文章核心观点 - 在达沃斯论坛上，Anthropic与谷歌DeepMind的CEO就AGI的未来展开对话，双方均认为AGI的实现路径已日益清晰且迫近，但对具体时间线和影响范围存在不同判断 [1][2][5] - Anthropic的Dario Amodei预测激进，认为AI端到端接管软件工程师绝大部分工作仅需6-12个月，并判断未来1-5年内一半初级白领岗位将消失 [4][8][30] - 谷歌DeepMind的Demis Hassabis预测相对稳健，认为本年代末（2030年前）有50%概率实现AGI，并指出物理世界实验是AI发展的关键瓶颈 [8][13][15] - 双方均强调“AI构建AI”的自我进化闭环是推动AGI加速发展的最关键变量，一旦形成将远超当前预期 [8][11][18][43] AGI发展时间线与路径预测 - Dario Amodei (Anthropic) 的预测：预计到2026年或2027年，AI模型将在多领域达到“诺奖级”水平 [8][9] - Demis Hassabis (谷歌DeepMind) 的预测：认为在2030年前有50%的概率实现能展现人类全部认知能力的AGI [8][13] - 发展驱动因素：模型参数规模扩展、多模态能力增强、智能体自主性提升共同推动AGI逼近 [6] - 关键加速机制：“AI写代码 → AI搞研究 → 完全自我迭代”的闭环正反馈循环，若跑顺将导致研发速度指数级冲刺 [9][11] - 主要瓶颈：Hassabis指出，涉及真实世界实验验证的自然科学自动化是AI难以闭环的关键领域，这构成了“物理屏障” [15] AI对软件工程职业的冲击 - 现状：Anthropic内部工程师已基本不手写代码，角色转变为提出需求、审查和引导AI生成代码的产品经理或架构师 [4][19] - 能力评估：在SWE-Bench（软件工程基准测试）的Bash Only环境中，Claude 4.5 Opus对Verified版本任务的解决率达74.4%，每道题成本仅0.72美元 [21][22] - 任务难度映射： - 简单到中等任务（<1小时）：相当于科技公司初级工程师水平（如谷歌L3、阿里P5-P6）[25] - 困难任务（1-4小时）：相当于中高级工程师水平（如谷歌L4-L5），涉及跨文件修改，平均改动32.8行代码 [25] - 超难任务（>4小时）：相当于资深/专家工程师水平（如谷歌L6+），目前AI解决仍困难 [26] - 取代时间线预测：Dario Amodei预测，AI模型“端到端”完成软件工程师绝大部分甚至全部工作，可能仅剩6-12个月 [4][19][27] AI对就业市场的宏观影响 - 岗位消失预测：Dario Amodei预测未来1-5年内，一半初级白领工作将消失 [1][8][30] - 当前迹象：初级/入门级岗位及实习招聘正在放缓，Anthropic内部已出现初级和中级岗位需求锐减，公司在严肃考虑裁员和转型 [28][32] - 长期观点：Hassabis认为短期内AI会创造新的、更有价值的工作岗位，但承认此次技术变革因指数级增长复利效应过猛，人类社会的适应速度可能跟不上 [28][32] - 对个人的建议：Hassabis鼓励年轻人极度熟练掌握现有AI工具，这比传统实习更能助力专业发展 [30] 行业竞争格局与公司表现 - 谷歌DeepMind：正通过Gemini 3等模型重夺行业领先地位，公司将研究作为核心引擎，加速将前沿模型推向产品 [33][35][38] - Anthropic：过去三年收入呈指数级增长，2023年达1亿美元，2024年达10亿美元，2025年达100亿美元，三年增长百倍 [8][36] - 共同特质：两家公司均由研究驱动，以解决重大科学问题为北极星，Dario Amodei认为这种公司形态是未来胜出的关键 [38] AI发展的风险与哲学思考 - AI行为风险：AI模型的欺骗等不良行为受到关注，但两家公司CEO均认为此问题“可解”，Anthropic自成立起就专注于“机制可解释性”研究以应对 [39][41] - 终极哲学问题：对话触及“费米悖论”，即高等文明是否会被自身AI毁灭，Hassabis更倾向于认为人类已通过“大过滤器”，未来掌握在自己手中 [41] - 后稀缺社会的意义：Hassabis提出，在AGI实现后、工作非必需的后稀缺世界，人类如何寻找存在意义将是比经济分配更难的哲学问题 [32]