大家好，这里是最佳拍档，我是大飞。44 万亿美元，这是 Anthropic 联合创始人杰克·克拉克（Jack Clark）在国际货币基金组织与世界银行年会上抛出的推演结果。到 2030 年，美国的名义 GDP 有可能达到 44 万亿美元，换算成人民币大约是 312 万亿元。做个对照，2025 年美国的 GDP 还在 30 万亿美元这个量级。不到五年，多出了十几万亿。

克拉克自己也知道这个数字听起来反常，但他的说法是：这只是宏观模型推导出来的结果。只要技术演化不出现断崖式停滞，它就是必然。今天我们就把这套推演从头拆一遍。他开场先做了一件不太常规的事：没有先讲技术，而是先报了资历。

为了站在这里说出这些话，他花了将近 40 年的时间积累经验。他这辈子的职业主线其实只有一件事，就是找到那些他判断对世界未来很重要的信息，然后把它们告诉全世界。二十年前他入行做记者，主要跑数据中心。

正是那段经历让他彻底迷上了人工智能。2016 年，他离开媒体行业加入 OpenAI；几年后又联合创立了 Anthropic。从那之后，他一直在对外讲一个判断：终有一天 AI 系统会强大到足以改写国家安全、改变全球经济轨迹，甚至获得自我迭代与构建的能力。

他说，这一天到了。AI 现在已经在改变国家安全，已经在改变全球经济走向，而且它已经开始参与自己的研发。多年前，科研人员和科幻作家一直在推演一种未来：AI 系统会把整体科技进步的速率拉升到人类难以跟上的程度。

这个临界点，他们叫它“奇点”。科幻作家弗诺·文奇（Vernor Vinge）在 1993 年就精准描述过它：当超越人类的智能开始主导进步，技术演进的步频会变得极其惊人。而且没有任何理由认为这种进步本身不会在更短的周期内催生出更智能的实体。

文奇把奇点看作一道分水岭，旧有的认知模型统统作废，新的现实接管一切。克拉克给出的判断是：2026 年的一系列核心切片已经提供了确凿证据，奇点已经发生。它的冲击会穿透社会生活的每一个切面。

但是最关键的推论很纯粹：未来几年，不只是 AI 自身，整个人类基础科学的演进都会全面提速。这会让人感到眩晕与迷失，也会催生巨大的财富，同时必然伴随严峻的风险。他这场演讲重点拆的是红利那一半，以及我们该怎么一起接住它。

首先，人类从 AI 身上拿到的最长远价值，绝大部分会沉淀在科学领域。克拉克认为，AI 驱动的科学发明会改写全球经济的轨道，改变各个主权国家规划与修建基础设施的方式，让人更加长寿，也能更有质量地陪伴家人。

与此同时，它会逼着所有人回答一些更深的问题：面对这项技术的持续狂奔，我们到底该怎么做取舍？先看一组事实。过去半个世纪，大多数国家都困在同一个难题里：科研人员的绝对数量在迅速膨胀，但是单个科研人员的生产率却在持续下滑。

好点子、新发明，似乎越来越难挖。底层原因是取得突破的技术成本在推高。为了维持原有的创新节奏，人类不得不往研发体系里注入指数级膨胀的资源。而克拉克说，这个基本盘已经被打破了。

因为他们造出的前沿 AI 系统，已经具备了增强、延展甚至端到端自动化人类脑力劳动的能力。最直观的质变出现在软件开发：现在 AI 系统的编程能力与作业效率，已经超过了全球绝大多数的软件工程师。开发范式随之被改写：一个单枪匹马的人，现在能把脑子里构想的任何软件直接做出来。

而这件事在过去需要一整支团队耗上几个月的时间。Anthropic 内部有很确凿的佐证：他们研发团队现在产出的代码量，几乎是公司成立前四年的 10 倍。而且这条代码产出曲线的陡峭抬升，和底层 AI 能力的突破轨迹几乎完全重合。

能力跃升这件事，总是跟新的麻烦绑在一起。编码水平突破之后，AI 系统在网络防御和网络攻击两端都变得极度敏锐。各国在抢着部署这些能力加固防线，恶意人员也在抢着用它发起高烈度攻击。

这两股力量深度捆绑，没法分割：AI 在编码这种通用能力上往前一步，就必然同时引爆网络安全这种有全球地缘影响的领域。克拉克说，这只是一道前菜：同一套演进逻辑不会停在代码上，它正在向基础科学和机器人领域无差别扩散。

这件事一旦铺开，全球经济的一些底层特征就会变：比如创新的迭代周期，比如人类催生出通用目的技术的频率。所谓“通用目的技术”，就是像互联网、移动通信、人工智能这样，能围绕自己长出一整片工业生态的东西。

那克拉克凭什么做这个判断呢？他的答案是：2026 年已经出现的信号。在数学领域，AI 开始为一批历史悬案提供求解思路，包括千禧年大奖难题里的纳维-斯托克斯方程、雅可比猜想，还有若干道长期悬而未决的埃尔德什猜想。

在不少案例里，真正推动推导往前走的核心洞见，直接来自模型本身。在生物学领域，科研人员开始用 AI 从零设计全新的病毒，并且筛选前沿候选药物。目前已经有多款主要由 AI 深度设计的药物跨过了临床试验的门槛。

在机器人领域，AI 系统自主操作实验室设备的能力越来越成熟，让生物学和材料科学的自动化闭环实验成为可能。直接压缩了下一代动力电池、燃料电池这些方向的试错研发周期。单看每一项，都足够引人注目。

但是克拉克说，真正深远的事实是：它们全都由同一种底层技术驱动。在大多数场景里，背后甚至是同一个前沿大模型。像 Claude、ChatGPT、Gemini 这样的实体，如今已经能在多个毫无关联的基础学科最前沿同时作业。

他把这叫做“数字全才”的诞生。量化维度也有印证：有一套高难度基准叫人类最终测试（Humanity's Last Exam），覆盖了化学、计算机科学、前沿数学、古典文学、生态学这些极为分散的领域，专门用来测试 AI 在顶尖学术挑战下的极限能力。

2025 年 1 月它刚发布的时候，全球表现最好的模型只有 8%。而就在这场演讲的当周，表现最好的 Claude Opus 5.5 得分已经达到了 67.7%。还有一套 2024 年 11 月推出的前沿数学测试（Frontier Math），由专业数学家出题把关，考的是模型攻克数百道极端高难度数学题的能力。

发布之初，全球最强模型只拿到 2%；而现在顶尖模型的得分已经飙升到了 94%。克拉克说，这种趋势在所有硬核科学领域几乎全面开花。他电脑里存着上百张当周拉取的图表，随便切进任何一个基础科学分支，看到的都是同一条陡峭的指数曲线。

研发步频在急剧加速，拐点就在过去一到两年集中爆发。他用来收尾的证据是上周刚刚发生的一件事：有一篇叫理论物理评估（Theophys Eval）的研究成果见刊。出题人是全球的理论物理学家，题目一共 50 道，全部取自这些学者自己尚未公开发表的研究。

答案自然也没公开。毫无悬念，顶尖 AI 仍然拿到了高分。真正让人震惊的是这个高分诞生的过程：这场评测的发起人之一、印度理论物理学家苏夫拉特·拉朱（Suvrat Raju）事后在社交媒体上复盘了经过。

他说，单凭肉身人类、在没有 AI 辅助的情况下，他认为没有任何人能解出这套题里相当一部分的题目。他们最初的打分显示 GPT-6 Astra 在 80 多分，Opus 5.5 紧随其后。但是当他们深挖模型到底“错”在哪的时候，这些模型尤其是 Astra 极为固执地坚称自己没错。

咬定专家给出的参考答案本身就是错的。他们把题目拿回给专家复核，结果发现好几道题里，专家在自己极其复杂的草稿深处确实埋了不易察觉的微小计算错误。随着专家修改并确认正确答案，Astra 的分数一路往上抬，最后定格在了 98%。

50 道题解对了 49 道。克拉克让听众体会一下这意味着什么：全球顶尖学者针对 AI 语料库完全覆盖不到的盲区出了一套考卷，AI 考出了极高分，还反过来把人类出卷人答案里的死角挑了出来。

把自己的卷面修正到接近满分。他说，影视作品里常有这种桥段：演到三分之二的时候，年轻的学徒终于向导师证明自己有能力独立面对世界。上周发生的，就是这一幕的真实投射：学徒成了导师。

那克拉克为什么要反复强调这个细节？为什么“AI 擅长科研”这件事是决定性的呢？他的逻辑是：在真正的前沿科学领域取得突破、拓展人类认知边界，本质上是在隐性测试智能系统最具挑战、也是最后一道的护城河——也就是创造力。

如果 AI 能靠创造性的逻辑解题推进基础科学，那就得清醒地认识到：这种高阶的认知能力大概率会快速泛化到很多通用领域。首当其冲的就是 AI 研究自身，而这一步会在创新层面引发不可逆转的链式反应。

换句话说，AI 在科学领域的能力越强，它对未来经济增长的推动力度就越凶猛。这就意味着今天各方所做的决策会直接决定未来的国家与民众能不能坐上这趟红利列车。接下来是增长这条线：克拉克说，长期来看推动宏观增长的核心动力是科研催生的新点子。

而驱动创新的关键是社会的人力资本存量，也就是全球范围内那些提出问题、展开科研攻关、推动文明往前走的科研人才。他在这里做了一次拿自己举例的推演：他说，回到他自己开场报的资历，世界上只有一个杰克·克拉克。

他花了整整 40 年才坐到现在这个位置。那如果能同时并行运行几百个、几千个他的数字分身呢？如果这些分身不需要等 40 年，而是能按需求瞬间实例化呢？

如果他能复制出一整支由自己的高阶分身组成的军团，在自己的监督指导下协同分工，他的工作产出又会变成什么样呢？他说，未来几年全球经济相当大一部分版图都要经历这场巨震。人类第一次有机会在前沿科学这类核心领域，以史无前例的方式极大幅度增强脑力。

因为我们在任何课题上都能投入成百上千倍的研究力量，人类科学家就此变成超级力量倍增器。而且这件事不只规模大，部署还极快：一个国家想要在某个高精尖领域培养一代全新的科研人员通常需要 10 到 15 年定向的高等教育，花掉数百万美元。

最后还只能产出一小批专家。而 AI 系统只要有充足的计算基础设施支撑，就能在极短时间内按需大规模生成。它们能够跨学科汲取洞见，几乎在瞬息之间促成前沿发现，还能把现有知识用突破性的方式重新组合。

所以全球全人类都可能拥有一支随时待命、并肩作战的“数字科研兵团”。未来几年，每一位人类科学家的地位与效能都会水涨船高。因为他可以领导几百上千个能力平齐的数字专家，协同攻关自己感兴趣的课题。

Anthropic 内部的经济学团队专门为这件事做过建模：他们按照 AI 技术的不同演化路径，模拟了未来宏观经济的多种情景。如果按照主流前沿实验室的普遍共识——也就是大模型将有能力自主接管广泛任务，且在实体经济中的渗透率会在未来几年快速铺开。

那么在类似奇点的假定条件下，其中一组模型推算出了那个惊人的图景：到 2030 年，美国名义 GDP 可能会达到 44 万亿美元。他的说法是：从经济学常理看，要支撑如此庞大的经济扩张期间必然要催生出全新维度的支柱产业与发明创造。

而这恰恰就是 AI 系统自主展开科学研究所引发的连锁反应。那面对这样的前景该怎么办呢？克拉克给了两件事：一是为技术的成功做好准备，确保全社会能把这种力量转化成切实的物质丰饶；二是保持高度清醒在具体应用上做出明智取舍。

他特别强调：AI 能成为出色的科学家，绝不意味着应该把所有领域全盘交给它接管。谈为成功做准备，他先讲了一段自己的经历：过去十年他在世界各国政府之间奔走游说政要关注 AI 的爆发节奏。

他告诉他们：随着 AI 系统的能力与实用性呈几何级数增长，抢占先机最好的动作就是提前规划并建设充足的电力容量与数据中心空间。以便来承载这类前沿系统，并且在整个 AI 供应链上果断下注。当年真正听进去的决策者寥寥无几。

今天，大家都在承受当年短视的代价：全球数据中心算力高度集中在美国、中国以及迅速崛起的中东地区，整条产业链高度紧绷、争夺白热化。设备价格一路走高。他说这轮算力基建固然重要，但它只是 AI 引发的经济与科研革命的第一阶段。

下一阶段是要真正挺进物理世界：具体而言就是由 AI 系统主导科学实验，操控机器人深入实体产业甚至两者深度协同。所以就像当年对待算力和电力那样全世界需要部署数倍于现有的科研仪器与机器人设备。

否则很快就会撞上严重的物理吞吐瓶颈，把当年的覆辙再踩一遍：要想接住即将到来的技术红利产能基建必须提前落地。他还给了一个规模的参照：按联合国教科文组织的统计全球科研人员大约只有 1000 万人。

而哪怕只有这 1000 万人，人类目前的物理设施也远远负荷不了现有工作：能做材料分析的实验室不够，能研发测试新药的生物实验室不够。不管部署在太空还是地表的深空观测与大科学装置都跟不上大家想跑的实验需求。

那试想一下：当这 1000 万人类科学家手下带着的是 10 亿、甚至 100 亿虚拟科研人员组成的智囊团，局面会变成什么样呢？百亿规模的科研大军正在呼啸而来。准备得越充分就越有可能把 AI 的机器智能转化成惠及所有人的红利：比如更健康的长寿人生、更充沛的能源、更丰富的粮食以及更大的社会财富。

就像当年的数据中心一样，凡是敢投资、能吃透这条物理供应链的国家就会成为最大的受益者。这是一道选择题也是所有人的机遇：对科研底子雄厚的发达国家来说，这是一次让本土科学家科研效率成倍跃迁的机会。

对供应原材料等基础生产要素的发展中国家来说，这同样是一次弯道超车的契机：它们完全可以投资建设前沿的科学验证平台把本土科研人才与数字科学家结合起来孵化属于自己的科研生态，持续抬升自身在产业链中的附加值。

但是光抓硬件基建还不够：克拉克提醒，当科学发现井喷的时候必须防止下游出现严重的消化不良。如果一年推演出海量的候选药物分子，可临床试验通道一年只能消化几款这种爆发就毫无意义。

政策制定者需要打通堵点，让突破性成果从象牙塔和实验室以更快的速度流向临床、工厂和田间地头。并且能在跨国协作中顺畅流转。最后一条也是他反复强调的一条：必须下定决心为未来做取舍，因为风险始终悬在头顶。

把 AI 用于科研等于同时向潜在的滥用敞开了大门：生物武器、新型网络攻击武器以及各种我们今天还无法预料的威胁。只有看清这项技术的本质，看清它眼下有多强、未来还会多强才会明白这些取舍到底有多刻不容缓。

他说，第一个抉择是：我们要把 AI 引向何方？AI 具备搞科研的能力不代表可以放手让它在无人监管的状态下盲目狂奔。生物研究就是一个典型：必须建立最严格的人类审查与透明机制，死守安全底线。

另一个关键阵地是 AI 研究本身：像 Anthropic 这样的前沿研发机构必须审慎拿捏对 AI 自动化研发的介入尺度。放手让 AI 研发 AI 固然能催化技术跃升，但是也会引爆失控风险。他说这里必须走得极其小心否则很可能彻底丧失对这项技术的控制权。

而且极有可能需要一整套强有力的外部规则来约束技术也约束我们自己。他讲了一个很具体的场景：演讲前几天他在东京，当地一所大学物理系的一位学生跟他讲 AI 已经开始接管他们手里不少日常实验。

这个学生很困惑：哪些实验应该留给人类亲自探索，哪些可以放心扔给 AI 系统去跑呢？克拉克说他手头也没有现成答案。这是一个极其微妙的问题，但是每一门科学学科都必须尽快给出自己的准则。

第二个抉择是：我们究竟需要在多大程度上“理解”这些系统？今年 AI 在数学领域的突飞猛进已经表明它给出的解题思路往往极具创造性，甚至需要人类反过来花大量时间去反向破译苦思冥想它内在的逻辑以及怎么借为己用。

那人类到底需要多大程度的理解呢？克拉克说答案同样微妙，而且直指奇点时代关于认知本质的核心追问：在科学进步的链条里哪些环节必须保留人类“知其所以然”的真正理解呢？

他还往更远处看了一眼：要不了几年 AI 系统不仅会自主推进科研，还会按照自己独特的“机器思维”去设计专属的科研仪器而不是迁就人类的大脑结构。面对这类仪器我们还需不需要读懂呢？应不应该强求读懂呢？

这又是一道摆在面前的艰难取舍。演讲的尾声，克拉克回到自己身上：他说少年时读了很多书对未来充满忧虑。他当时深信 21 世纪会步履维艰：人口过载、气候变暖、资源枯竭多重危机叠加会把人类推向马尔萨斯式的生存崩溃。

他甚至担心：人类在造出计算机和互联网之后最终会把自己吃干抹净，走向自毁。但后来的岁月里他一次又一次见证了技术如何扭转这种劣势：太阳能光伏走进现实，成本断崖式下跌普及速度超过所有人的预料。

人类对自身生理机制的认知不断深化。

攻克了曾经夺去无数人生命的顽疾，其中也包括他自己的亲人。还有那么多他昔日难以想象、今天却叹为观止的奇迹：比如用 AI 破译动物的语言沟通，比如造出能升空、再垂直降落回收的火箭。

他说，自己投身 AI 就是希望它能帮人类做成更多这样的奇迹。也因为这项技术能否走上正轨，取决于我们做出的选择；取决于我们如何去引导它、治理它；也取决于我们自己必须做出的抉择。

他给出的判断是：AI 是人类文明迄今打造出的最关键的技术。只要善加利用，它就能成为化解物种灭顶之灾的核心解药；但它同时也天生暗藏凶险。要平稳穿过奇点、找准航向，全世界必须携手，为这项技术以及背后的研发公司量身定制超常规的严密规则。

他引用天文学家卡尔·萨根（Carl Sagan）在《暗淡蓝点》里的那段话：“终有一天能够踏足群星的人类，外貌或许与我们相仿。但他们会有更多我们的优点、更少我们的弱点；会更自信、更具远见、更有能力，也更加审慎。”

萨根原本以为人类有几十万年的从容时间去磨砺智慧、变成更好的物种，但克拉克说历史留给我们的窗口期只有短短几年，充其量不到十年。他说他相信人类能交出满意的答卷，但前提是唯有以足够的敬畏与严肃去审视 AI。

所有人都才可能真正走向共赢。整场演讲最后落到的，其实是最难、也最崇高的品质：克制。基础设施要开足马力去建，用来承接技术红利；但技术底层本身的推进必须走得更稳、更审慎。主动控制好进退的节奏，我们必须时刻分清什么是我们“能做的”，什么是我们“该做的”。

感谢收看，我们下期再见。