新智元報道

編輯：編輯部

【新智元導讀】2026年點亮持續學習，2030年實現全自動編程，2050年壟斷諾獎級研究……人類向AI讓渡科學主導權的倒計時，似乎已經開始。

一早，谷歌DeepMind研究員重磅預測刷屏全網！

2026年，將會成為「持續學習」之年。

或許它已經在谷歌內部實現了。

此前，Jeff Dean曾在NeurIPS 2025爐邊談話上，指出了目前LLM痛點在於「缺乏持續學習」。

去年底，谷歌團隊提出的「嵌套化方法」增強了LLM上下文處理能力，實現了持續學習。

持續學習，對於任何一個模型和智能體來說，至關重要。它是AI能否自我改進，不斷湧現的一個核心要素。

Anthropic CEO Dario Amodei也表示，持續學習將在2026年就搞定了，並能實用起來。

實際上，AI這種持續學習的苗頭，早已顯現。

Anthropic工程師自曝，過去一個月，自己對Claude Code的貢獻，全部由AI 100%直出代碼。

另一位非技術型程序員Ben Tossell四個月，燒掉30億Token，用Claude Code連造50個項目。

Tossell全程所做的，只是看着AI完成編碼。

這一刻，模型不再通過訓練獲得改進，而是在自編碼過程中不斷進化。

人類不用插手，幾乎0干預，全自動化編程和研究的時代更近了。

OpenAI研究員Hieu Pham預測，2026將見證AI破解一個千禧年難題

2030告別手搓代碼？

前OpenAI研究員揭祕ASI倒計時

全自動化編程（Automated Coder, AC），會不會成為AGI乃至ASI加速到來的關鍵拐點？

前OpenAI研究員Daniel Kokotajlo和他的團隊給出了肯定答案。

他們利用自主開發的AI Futures Model做出了驚人預測：

2030年不僅可能實現完全自動化編程，更有約25%的概率在一年內實現向ASI的飛躍！

團隊認為，AC就像是AGI研發進入自動化加速階段的「開關」。

一旦這個開關被按下，ASI就極有可能快速起飛（25%概率在1年內實現）。

https://blog.ai-futures.org/p/ai-futures-model-dec-2025-update

核心錨點：用METR-HRS外推「編碼時間跨度」

針對 AGI 時間線預測這一爭議話題，團隊認為METR-HRS是目前最適合用於線性外推至超強AI的基準。

具體來說，就是以「能力基準趨勢外推」作為核心方法，利用METR的編碼時間跨度套件（METR-HRS）來設定達到AGI所需的有效算力，並沿着這條趨勢線進行推演。

AI Futures Model 將 AI 軟件研發的自動化與加速軌跡，直觀地劃分為三個階段：

自動化編程

自動化研究品味

智能爆炸

階段1： 自動化編程

首先預測「寫代碼」何時會被完全自動化。

模型對自動化編程器（Automated Coder，AC）的定義非常硬核：

AC可以將某個AGI項目的代碼編寫工作完全自動化，直接替代該項目的整個程序員團隊。

模型的推演起點的依據是METR圖表的趨勢外推，並預估「智能體式編碼時間跨度」達到何種水平纔算作AC。

同時，模型不僅僅盯着曲線，還綜合考量了多重變量：

供給約束是否會導致增長放緩；

AI研發自動化是否會帶來加速效應；

時間跨度趨勢是否呈現超指數級增長；

……

階段2：自動化研究品味

除了代碼之外，模型還追蹤了另一項關鍵能力——研究品味（Research Taste）。

它指的是確定研究方向、挑選實驗、解讀結果以及從實驗中提取知識的能力。

這更像是一種「團隊協作」：寫代碼是執行力，研究品味是方向感。執行力再強，如果方向感跟不上，也只是在跑無效里程。

階段2的目標是預測從AC進化到超人類AI研究員（Superhuman AI Researcher，SAR）需要多長時間。

SAR的定義同樣強悍：

SAR可以將AI研發完全自動化，完全替代所有人類研究員。

這一階段的速度取決於三個因素：

寫代碼自動化能為AI研發帶來多大的加速；

當AC出現時，AI的研究品味已經達到了什麼水平；

AI研究品味的提升速度（即在同樣的進展輸入下，每做一次實驗能帶來多少額外價值）。

階段3：智能爆炸

當AI研發實現完全自動化，模型便進入了最讓人心跳加速的階段：

AI會以多快的速度自我提升，逼近智能上限。

這一階段追蹤的里程碑包括：

超智能AI研究員（Superintelligent AI Researcher，SIAR）：

在頂尖AGI項目中，AI研究員與人類研究員的差距，達到了頂尖人類研究員與中位研究員差距的2倍。

頂尖專家級AI（Top-human-Expert-Dominating AI，TED-AI）：

在幾乎所有認知任務上，至少達到頂尖人類專家的水平。

超級人工智能（Artificial Superintelligence，ASI）：

在幾乎所有認知任務上，ASI與最強人類的差距，是最強人類與中位專業人士差距的2倍。

在模擬推演中，研究人員發現，存在一些軌跡顯示AI可以在數月內從SIAR躍升至ASI；但也存在在智能爆炸階段「啞火」的可能，即需要繼續通過堆算力才能達到ASI。

要想實現最快的起飛，通常需要一個反饋循環：讓AI能力每一次翻倍所需的時間，都比上一次更短。

在此，模型提出了一個關鍵概念——「僅靠研究品味的奇點（taste-only singularity）」：

速度的翻倍完全來自於研究品味的提升，而非算力增加或代碼能力的提升。

這一奇點是否會出現，將取決於「創新想法變得越來越難挖掘的速度」與「AI研究品味提升速度」之間的博弈。

Nature

2050年，AI扛下諾獎級研究

如果說AI Futures Model描繪的是AI自身進化的「速度」，那麼Nature最新的展望則向我們展示了這種進化將如何重塑科學探索的「廣度」。

儘管時間線難以精確鎖定，但科學界對終局的共識逐漸清晰：

到2050年，AI系統或將成為「諾獎級」科學研究的主力軍。

常駐牛津、《超級智能：路徑、危險與策略》的作者Nick Bostrom預計，AGI將2050年前後出現，並具備回答「我們當前關心、且原則上可以由科學回答的大多數問題」的能力。

即便沒有所謂的超級智能全面主導，到了2050年，AI也可能讓科學研究的方式發生根本變化。

對此，倫敦研究與前瞻公司Outsmart Insight聯創Alex Ayad描述了一種名為「黑燈實驗室」（lights out labs）的場景：

由AI算法驅動的自主系統，結合機器人實驗員，能夠24小時不間斷地攻克生物技術難題。

在此期間，完全不需要人類在場，故名「黑燈」。

而這，也將催生一個完美的「共生循環」：

新技術催生新的科研方式，新知識反過來推動更新、更強的技術，從而不斷解鎖新的科學領域。

在此基礎上，墨西哥國立自治大學物理學家Juan Carlos Hidalgo給出了一個樂觀的預測：

在AI的輔助攻堅下，到2050年，核聚變能源成熟的前景「相當可期」。