Jack Clark 这次没有发布新模型，也没有替 Anthropic 做产品营销。

在 Import AI 第 458 期里，这位 Anthropic 联合创始人放出了一篇长演讲稿，来自 2026 Cosmos HAI Lab Lecture。背景是 Oxford HAI Lab 与 Cosmos Institute 相关场合。标题大意很直接：探索未来，或者从当下撤退。

这听起来像哲学题。其实是产业题。

Clark 要说的是：AI 已经快到不能再按普通软件处理。继续把它当成“更好用的工具”，人类会在用途、边界和分配上越来越被动。

Clark 讲的核心：AI 进步正在被基础设施锁定

这篇稿子的价值，不在于又喊了一次 AI 很强。

它把一个现实摊开了：AI 能力增长，和算力、数据、训练设施、基础设施投入高度相关。大公司和资本已经把钱砸进去了。部分未来进展，不是灵感来了才发生，而是被投资和竞争提前排进日程。

可以压成一张速读表：

变量Clark 的说法读者该怎么理解
算力、数据、基础设施AI 能力提升和这些投入密切相关进步不是偶然烟花，是被持续喂出来的曲线
巨额训练投入企业已经把未来能力押进设施建设有些进展已被资本开支提前锁定
递归自我改进AI 可能帮助设计更强的后继系统增强 AI 的链条会变短
风险区间AI 可能推动科学跃迁，也可能带来极端灾难不能写成纯乐观，也不能写成末日传单

Clark 用了一个很好懂的比喻：递归自我改进，像一家 3D 打印机公司造出一台机器，它能打印更精细的自身部件，而且不再依赖外部技术升级。

这就是“奇点感”的来源。

不是某一天天空裂开。是改进机器的机器，开始参与改进自身。

Clark 还说，他认为这种事可能在两年内出现，甚至更早。这里必须压住语气：这是他的个人判断，不是行业共识，也不是已经发生的事实。

但这个判断至少说明一件事：他的焦虑不来自“AI 会写诗、会聊天”。他担心的是，AI 研发本身可能被 AI 加速。

这对两类人最直接。

知识工作者不能只盯着“会不会被替代”。更现实的问题是：你的任务能不能被拆成流程、被模型复用、被别人批量调用。

企业也不能只问“买哪个模型最便宜”。采购和部署要推迟一点冲动：先画清哪些任务能交给 AI，哪些环节必须有人签字，哪些数据不能进模型，出错由谁负责。

私人证据更刺眼：AI 从工具变成可复制能力

这篇演讲最有意思的地方，不是宏大预测，而是 Clark 怎么描述 AI 进入自己的生活。

2023 年，他用 AI 查错别字。后来，用它整理 Import AI newsletter 档案，生成研究图表，分析论文和 benchmark。再后来，AI 进入家庭、育儿、婚姻、压力、心理状态，甚至建议他去看艺术展、重新回到治疗。

这条线很清楚：

阶段AI 扮演的角色真正变化
早期查错、润色、整理提高单点效率
研究工作读档案、抓论文、做图表把研究动作流程化
私人生活倾诉、建议、心理支持进入判断和情绪层
长期使用复制习惯、路径和偏好放大一个人的能力结构

Import AI 本身就是例子。

Clark 把自己多年 newsletter 档案交给 AI，让它找出和 AI R&D 有关的内容，再读论文、抓数据、生成图表。过去这类工作可能要花几周。现在，它更像一个可重复调用的技能包。

这不是简单提效。

一个人多年积累的趣味、判断、资料路径和研究习惯，被压成机器可执行流程。它像一个更快、更稳、更不知疲倦的自己。

爽是真的爽。危险也在这里。

能力一旦能复制，稀缺的就不只是知识。稀缺的是方向感、边界感，以及承担后果的能力。

对正在用 AI 的知识工作者，我会给一个很土的建议：别只攒提示词。

更该做的是三件事：

  • 把自己的核心工作拆成流程，看看哪些环节已经可复制；
  • 保留判断环节，不要把结论直接外包给模型；
  • 记录 AI 出错的位置，因为那往往就是你仍有价值的位置。

这不是反 AI。

恰恰相反，越认真使用 AI，越要知道它正在复制你哪一部分。工具进入深水区后，人最容易把熟练误认成掌控。

分水岭不是参数，是谁握住方向盘

我不太买账一种轻飘飘的说法：AI 只是新一代生产力工具，像电力、铁路、互联网一样，慢慢适应就好。

历史确实有回声。铁路改写距离，电力改写工厂，互联网改写信息流。

但 AI 更麻烦。它不只扩展人的手脚，也开始扩展人的判断、研究、表达和决策。它碰的是现代社会最贵的那部分能力。

“天下熙熙，皆为利来。”这句老话放在这里不显旧。

推动 AI 往前跑的，不只是科学好奇心。还有商业竞赛、资本开支、地缘压力和组织生存焦虑。Clark 也承认，如果全球能优雅地放慢脚步，给人类更多时间，可能是好事。

问题是现实不这么走。

公司不愿先停。国家不愿先松油门。投资已经下去，设施已经在建，人才和算力已经卷进竞赛。让所有人同时克制，听起来正确，执行起来极难。

所以这篇稿子的重点，不是 Clark 的两年判断会不会准。

真正的问题是：当更强 AI 已被算力、数据、资本和竞争推着走，社会还有没有能力主动设计它。

设计什么？

  • 用途.哪些场景该快，哪些场景必须慢；
  • 边界.哪些决策必须有人类负责；
  • 分配.收益归平台、公司、个人，还是公共系统；
  • 刹车.模型出错、失控或被滥用时，谁有权停下。

这里也要承认限制。

Clark 的演讲不是一套可执行政策方案，也没有证明灾难一定会发生。它更像一次行业内部的警报：技术成功越快，治理欠账越难补。

接下来真正要盯的，不是某个模型分数多涨几分。

我会看三件事。

第一，AI 是否开始明显参与 AI R&D 本身，比如更强的论文分析、实验设计、代码生成和模型评估。

第二，企业部署有没有从“个人试用”进入“流程固化”。一旦固化，组织会按 AI 的节奏重写岗位和责任。

第三，治理讨论能不能碰到算力、数据、基础设施和责任归属。如果只谈原则，不碰这些硬变量，就是绕开主战场。

Clark 的演讲有一种不舒服的诚实：他看见 AI 可能带来科学跃迁，也没有回避极端灾难场景。他不是单纯喊停，也不是单纯喊冲。

他真正提醒的是：别把方向盘交给商业竞赛和地缘竞赛。

模型继续变强，普通人未必拦得住。但是否还要装作“只是工具升级”，仍然是一个选择。