前OpenAI研究员改口：超级AI研究员或明年出现，时间表提前
AI研发提速，超级AI研究员时间表大幅提前
编者按：这篇文章来自微信公众号“新智元”（ID：AI_era），作者元宇，创业邦获授权转载。
时间表被往前拨了。
11月11日，前OpenAI研究员Daniel Kokotajlo在X上转发团队的新预测，他说：“我感到恐惧、悲伤和愤怒。”
在他看来，智能爆炸到头来恐怕还是会在2027年出现：若METR的判断站得住，AI推动研发提速这一点，就比《AI 2027》原先推演的时间早了大约五个月。
AI一旦开始帮人类研发下一代AI，哪怕是最激进的那批预测者，也可能把模型进步的速度估低了。
不到三个月，《AI 2027》背后的预测团队AI Futures Project就把超级AI研究员（SAR）问世的时间点调到了明年。
要知道，团队里最乐观的Daniel Kokotajlo此前谈到“2029年前出现超级AI研究员”，给出的概率也只有五成。
11月10日，AI Futures Project发布了新一轮预测（Q3.5）。
几位署名作者看法一致：只要前沿AI研发没有明显主动放慢脚步，超级AI研究员很可能2027年就会登场。
让他们改变判断的最主要依据，来自独立评估机构METR针对Anthropic做的一次调查。
METR用11周时间调研Anthropic，翻查内部数据，也访问了员工，最后估出一个数：
自2025年10月起，Anthropic内部模型的基准分增速，是以往的1.9倍。
按这一估算，Anthropic的模型在这组测试中一年的涨幅，差不多抵得上过去近两年的增长。
跑分涨速接近翻倍，AI出了多少力？
这份报告由METR在11月5日发布。
要衡量Anthropic的模型进步有多快，METR用了一个内部指标，名叫AECI。
这个指标把多项测试的成绩加总成一个分数，多数测试目标明确，结果也可以核验。
METR估算，从2025年10月起，这一总分的上涨速度约为原来的1.9倍，95%置信区间是1.5到2.8倍。
2025年10月前后，模型综合得分的年增幅由约15分提高到约29分。（图源：METR）
题目难度怎么估，同样会左右结果。
METR换上几种假设重新计算，得出2025年10月之后的涨分速度约为之前的1.1到2.9倍。
不同算法算出的增速并不一致，但趋势摆在那里：分数涨得比以前快。
分数为什么涨得更快？
METR逐一考察了训练算力、招人、数据和算法的变化，结论是训练算力增速的变化解释不了这次提速。
不过，支撑这个说法的具体证据，公开版报告里并没有保留。
AI到底出了多少力？METR的说法是，这一比例同样在变。
2025年底提速刚露头那阵，AI以外的因素大概也掺了一脚。
到了2026年10月，METR的估算是：比过去快出来的那一块，约八成可能由AI贡献。
需要说明，这个「八成」出自METR自己的判断。报告写的是「We guess」（我们推测），也点明其中不确定性不小。
图中展示AI和其他因素各自对模型提速的拉动：橙色是AI额外带来的加速，灰色则是尚未细分的非AI因素。
AI具体在哪些环节搭了手？
一位接受访谈的研究员举了个例子：过去有些想法，单是写代码、把实验跑通，就要耗掉一两天。
有了AI搭把手，他更愿意多铺几个方向去试，看哪条路走得通。
还有受访研究员提到，实验代码的编写、实验过程的盯守，以及一些从前要费很大功夫才能完成的测量，AI都能接手。
个别人干脆一次把十个想法丢给智能体，让它去实现、去测。
写代码、跑实验，AI就这样参与到下一代AI的研发里。
AI Futures Project的新测算则显示，这种提速或许比《AI 2027》原先推演的时间点更早到来。
AI研发提速，可能比《AI 2027》推演快了5个月
《AI 2027》在2025年4月发布，其中就推演过AI如何参与下一代模型的开发。
按照那份设定，虚拟公司OpenBrain要拿到同样多的算法进展，不用AI要一周半，用上AI只需一周。
问题在于，算法进步并不等于模型进步的全部。
一项改进从实验里跑出来之后，还得进入下一轮训练，才会反映到新模型的能力上。
这回AI Futures Project拿METR的估计往前推：到2026年11月初，单是AI带来的那部分提速，就可能把模型整体进步的速度抬到历史水平的1.7倍。
为了弄清这样的速度在旧情景中何时才会出现，团队用模型把《AI 2027》的大致走势复现了一遍。
结果是，同样的1.7倍速，要等到2027年4月前后才够得上。若11月初的估计站得住，模型进步速度达到1.7倍的时间就比旧情景早了约五个月。
这一结果也超出了团队不到三个月前的预想。
即便拿当时最乐观的预测模型来算，AI在2026年11月就把模型整体进步速度推到历史水平的1.7倍及以上，概率也不足4%。
超级AI研究员，要自己决定研究什么
METR这份报告一出来，AI Futures Project就把超级AI研究员的时间表往前提了。
他们给出的定义里，超级AI研究员得先能独立扛下一个前沿AI项目的全部编程活。
光会写代码不够。挑研究方向、设计实验、读懂结果，这些环节上它得有顶尖人类研究团队那样的判断力。
代码写完了，下一个想法试哪个？实验砸了，是接着挖原因，还是掉头换路？这类没有标准答案的抉择，得AI自己拍板。
那这道门槛，AI究竟哪年能迈过去？
还是同一份报告，三套算法给出的时间点相差一年多。
第一套算法先设定一个前提：AI已把模型迭代速度拉到历史水平的1.7倍，再考虑它日后会揽下更多研发任务。
这套模型算出的中位数落在2027年2月，也就是说，超级AI研究员在该时点前出现的概率大约五成。
第二套算法顺着模型在测试里的提升速度外推，看它何时能拥有顶尖研究团队的判断力，得到的中位数是2027年7月。
第三套算法拿Anthropic员工自报的效率提升做依据，推出来要到2028年年中。
Anthropic删掉的关键证据有哪些？
METR在报告开篇就写明：在他们看来，对判断核心结论最有用的那部分证据，大多被删掉了。
报告还附了一张对照表，逐项列出Anthropic向METR交了什么内部材料、哪些结果进了公开版。
内部模型的跑分走势是公开了，可算法进步的估算和关键研发投入没露。AI对研发提速的贡献，公开版也只摆出部分证据。
按双方事先的约定，Anthropic有权删掉非公开信息，METR则可以把哪些结论靠这些材料撑着点出来。
Anthropic的说法是，这些机密一旦公开，别的开发者可能借机加快自家AI研发。
删完之后，外面还能验证哪些结论？
AI Futures Project提到，跑分增速约为原先的1.9倍，这一点有公开曲线作证。
可「额外提速里约八成来自AI」这个说法，以及由它推出的1.7倍，公开证据就单薄得多。
这两个数字靠不靠得住，外界更多得看METR对内部材料的评估。
11月5日，METR又发布了针对Anthropic 8月风险报告的复核。
在自动做研发直接引发灾难的风险上，METR和Anthropic都判断当时还偏低。双方也都倾向于认为，那时的研发提速尚未碰到Anthropic设的预警线。
分歧在于，METR觉得Anthropic的公开报告把当时的提速幅度说小了，实际提速说不定已经触线。
往后要看两件事：AI帮研究员更快写代码、跑实验，能不能让下一代模型早点交付；这个更强的模型下场做研发后，又能不能把再下一轮的周期压短。
只要这种提速能在每一代模型上叠加下去，超级智能（ASI）的现身时间就可能提前。
参考资料：
https://blog.aifutures.org/p/q35-timelines-update-looks-like-the
https://metr.org/blog/2026-11-05-anthropic-ai-rd-acceleration-assessment/
https://ai-2027.com/
