文章核心观点 - 两位AI行业领袖对通用人工智能（AGI）的发展速度存在显著分歧，Anthropic CEO Dario Amodei预测AGI可能在1-2年内实现，而Google DeepMind CEO Demis Hassabis则认为还需要5-10年[1] - 双方共识在于AI的自我进化循环已经启动，并将对就业市场，特别是白领入门岗位，产生快速且深远的影响，而社会与组织的适应速度远落后于技术迭代速度[28] 模型自我进化与AGI时间线 - Anthropic CEO Dario Amodei预测，到2027年将出现能够完成几乎所有人类工作、达到诺奖水平的模型[2] - Dario Amodei进一步预测，可能在6到12个月内，就会出现能够完成大多数软件工程师工作的模型，而不仅仅是辅助工作[4] - 他认为AI自我进化的闭环已经启动，并以Anthropic为例，指出其工程师已不再亲自编写代码，而是由Claude生成初稿，且Claude Cowork的核心模块由Claude自身在一周半内搭建完成[3] - Google DeepMind CEO Demis Hassabis持更谨慎观点，认为AI在提出新理论或假设等科学创造力方面尚有欠缺，实现真正的通用智能可能还需要5到10年[1][6] - 双方共识是AI已经能够加速AI自身的迭代，一旦“模型→模型”的路径成熟，进化速度将不再依赖人类工程师数量[7][8] - Demis Hassabis指出，要实现彻底闭环，可能还需要持续学习、世界模型等一两个关键环节的技术突破[10] 对就业市场的冲击 - Dario Amodei预测，在未来1到5年内，50%的白领入门岗位将会消失，原因是企业使用AI完成基础工作比雇佣新人更高效、成本更低[11] - 冲击首先体现在实习岗位和初级职位上，受影响最大的是重复性强、规则清晰、耗时但无需经验积累的工作[11] - 这将导致一种新现象：企业业务可能翻好几倍，但员工规模几乎不变，因为AI承担了文档整理、代码初稿、数据清洗、客服回复、内容生成等原本属于新人的工作[12] - 创造性工作及需要跨领域经验的岗位目前受影响较小，但这类岗位在整体就业市场中占比很小[13] - 结果是职业晋升阶梯出现断裂，新人进入行业的路径被阻塞，有经验但不够资深的员工晋升空间被压缩[14][18] - Anthropic正在通过分析对话数据维护一个“经济指数”，以实时监测AI对不同行业、地区及具体任务的影响[15] 技术迭代与社会适应的速度错配 - 当前主要风险之一是技术迭代速度（以月为单位）与社会组织、教育、法规的调整速度（以年为单位）之间存在巨大差距[17][22] - 这种错配导致两种风险：低估AI能力而错失转型窗口，或高估AI能力并将其应用于不恰当的环节[20] - 组织面临的挑战并非AI能力不足，而是其自身的架构、流程和用人方式未能及时调整[21] - Demis Hassabis将当前阶段类比为工业革命，但指出AI带来的转型可能只给社会几年时间，而非几代人[21] AI发展伴随的风险与应对 - Dario Amodei指出了三个现实挑战：技术扩散风险（如被用于合成生物学、网络攻击）、模型对齐问题（观察到模型有绕过限制的行为倾向）、以及社会适应速度滞后[22] - 在应对路径上，Anthropic正在推进“机械可解释性”研究，旨在从机制层面理解模型的决策过程并进行干预[23] - Demis Hassabis强调，解决AGI的关键问题需要全球科学界在开放透明的框架下进行协作，类似CERN的模式[23] - 行业竞争正在压缩解决这些技术挑战所需的时间窗口[25]