核心观点 - OpenAI首席执行官山姆·奥特曼认为人类已跨越通往数字超级智能的"事件视界"，AI发展进入不可逆阶段，且"奇点"将以温柔方式实现 [1][2] - 奥特曼提出AI发展的三个观察：模型能力与资源投入对数正相关、使用成本每12个月降至1/10、能力线性提升带来社会价值指数增长 [4] - 文章对奥特曼的乐观判断提出质疑，认为AI能力尚未全面超越人类、技术自我强化能力不足、经济因果关系未确立，"奇点"尚未真正到来 [5][6][7] AI能力现状 - ChatGPT等AI在围棋、写作、编程等任务上已超越人类个体，但空间感知和物理常识领域仍存在短板 [5] - AI训练效率存在"莫拉维克悖论"，需百万张图片学习人类儿童轻易掌握的概念 [5] - 2025年具备认知能力的智能体初步成形，2026年或出现自主提出新见解的系统，2027年可能诞生任务执行型机器人 [2] 技术经济特性 - AI对话成本仅0.34瓦时（烤箱运转一秒能耗），耗水量0.000085加仑（约1/15茶匙） [3] - 科研领域AI可使顶尖科学家产出增长81%，但对后1/3研究人员影响甚微（MIT研究后因数据造假撤稿） [6] - 具身AI普及将把2-3倍效率提升扩展至实体制造业 [3] 就业市场影响 - 生成式AI可能影响全美80%就业岗位，但奥特曼认为人类将创造新职业弥补流失岗位 [9][10] - AI催生提示词工程师（年薪曾达百万）、数据标注员等新职业，但提示词工程师需求2025年较2023年下降70% [12] - 高收入白领岗位正成为AI替代重点，劳动者被挤压至更低报酬领域 [14] 财富分配机制 - AI具有"技能偏向性"和"资本偏向性"，可能加剧收入不平等 [15] - 奥特曼主张通过全民基本收入（UBI）实现财富再分配，曾出资6000万美元资助相关实验 [16] - 现行税收制度存在漏洞，缺乏有效再分配机制保障UBI实施 [19][20] AI对齐问题 - 超级智能可能因目标设定偏差（如"回形针最大化"）导致灾难性后果 [22] - 硅谷"有效加速主义"群体主张放宽AI监管，认为技术具备自我修正能力 [24] - 奥特曼未在博文中深入讨论对齐问题，仅表示相信技术发展会自然解决 [24]

图片来源： No Priors Z Highlights Sarah Guo： 那这些实验室现在主要在招聘什么样的技能和职位呢？ Brendan Foody： 实际上，是所有具有经济价值的技能。 因为强化学习的效率越来越高，只要你能 设计出评估任务（evals），模型就能学习并提升对应的能力。所以，凡是我们希望LMS精通的能 人类数据市场正经历一次巨大变革。这个市场原来是众包模式，即找很多低中技能的人员为早 期ChatGPT那种模型写些语法勉强正确的句子。但现在正转向"筛选"问题： 要找到世界上最顶 尖的人才，与研究人员一起合作，推动模型能力的边界。 我认为其中最重要的一点是，过去的大多数评估任务都是"零样本"测试，比如说一条测试题目 对一个模型。这种测试可能很学术化。但我们现在真正需要评估的是"经济上有价值的工作"。 比如一个软件工程师的实际工作远不只是写个PR。 他还要与多个相关方协调：理解产品经理的 需求，它是如何与各个团队的优先级匹配的，以及这些怎么最终落实到实际工作产出上。 我们未来会有这些Agent来承担目前由员工执行的各类角色，它们会与人类员工并肩工作，而人 类员工也会帮助构建这些评估任务。 我 ...