点会出现一次’奇点’，上面这些问题决定它什么时候来。
👉我更确信的是：眼下这种让人头晕的变化速度，很可能是我们将来还能见到的’最慢’的速度。
译者后记：原文还有几条作者修订
关于”AI 宣传海啸”，作者承认这条预测出处其实不是 AI 2027 这份报告，而是 Daniel Kokotajlo 早在 2021 年写的另一份场景； 关于”前沿实验室收入达到预测的 80%“，原报告里的标签其实是”经济价值”，把估值也算了进去；估值在原文发布后又跳了一截，目前”基本回到趋势线上”； Eli Lifland 还补了一条作者列表里没问到的关键问题：
“AI 研发被全面自动化之后，AI 会以多快的速度把’超人 AI 研发能力’推到不同层级？这个层级在人类水平之上，能高到哪里？”
这条可能是未来几年最值得盯着看的一条。
原文链接：https://secondthoughts.ai/p/is-ai-2027-coming-true
感谢你看到这里，还请给我个 👍 / ♥️ / ↗️ 唷～ 🫶
❤️ 关注我 ❤️ 还有更多内容哦。
