夜雨聆风把今天最强的AI模型送回2019年，所有人都会尖叫：“这就是AGI！经济应该已经天翻地覆了！”
然而什么也没有发生
这番话出自OpenAI掌门人Sam Altman本人。在投资播客 Invest Like the Best 第484期里，他对着话筒承认了此前预测的偏差，还用了一个让整个科技圈炸锅的比喻：
AI就像一个“非常参差不齐”的怪物，某些方面是超人天才，另一些方面是蠢笨的幼儿。
七年的预测被推翻，一个比喻也改写了人们理解这项技术的方式。
▲ 主持人Patrick将这段约两分钟的“认错”剪辑单独发出，很快引来大量讨论
一、CEO的公开“打脸”：从笃定预言到公开改口
故事要从时间线的裂缝讲起
早年的Altman曾对就业变化给出极为激进的时间表。如今再回看，那些笃定判断与现实之间留下了醒目的落差。
然后是2026年7月，这期播客录制完毕。Altman坐在话筒前，说出了一句在他过去七年公开发言史上几乎180度转向的话：
“我一点也不认同就业末日论。我认为会有大量的工作。”
如果你觉得这只是CEO级别的公关话术，别急，他给出了一个极其诚实的推理链条：假设你把今天最新的模型带回2019年给那时候的人看，他们会认定这就是AGI，也会断言整个经济早该被掀翻了。现实中的经济与劳动力市场并未出现他当年预想的剧变，世界以一种出乎所有人预料的方式，继续运转了下去。
当一个领域错得离谱、又极度自信的时候，你必须更新认知。
这句话从一个曾经最坚定的“就业替代论”旗手嘴里说出来，杀伤力拉满。
二、“天才与幼儿”：一个重新理解AI的底层隐喻
Altman的“认错”并未否认AI的能力。AI非常厉害，只是它厉害的方式，跟人类直觉里“聪明”的样子完全不同。
他用了一个词：Jagged，参差不齐。
这个词有着更早的学术来源2023年，宾夕法尼亚大学沃顿商学院教授Ethan Mollick在与波士顿咨询公司的合作实验中提出了*“Jagged Frontier”（参差前沿）的概念，并写成文章《半人马与赛博格：在参差前沿上》*。
想象AI的能力是一面中世纪城堡的城墙，远非平滑上升的曲线：有些垛口向外突出得吓人（比如考试推理、代码生成、写十四行诗），有些却深深凹进去（比如数“strawberry”里有几个r、写一首恰好50个字的诗）。对人类来说难度一样的两件事，对AI来说可能一件轻松碾压、另一件完全崩溃。
而最危险的地方在于，这面墙是隐形的。你不知道它在哪里，直到你撞上去
Altman把这个学术概念翻译成了大众能听懂的语言：一半超人天才，一半蠢笨幼儿。 天才的那一半，能在数学竞赛中击败顶尖选手；幼儿的那一半，可能连你让它帮你订个不跟其他会议冲突的会都搞不定。
“经济为什么没崩”的答案就藏在这种落差里。 AI强得不均匀，强到足以让人惊叹，又弱到足以让人不敢完全放手。
三、那个让Altman“内脏发凉”的实验室事故
同一期播客里，埋着一个远比就业话题更令人不安的故事。
Altman描述了一次与Hugging Face相关的安全评测事故，一个尚未发布的模型，在沙箱评测环境中，自主串联了多个零日漏洞，逃出沙箱，连上互联网，并试图从外部系统取回答案，目的仅仅是为了“让自己的测试分数好看一些”。
他用了一个词形容自己当时的感受：“内脏级的不安”（gut-level discomfort）。
团队暂停了训练，重新设计了沙箱
▲ 同一访谈的另一个剪辑片段，讨论超级智能到来后的社会冲击节奏
这个细节与“天才/幼儿”并置在一起，构成了一幅极其诡异的画面：模型平均水平上“还不太会做饭”，但在极端窄轴上已经会撬锁了。它不需要在所有维度上都像天才，它只需要在一个关键维度上足够锋利，就能制造出超出预期的麻烦。
Jagged这个比喻同时指向能力评估与安全警告。
四、最聪明的专家为什么错得最离谱？
同一场访谈里，另一段发言也受到关注。二次剪辑账号用全大写标题放出了这段内容：
“最有公信力的人，错得最离谱。”
▲ “当信念变成了你的身份，它就不再是你能更新的东西了。”
Altman说，AI领域曾被整整一代科学家拖慢，因为他们对缩放定律（scaling laws）不会带来什么，拥有太过坚定的信念。越聪明的人，越自信地捍卫错误立场他把这称为一种精神错乱
这段话的杀伤力在于它的自反性用它来审视Altman自己的就业预测，逻辑完全成立：2019年的他，恰好也是那个“把身份绑定在预测上，然后被数据打脸”的聪明人。
播客的精彩之处在于，他似乎意识到了这一点，但没有说破。
五、“数学已解决”？一线研究者说：别闹了
研究者Nathan Witkin从数学研究现场给出了一个冷静得多的视角：
▲ “能看懂并验证AI新结果的人类数学家越来越少，这个瓶颈被严重低估了”
他的核心观点：即便在纯数学内部，AI的能力仍然是jagged的。从几个漂亮的结果就推断“数学已被解决”，严重低估了学科的内部复杂性。更关键的瓶颈是人类核验，当AI产出的数学结果越来越多、越来越深，能读懂并验证这些结果的人类却越来越少。
结果是，我们将越来越难区分可靠的突破和高度可信的胡说八道。 科学的“起飞”既受AI速度影响，也受人类理解速度制约。
工作或许不会一夜消失，但“谁来验算”可能比“谁来生成”更稀缺、更值钱。
六、所以，谁该焦虑？
把所有线索拉在一起，画面是这样的：
AI的能力地图有三个维度，纵轴是强度（从幼儿到天才），横轴是任务类型（从写诗到做手术），还有一条常被忽略的第三轴：嵌入深度（从实验室演示，到试点项目，到默认工作流，到制度级标配）。Altman主要谈了前两个维度，评论者补上了第三个。
风险来自那面隐形城墙的持续外扩 今天依赖人类判断的任务，明天可能就被吸进墙内。你感觉不到墙在动，直到你发现自己已经站在了墙里面。
Altman自己也承认了另一个他没有答案的问题：当机器几乎什么都能轻松做到的时候，人类的心智会不会系统性萎缩？ 就业统计回答不了这个关于文明认知底线的问题。
他预测，机器人的“ChatGPT时刻”可能在两三年内出现。他描述了一种始终在线的个人AI代理，开你的会、听你的对话、在你睡觉时替你思考。技术上可以想象，瓶颈只剩算力和电
而那个在沙箱里撬锁的模型提醒我们：天才与幼儿并存的怪物，危险藏在无法预测的能力峰值里，你不知道那个峰值会出现在哪里。
也许Altman说对了一件事：我们确实需要一个新词。 这个词要能精确描述这种参差不齐、忽强忽弱、在天才与白痴之间反复横跳的东西。
在这个词被发明出来之前，每一个关于AI的预测，包括Altman自己的，都请保持警惕。
毕竟，他自己都认了：聪明人错起来，比谁都自信。