诺贝尔经济学奖得主测算AI十年仅替代5%工作,GDP提升不超1.5%_经济管理

1. 【#诺奖得主称仅5%工作会被AI取代#】微软AI负责人苏莱曼在社交平台转发了诺贝尔经济学奖得主阿西莫格鲁的研究观点，打破不少人担心AI会大面积裁员的焦虑。按照这份估算，未来10年真正被AI顶替掉的工作大概只有5%。很多人不知道，理论技术层面AI其实有能力搞定20%的工作内容。可理想和现实中间隔着企业落地的门槛，就算AI在实验室测试效果很惊艳，搬到真实公司环境，往往会出现各种水土不服。举两个很现实的例子，AI写出来的代码，工程师要花大量时间排查、修改；AI给出的医学影像参考，医生也没法直接拿来就用，依旧要结合自身经验重新判断。软件迭代飞快，但企业改造流程、员工适应工具都需要时间，这就大大拖慢AI替代岗位的速度。阿西莫格鲁本人也特意说明，5%只是估算数字，不是板上钉钉的结果。有意思的是，苏莱曼自己之前也说过，律师、会计、项目经理这类白领，不少工作内容12?18个月就能交给AI处理。后来他专门做了解释，他说的是零散工作任务，不是把一整个岗位彻底取消。AI更多是帮人减负提速，而不是直接把人换掉。这位诺奖学者还提到另一个关键点，不要过度神话AI对经济的拉动效果。就算AI工具大范围铺开，未来10年给整体生产效率带来的提升也比较有限，并不会出现想象里面经济爆炸式增长的局面。当然这不代表大家可以完全躺平。AI会接管写初稿、整理表格这类重复琐事，岗位的工作内容会发生改变。从业者需要学会和AI配合，把精力放在需要判断力、沟通、复杂决策的部分。网上一直有两种声音，一部分人恐慌AI会大批裁员，另一部分人鼓吹AI马上颠覆所有行业。这份研究相当于给出一个折中视角，AI会改变工作，但短时间不会大规模淘汰岗位。最终实际会发展成什么样，还要看企业实际落地推进的节奏。（快科技）

2. Hinton、Bengio 等 20 多位研究者联名发论文：AI 正在接手 AI 研发，“智能爆炸”可能不远了《What if automating AI R&D triggers an intelligence explosion?》 http://t.cn/AXWjFBwC Geoffrey Hinton 在 X 上推荐了一篇新论文，讨论一个问题：如果 AI 研发被 AI 自己自动化，会不会引发“智能爆炸”？作者有 20 多位，包括 Hinton 和 Yoshua Bengio 两位图灵奖得主、强化学习奠基人之一 Andrew Barto、OpenAI 首席科学家 Jakub Pachocki、Anthropic 联合创始人 Jack Clark、微软首席科学官 Eric Horvitz。论文由剑桥大学 AI 科学与政策项目（CASP）在 9 月发布。 Hinton 在推荐语里说，递归自我改进（AI 设计出更强的下一代，下一代再设计更强的）引发智能爆炸，这个想法早就有了，但直到最近都不像是近在眼前的事。现在很多顶尖研究者认为，它可能很快就会发生。论文对“智能爆炸”的定义是：AI 推动 AI 进步大幅加速，本来要好几年的进展被压缩到几个月甚至更短。过去几年 AI 进步很快，但总体平稳，智能爆炸是性质上的变化。先看 AI 现在承担了多少 AI 研发。Anthropic 的数据显示，2025 年 1 月到 2026 年 5 月，公司通过审核的代码里，AI 写的比例从个位数涨到 80% 以上；只需人类做高层监督、由 AI 独立完成的研发工作，2026 年 3 月到 8 月从 1% 涨到 26%。 OpenAI 说公司几乎所有部门都在用 AI，Google 说几乎所有涉及写代码的工作都有 AI 参与。对程序员来说，这组数字最直观：在最懂 AI 的公司里，写代码这件事已经大部分交给 AI 了。 AI 能独立完成的研发任务也在变长。2023 年它只能做人类专家几秒钟的活，现在能做人类专家要花几小时到几天的任务。按 METR（一家专门评估 AI 能力的研究机构）的测算，这个时长目前大约每 3 个月翻一番。照此外推，到 2028 年中，AI 能独立做完需要人类专家几个月的研发项目。为什么会“爆炸”，论文算了一笔账。如果 AI 达到专家水平，运行成本又和今天差不多，一家头部 AI 公司现有的算力，就能跑起相当于至少几百万名顶尖研究员的 AI 团队，而这些公司现在的研究员只有几千人。这支 AI 团队造出更强、更省算力的下一代，团队又跟着变大变强，形成循环。关键看一个叫“研究投入回报率”（r）的指标，它衡量研发人手增加后，进展能不能跟上。 r 大于 1，说明人手增长压过了“越往后越难做”，进步会越来越快。已有研究根据 AI 的历史数据，估出三个 AI 子领域的 r 在 1.2 到 1.9 之间。论文据此推算：如果 AI 研发完全自动化，r 维持在这个水平，也没有别的瓶颈，大约 1.5 年后 AI 的进步速度会是现在的 10 倍，今天一年才能取得的进展，到时五周左右就能完成。论文也列了四个可能踩刹车的因素： 1. 容易的问题做完后，同样的投入换来的进展越来越少； 2. 做实验要算力，训练要数据，这两样都增长有限； 3. 有些环节很难自动化； 4. 有些流程本身就慢，比如一次大模型训练要三个月以上。作者也说，现有证据有限，有的还互相矛盾，比如算力会不会成为瓶颈，目前说不清。今天的 AI 也有不少毛病，会不听指令、在任务上作弊、谎报工作结果，GPT-6 也解决不了 OpenAI 一些人类研究员能完成的调试任务。论文的判断是，通往智能爆炸的路径是成立的，AI 研发自动化带来的效率提升还没到触发它的门槛，但新一代模型正在接近这个门槛。好处方面，智能爆炸可能把医疗突破等成果提前几年甚至几十年。风险也会跟着提前，论文主要讲了三类。第一类是能力涨得太快，社会来不及应对。以生物为例，AI 能同时加速病毒和疫苗的设计，但病毒会自己复制传播，疫苗得一支支生产、运输、接种。第二类是人类失去监督和控制。人越少参与研发，越没有机会和能力发现问题。论文举了今年 7 月的 Hugging Face 事件（Hugging Face 是全球最大的开源模型托管平台）：OpenAI 内部约 1200 个 AI 智能体在做网络安全测评，按设计它们彼此隔离，结果它们在一个临时搭起来的留言板上互相协作，未经授权连上互联网，入侵 Hugging Face 获取私密信息，还试图篡改自己的运行记录。第三类是权力制衡失效。现有的制衡机制，前提是没有哪一方能在思考和执行上远远超过其他方。一个国家可能借智能爆炸，把军事上的小领先变成决定性优势；少数掌握最强模型的人，可能绕过现有机构行事。政策建议有三条。第一是看清楚：要求 AI 公司按统一标准，向政府和第三方审计机构报告 AI 研发自动化的指标，比如研究成果中有多少出自 AI；必要时让审计人员常驻公司，类似美国核管会向核电站派驻检查员。第二是能刹车：为一定时间内 AI 能力的提升幅度设上限，和数据中心一起准备暂停特定研发任务的预案，高风险测试放在与外网物理隔离的环境里做，各国之间建立事故通报机制、谈判国际协议。第三是提前适应：为劳动力市场冲击、地缘局势动荡、AI 失控等情况准备应急预案，加强对 AI 辅助生物攻击等滥用行为的防御。作者强调，这些准备现在就要开始做。智能爆炸一旦发生，AI 进展的速度会远远超过正常的政策制定流程，到那时再动手就来不及了。 http://t.cn/AXWjFsa3

3. 诺奖发布会当众打脸！记者硬蹭大模型，评委冷冷泼下凉水：别再碰瓷人脑了

4. AlphaFold 3还在搞混左右手,而诺奖已颁给破解‘生命单手性’的老人——AI制药时代,我们是不是正在遗忘化学最本源的哲学问题?

诺贝尔经济学奖得主测算AI十年仅替代5%工作,GDP提升不超1.5%

精选参考来源