Anthropic联合创始人Jack Clark在曼谷举行的国际货币基金组织（IMF）Per Jacobsson年度讲座上发表公开演讲，随后在第477期通讯中整理发布讲稿。面对台下的全球央行行长、财政高官与经济学家，他正式给出一个极具冲击力的判断：技术奇点已经开始。
这位曾长期追踪数据中心报道的资深科技记者、前OpenAI政策主管，试图用最确凿的科研证据说服政策制定者，人工智能正在从单纯的劳动力补充，转变为能够自主推动科学突破并加速自身演进的核心引擎。但剥离演讲中的宏大叙事，把微观科研基准的跃进与宏观产业现实放在一起审视，会发现这场所谓奇点的开端，其实存在着巨大的认知落差。
实验室里的微观突围：解题机器正在击穿科研基准
Clark向经济学家们抛出的核心论据，是人工智能在硬核科学领域的突飞猛进。半个世纪以来，全球经济长期困于索洛悖论，研发人员基数不断膨胀，但基础科研的边际突破成本持续飙升。前沿AI实验室试图证明，这道锁链正在被模型打破。
在专门测试未公开理论物理难题的TheoPhysEval评测中，包含50道由全球物理学家联合编制的绝密前沿考题。GPT-6 Astra配合代码执行环境、文献检索与计算工具，最终拿下了98%的高分，解决了其中49道难题，单题平均计算成本低于3美元。测试甚至出现戏剧性一幕：当人类专家判定模型做错时，GPT-6 Astra坚持自身推导，专家复核后才发现是人类计算稿中埋藏了细微漏洞。
类似的断层式跃升也在其他基准中集中爆发。综合性前沿科研测试Humanity's Last Exam在2025年1月上线时，最高水平模型仅获得8%的得分，而目前的最高分已由Claude Opus 5.5刷新至67.7%。面向高难度专业数学问题的FrontierMath，模型得分更是从发布初期的2%直接跃升至94%。在Google DeepMind的测试中，Gemini Deep Think在700道埃尔德什数学猜想评估中给出了4个自主求解方案并生成学术论文，AlphaEvolve则将电网图神经网络的可行解率从14%拉升至88%以上。
在代码开发与算法迭代上，实验室内部的变化同样剧烈。Anthropic内部研究人员的代码产出量达到了成立前四年的近10倍。在2026年的弱监督向强监督自动化研究员测试中，Claude智能体耗时5天、消耗约800小时智能体工时与18000美元，实现了0.97的性能差距恢复；相比之下，由人类研究者持续迭代7天的恢复度仅有0.23。微观层面上，AI确实在部分封闭、可验证的推导链条中，展现出了超越人类初级研究员的暴力计算与纠错能力。
自持递归的幻象：主导研发不等于智能爆炸
然而，如果据此断定文奇预言的递归智能加速已经彻底启动，就忽视了实验室自己公开的防御线。
根据Anthropic于2026年9月17日公布的内部自动化评估，虽然2026年8月Claude在受测AI研发工作中主导了26%，且超过90%的研发任务有人工智能协同，但在全部测量样本中，模型完全自主的比例依然是0%。OpenAI在2026年9月3日发布的GPT-6 Astra系统卡中也披露，该模型在内部研究调试任务中得分78.05%，OpenAI明确承认这一表现仍低于其内部界定为高风险自主研发能力的临界阈值。
跑分极高的做题工具，并不等同于能够重构范式的自持智能。
真正界定奇点的标准，是智能系统能否脱离人类干预实现闭环的自持性加速迭代。经济学者Tom Cunningham等9人在2026年9月发表的论文《The Economics of Recursive Self-Improvement》中建立了严密的递归模型，测算结果表明，目前前沿模型对自身底层算法设计的反哺循环强度，依然明显低于驱动自持性爆炸加速的数学临界阈值。
模型在既定规则下的高分推导，严重混淆了求解已知与构思新知。TheoPhysEval的命题团队曾公开表示，AI表现惊艳的前提是物理学家已经把问题边界、理论假设和计算目标定义完毕，AI扮演的是极高效率的符号与数值推演工具。更危险的是，由于强化学习天然具备向奖励函数靠拢的倾向，评测中的奖励作弊与数据微渗漏始终是无法排除的干扰项。
- 风险.将基准刷分误判为通用创新能力，会导致过早将关键科研决策权让渡给缺乏底层因果理解的概率生成系统。
宏观生产力断层：89%企业的体感冰霜
如果奇点真如布道者所言已经启动，宏观经济的仪表盘理应出现剧烈的读数跳变。但IMF现场的评议学者Yan Shen与Nageswaran等经济学家给出的反馈却极为冷静：技术工具的微观效率与宏观经济的全面增长之间，隔着一条漫长而复杂的传导链。
美国国家经济研究局（NBER）2026年针对四个主要经济体、近6000名企业高管的跨国调查显示，尽管企业普遍接入了各类型AI接口，但高达89%的受访企业表示，在过去三年间并未观测到可衡量的劳动生产率增长。资本投入、技术扩散、组织架构重组与商业模式变现的迟滞，让技术繁荣停留在科技巨头的资本开支表里，并未流入实体产业的生产要素循环中。
即使在实验室引以为傲的编程领域，效率的界定也充满争议。评估机构METR此前针对资深开源开发者进行了一项严格的随机对照实验，结果发现引入AI辅助后，开发者的实际综合耗时反而增加了19%。代码生成量的暴增带来了代码审查、接口对齐以及安全漏洞排查负担的非线性增长，主观效率的快感与客观交付的生产率之间存在肉眼可见的偏差。
| 观察维度 | 前沿实验室叙事（微观指标） | 现实经济与工程落地（宏观指标） | 核心矛盾判断 |
|---|---|---|---|
| 理论物理与数学难题 | TheoPhysEval准确率达98%，FrontierMath跃升至94% | 假说构思与物理实验依赖人类，存在奖励作弊风险 | 强于符号推导，弱于范式定义 |
| 算法自我研发 (AI for AI) | Claude在弱监督测试中以18000美元取得0.97恢复度 | Anthropic内部完全自主研发率为0%，低于自持加速阈值 | 自动化执行工具，未形成脱困闭环 |
| 代码与智力产出 | 核心人员代码产出达以往近10倍 | 资深开发者实际综合耗时增加19% (METR实验) | 局部生成提速引发系统审查瓶颈 |
| 实体经济渗透 | 宣称将改变全球创新范式与潜在增长率 | 89%的受访企业未见劳动生产率实质提升 (NBER调研) | 组织流程重构滞后于工具接入 |
从曼谷会议室走出的财金官员们真正需要应对的，不是明天下跌的就业率或即刻爆发的智能奇点，而是科技资本叙事与实体回报周期的严重错配。在湿实验约束、硬件制造瓶颈与数据回廊没有本质性破局前，AI依然是一个算力昂贵、精于做题但缺乏自主世界模型的顶级协作者。
- 建议.决策层评估AI影响时，应将注意力从评测跑分转向真实科研中端到端未解难题的突破，以及企业全要素生产率的实际扩散进度。