Anthropic联合创始人杰克·克拉克于2026年10月17日在泰国曼谷举行的IMF会议上发表了佩尔·雅各布森讲座。他表示，AI已开始在数学、物理学和药物研发等科学前沿领域取得成果，并呼吁经济学家和政策制定者为快速变化做好准备。克拉克认为，“特异点已经开始”，并探讨了如何通过必要的投资共享AI带来的益处，以及何时应有意停下脚步、保持克制。
从写文章的AI，到走进实验室的AI
提到生成式AI，许多人首先想到的应该是创作文字或图像的工具。克拉克在这次讲座中谈的则是更进一步的变化：科学研究。他认为，AI正逐步进入一个新阶段，开始与人类研究人员并肩探索尚未解决的问题。
克拉克提出了科幻作家弗纳·文奇于1993年预言的“技术奇点”概念。如果超越人类的智能推动进步，那么进步本身会不断创造出更聪明的存在，而且所需时间越来越短。这个概念指的就是这种状态。克拉克表示，到了2026年，已有令人信服的证据表明这一进程开始了。当然，“特异点已经到来”是他个人的看法，他也承认具体细节仍有讨论空间。不过，他将这个说法带到国际货币基金组织（IMF）的场合，本身或许就说明，AI话题正在扩展到科技行业之外。
AI会成为研究人员的“得力助手”吗？
讲座中，克拉克列举了多个领域的案例。在数学领域，AI被用于提出长期悬而未决问题的解法；他还介绍了一些案例，其中关键性的灵感来自AI。在生物学领域，AI被用于设计病毒和寻找候选新药；据称，已有AI深度参与设计的药物进入临床试验。在机器人领域，AI正远程自主操作实验设备，并推动电池和燃料电池开发等领域的实验自动化。
克拉克强调，这些并非彼此孤立的技术。在许多应用中，使用的是同一个前沿模型。在他看来，Claude、ChatGPT和Gemini这类系统已经能够在多个科学领域承担前沿工作。
他还表示，软件开发领域率先发生的变化，也将扩展到科学和机器人领域。据克拉克介绍，Anthropic内部研究人员编写的代码量，已达到公司成立后最初四年期间的约10倍。另一方面，编码能力的提升也增强了网络攻击能力，使防御方和攻击方之间形成了竞赛。收益与风险以密不可分的方式同时出现。克拉克将此称为“未来将发生之事的预告片”。
分数所显示的陡峭上升曲线，以及物理学家的亲身经历
为了说明能力增长，克拉克举出了两项测试的数据。他表示，在汇集了难题的测试“Humanity's Last Exam”中，最高得分从2025年1月公开时的8%升至讲座当周的67.7%。他还称，由数学家编制的题集“FrontierMath”，得分从2024年11月公开时的2%升至94%。这些数字是克拉克在讲座中提供的。
一个有趣的故事与理论物理学新评测“TheoPhysEval”有关。研究人员让AI解答全球物理学家收集的50道未公开题目。AI不仅取得了高分，还声称AI一方的专家参考答案有误。重新检查后，人们发现专家计算过程的深处存在微妙错误，且不止一例；每次修正后，AI的得分都会提高，最终达到98%（49题/50题）。克拉克将此作为论文投稿者斯夫拉特·拉朱的评论介绍。
克拉克把这一幕比作电影中弟子让师父承认自己实力的情节，也就是教的人转而向学的人学习的瞬间。他之所以看重这个故事，是因为前沿科学是检验“创造力”的试炼场。在科学领域能够创造性地解决问题，这种能力就可能扩展到许多领域，甚至包括AI研究本身——这是克拉克的看法。
当研究人员数量增至百倍，经济增长会改变吗？
谈到经济增长时，克拉克的主张更加大胆。过去半个世纪，许多国家的研究人员数量不断增加，但研究生产率却一直在下降。这就是所谓的“好点子越来越难找”的问题。如果AI能够充当“虚拟研究人员”，情况或许会有所不同。克拉克以自身经历为例提出疑问：像他这样的人，成长起来花了约40年；如果能同时以数百个、数千个副本的形式工作，又会怎样？
培养一名人类研究人员需要10到15年，成本高达数百万美元。而AI只要有计算资源，就能瞬间按需部署任意数量。克拉克表示，届时每一位人类科学家的重要性都会提高，他们将负责监督数百到数千名虚拟专家。
他介绍了Anthropic自身的一项模拟：假设模型能够自主完成广泛的工作，并迅速在经济中普及，到2030年，美国GDP可能达到44万亿美元。他也承认，这听起来“有些离谱”，但认为只要技术持续进步，这就是由此推导出的结果。这只是在特定假设下进行的测算，并非确定的预测。
发现再多，若没有承接能力，也难以转化为成果
他指出，继算力之后，应当建设的基础设施是实验设备和机器人。他说，过去10年来，他一直敦促各国政府完善电力供应和数据中心建设，但愿意听取意见的政策制定者并不多。如今，美国、中国和中东的数据中心容量日益壮大，而供应链吃紧也推高了价格。
下一阶段是向物理世界拓展。联合国教科文组织估计，全球约有1000万名科学家。他指出，即便是这么多人，研究指导人员、材料科学分析设施、用于试验新药的生物学实验室，以及太空和地面的大型实验装置都还不够。如果虚拟科学家增加到10亿、100亿，会发生什么？他提出的问题十分具体。
这里值得关注的是，他对“发现堵塞”的警告。即便新药候选物如雪崩般涌现，如果能进行试验的只有寥寥数种，意义也会大打折扣。他呼吁政策制定者建立机制，加快将成果从实验室推向临床、工厂和实际应用的速度。即使AI加速了“构想”，如果验证和落地仍维持人类社会原有的速度，瓶颈也不过是转移到了后续环节。
他将这一格局与各国的处境联系起来。在科学基础雄厚的发达国家，AI能够提升研究人员的生产力。至于提供原材料等资源的发展中国家，他认为，建设试验设施、培育科学界，并借此提升自身在供应链中的价值，提供了一个“跨越式发展”的机会。
该让AI做什么，又该理解什么
演讲后半部分的重点从期待转向了选择。AI能够开展科学研究，并不意味着什么都可以交给它。他首先以生物学研究为例，指出这类研究需要最严格的人类监督和透明度。AI研究本身也是如此：对AI主导的研究应当设置多少监督，是Anthropic这类研究机构必须作出判断的领域。AI研究能够加快进步，但也存在失去控制的风险，因此应当谨慎推进。他还表示，有必要完善相关规则。
他还讲述了自己在东京遇到的一名大学物理系学生的故事。AI已经开始承担许多实验工作，那么哪些实验应该亲自做，哪些应该交给AI？他表示自己没有答案，但这是各个领域都必须自行回答的问题。
第二个选择是，我们要在多大程度上理解AI的成果。在数学领域，AI产出的结果已经颇具独创性，甚至需要人类去解读。再过几年，AI还可能进入一个新阶段：发明适应自身工作方式的实验装置。人类是否应该理解这类装置？他表示，这同样是由我们来决定的选择。
区分“能做什么”与“应该做什么”
克拉克回忆说，十几岁时，他曾担心人口增长、气候变化和资源浪费叠加起来会让人类走向崩溃。此后，他亲眼见证了太阳能电池板降价速度快于预期、人类对身体的了解不断加深并由此催生疾病疗法、AI开始用于解读动物叫声，以及火箭实现着陆并重复使用。他说，这些经历让他感受到，技术能够改变人们对未来的判断。他表示，这也是他投身AI领域的原因。
另一方面，AI本身也蕴含着危险。他呼吁为这项技术及其开发企业制定前所未有、力度十足的规则，并强调需要人类最难具备的品质之一——“克制”。他的立场是，一边完善基础设施，一边调整技术本身的开发速度，谨慎推进。
最后，他引用了卡尔·萨根《暗淡蓝点》中的一段话，大意是：有朝一日抵达其他星球的人类，“会与我们非常相似，但优点更多，缺点更少”。萨根设想这种成长需要几十万年，而克拉克表示，“我们必须在几年内做到”。如何同时增强加速研究的能力和适时停下来的判断力，正是眼下的问题。
コメント