--- author: Best Partners TV date: '2026-10-21' guest: '' layout: post.njk source: https://www.youtube.com/watch?v=XEVU4NnWSG0 speaker: Best Partners TV tags: - artificial-intelligence - singularity - scientific-discovery - macroeconomics title: 克拉克預測AI驅動基礎科學加速與2030年美國GDP達44兆美元 summary: Anthropic聯合創始人傑克克拉克提出預測，若技術發展不遭遇斷崖式停滯，AI驅動的基礎科學突破將引發連鎖反應，推動2030年美國名目GDP達到44兆美元。他以硬科學測試數據說明AI已在數學、生物與物理領域展現極高能力，呼籲全球預先擴建算力、資料中心及實體實驗設施，並強調在發展AI自身時必須保持謹慎與克制以防範失控風險。 insight: '' draft: true series: '' category: tech-trends area: tech-engineering project: [] people: - 傑克克拉克 companies_orgs: - Anthropic - OpenAI - 國際貨幣基金組織 - 世界銀行 products_models: - Claude Opus 5.5 - GPT-4o - Astra media_books: - 暗淡藍點 status: evergreen --- 大家好，這裡是 Best Partners，我是大飛。44 兆美元——這是 NSBIC 聯合創始人傑克克拉克在國際貨幣基金組織和世界銀行年會上提出的預測。到 2030 年，美國名目 GDP 可能達到 44 兆美元，約合 312 兆元。相較之下，美國 2025 年的 GDP 仍將達到 30 兆美元左右。不到五年時間，成長超過十兆美元？克拉克知道這個數字聽起來很奇怪，但他認為這只是宏觀經濟模型得出的結果；只要技術發展不遭遇斷崖式的停滯，它就是不可避免的。今天，我們將從頭開始詳細分析這個預測。 他一開始就做了一件不尋常的事：他沒有先談論技術，而是展現了自己的資歷。他花了近 40 年的時間累積經驗，才得以站在這裡說出這些話。他職業生涯的主線其實只有一件事：尋找他認為對世界未來重要的訊息，並將這些訊息告訴全世界。20 年前，他以記者的身分入行，主要報道資料中心，而正是那段經歷讓他徹底迷上了人工智慧。2016 年，他離開媒體產業加入 OpenAI，幾年後，他與人共同創立了 Anthropic。從那時起，他一直堅持一個觀點：總有一天，人工智慧系統將強大到足以改寫國家安全，改變全球經濟軌跡，甚至獲得自我迭代和建構的能力。他說，那一天已經到來了；人工智慧改變了國家安全，已經改變了全球經濟的方向，並且已經開始參與自身的研發。 ### 奇點的到來與全面加速的基礎科學 多年來，研究人員和科幻小說作家一直在預測這樣一個未來：人工智慧系統將整體技術進步的速度提升到人類難以跟上的水平——他們稱之為「奇點」。科幻作家弗諾·文奇在 1993 年準確地描述了這一點：當超越人類的智能開始主導進步時，技術進化的速度將變得驚人，而且沒有理由相信這種進步不會在更短的周期內催生出更智能的實體。人們將奇點視為一個分水嶺；現有的認知模型過時了，新的現實佔據了一切。 克拉克的判斷是，2026 年的一系列核心數據點已經提供了確鑿的證據，證明奇點已經發生，其影響將滲透到社會生活的方方面面。然而，最關鍵的推論其實很簡單：在未來幾年，不僅人工智慧本身，而且所有人類基礎科學的發展都將經歷全面加速。這將使人們感到頭暈目眩、迷失方向，它將創造巨大的財富，但同時也必然伴隨著嚴重的風險。他的演講主要分析了股息方面的內容，以及我們應該如何共同努力接受股息。 首先，人類從人工智慧中獲得的最大長期價值將主要體現在科學領域。克拉克認為，人工智慧驅動的科學發現將改寫全球經濟軌跡，改變主權國家規劃和建造基礎設施的方式，並使人們能夠活得更久，與家人共度美好時光。同時，它將迫使每個人回答更深層的問題：面對這項技術的無情衝刺，我們究竟該如何權衡取捨？ 首先，讓我們看看事實：在過去的半個世紀裡，大多數國家都陷入了一個困境，即科學研究的絕對數量正在迅速增長，但個人研究效率卻在穩步下降。好的、突破性的新發明似乎越來越難發現了。根本原因是實現技術突破的成本正在上升；為了維持原有的創新速度，人類不得不向研發系統投入指數級成長的資源。但克拉克表示，這項基準已被打破，因為他們已經建立了前沿人工智慧系統，這些系統已經具備增強、擴展甚至端到端自動化人類腦力勞動的能力。 這種直覺式的轉變體現在軟體開發；目前人工智慧系統的程式設計能力和運作效率已經超越了全球絕大多數軟體工程師，開發模式也因此被重新定義。現在，一個人就可以直接建立自己構思的任何軟體，而過去這需要整個團隊花費數月時間。Anthropic 有明確的證據：與公司成立的前四年相比，他們的研發團隊現在產生的程式碼量幾乎是前四年的十倍，而且這種程式碼輸出曲線的陡峭程度幾乎與底層人工智慧能力突破的軌跡完美重疊。 隨著能力的提升，這個問題總是會伴隨新的問題。隨著編碼層級的突破，人工智慧系統在網路防禦和網路攻擊方面都變得極為敏銳。各國競相部署這些能力以加強防禦，而惡意行為者則競相利用這些能力發動高強度攻擊；這兩種力量緊密交織，密不可分。人工智慧每向前邁進一步，例如在編碼等通用能力方面取得進步，都不可避免地會在全球地緣政治敏感領域（例如網路安全）引發連鎖反應。克拉克說這只是一道開胃菜；同樣的演化邏輯不會止步於程式碼，它正在不加區分地蔓延到基礎科學和機器人領域。一旦這種趨勢蔓延開來，全球經濟的一些基本特徵將會改變，例如創新迭代週期和人類創造通用技術的頻率。通用技術是指像互聯網、行動通訊或人工智慧這樣的技術——它是整個工業生態系統得以發展的基礎。 ### 2026年硬科學領域的突破訊號 那麼，克拉克做出這項判斷的依據是什麼？他的答案就藏在 2026 年已經出現的訊號中。 在數學領域，人工智慧已經開始為一系列歷史謎題提供解決方案，包括千禧年大獎難題中的納維-斯托克斯方程式、雅可比猜想以及幾個長期存在的埃爾德什猜想。在許多情況下，真正推動研究向前發展的核心見解直接來自模型本身。 在生物學領域，研究人員正在利用人工智慧設計全新的病毒並篩選尖端候選藥物；一些主要由人工智慧設計的藥物已經進入臨床試驗階段。 在機器人領域，人工智慧系統自主操作實驗室設備的能力日益成熟，使得生物學和材料科學領域的自動化閉環實驗成為可能，直接縮短了下一代動力電池和燃料電池的研發週期。 這些物品本身都很了不起，但克拉克表示，真正意義深遠的是，它們都由相同的底層技術驅動。在大多數情況下，它們背後的驅動力甚至完全相同，都是相同的前沿大型模型。像 Claude 或 GPT 這樣的實體現在有能力同時在多個完全不相關的技術領域的前沿工作。他稱之為「數位博學家」的誕生。 量化維度也提供了證據：有一項名為「終極人類測試」的高難度基準測試，涵蓋化學、電腦科學、高等數學、古典文學和生態學等不同領域，專門用於測試人工智慧在頂級學術挑戰下的極端能力。該機型於 2025 年 1 月首次發佈時，全球性能最佳的機型得分僅為 8%，而截至本週，性能最佳的 Claude Opus 5.5 的得分已達到 67.7%。 此外，還有 FERM，這是一項於 2024 年 11 月推出的高級數學測試，其中的問題由專業數學家審核，以評估模型解決數百個極其困難的數學問題的能力。當模型發佈時，世界上最強的模型只得了 2% 的分數，但現在頂級模型的得分已經飆升至 94%。 克拉克表示，這種趨勢幾乎在所有硬科學領域都蓬勃發展。他的電腦裡保存著那一週提取的數百張圖表；無論你觀察基礎科學的哪個分支，你都會看到同樣的陡峭指數曲線，研發正在迅速加速，拐點在過去一兩年內爆發。 他用來得出結論的證據是上週發生的一件事，即一項名為「理論物理評估」的研究項目，該項目的問題由來自世界各地的理論物理學家提出。總共有 50 個問題，全部取自這些學者「自己未發表的研究」。當然，答案也沒有對外公佈。不出所料，頂尖人工智慧仍然取得了高分，但真正令人震驚的是這一結果背後的過程。 組織者之一、印度理論物理學家蘇拉傑·拉朱事後在社群媒體上對整個過程進行了評價。他表示，如果僅靠人類能力而沒有人工智慧的幫助，他相信沒有人能夠解決這些問題中的很大一部分。他們的初步評分顯示 GPT-4o 和 Astra 的得分在 80 分以上，Opus 3.5 緊隨其後。但當他們深入探究模型出錯的地方時，這些模型——尤其是 Astra 模型——堅持認為自己是對的，聲稱專家的參考答案實際上是有缺陷的。他們把這些問題帶回給專家審查，果然，他們發現，在幾個問題中，專家確實在複雜的草稿中隱藏了微妙的、難以發現的計算錯誤。經過專家們的糾正和對正確答案的確認，阿斯特拉的得分不斷攀升，最終穩定在 98%。它正確解答了 50 題中的 49 題。 克拉克請觀眾思考這其中的意義。世界頂尖學者設計了一種測試方法，能夠涵蓋人工智慧訓練資料不可能涵蓋的盲區。人工智慧取得了近乎完美的成績，甚至扭轉了局面，指出了人類考官答案中的缺陷，並將自己的答案改正得接近滿分。他說，電影中常出現這種套路：在影片進行到三分之二時，年輕的學徒終於向導師證明自己有能力獨自面對世界，而學徒則成為了導師。上週發生的事情正是這一幕的現實版。 那麼，克拉克為什麼要反覆強調這個細節呢？為什麼人工智慧在科學研究領域表現出色這一事實如此重要？他的邏輯是，在真正的前沿科學領域取得突破，拓展人類知識的邊界，本質上是對智慧系統最具挑戰性和最終障礙——創造力——的隱性考驗。如果人工智慧能夠透過創造性的邏輯問題解決能力來推進基礎科學的發展，我們必須清醒地認識到，這種高水準的認知能力很可能會擴展到許多一般領域，其中第一個就是人工智慧研究本身。而這項舉措將在創新領域引發不可逆轉的連鎖反應。換句話說，人工智慧在科學領域發展得越強大，就越能積極地推動未來的經濟成長。這意味著各方今天所做的決定將直接決定各國及其公民能否抓住這波紅利浪潮。 ### 數位研究大軍與 2030 年 44 兆美元 GDP 預測 接下來是關於成長的那部分。克拉克認為，從長遠來看，宏觀經濟成長的核心驅動力是研究產生的新思想，而創新的關鍵在於社會的總人力資本存量——即全世界提出問題、應對科學挑戰、推動文明進步的研究人員。 在這裡，他以自己為例進行了推論。他說，回顧他一開始提到的那些資歷，只有一個傑克克拉克，他花了整整 40 年才達到現在的地位。但如果他的數百甚至數千個數位副本可以並行運行呢？如果這些複製品不必等待 40 年，而是可以按需立即生成，那會怎麼樣？如果他能複製出一支由他自己的高級數位克隆體組成的大軍，並讓他們在他的指導下協同工作，他的工作成果會達到什麼水平？ 他表示，未來幾年，全球經濟格局的很大一部分將經歷這種劇烈的變化。人類第一次有機會以前所未有的方式大幅提升其在前沿科學等核心領域的腦力，因為我們可以將數百倍甚至數千倍的研究力量投入到任何特定課題中，使人類科學家成為超級倍增器。 此外，這不僅規模龐大，而且部署速度極快。一個國家要培養新一代高科技領域的研究人員，通常需要 10 到 15 年的專業高等教育，花費數百萬美元，最終卻只能培養出一小部分專家；而人工智慧系統，只要配備足夠的運算基礎設施，就能在很短的時間內按需大規模生產它們。它們可以跨學科運作，幾乎瞬間也能促進前沿發現，並以突破性的方式重新組合現有知識。因此，全人類都有可能擁有一支隨時待命的數位研究團隊，準備並肩作戰。 未來幾年，每位人類科學家的地位和效能都將提升，因為他們將能夠領導數百位能力相當的數位專家，共同協作解決他們感興趣的問題。Orbig 的內部經濟團隊專門針對此進行了建模，基於人工智慧技術的不同發展路徑，模擬了未來各種宏觀經濟情景。如果我們遵循領先實驗室的共識，即大型模型很快將能夠自主處理各種任務並迅速滲透到實體經濟中，那麼在這樣的基本假設下，一個模型描繪了一條令人驚嘆的前進道路。到 2030 年，美國名目 GDP 可能達到 44 兆美元。 論點是，從經濟角度來看，支持這種大規模擴張必然會催生全新的產業和發明，而這正是人工智慧系統進行自主科學研究所引發的連鎖反應。 ### 兩大應對策略：建設實體基礎設施與保持高度清醒 那麼，我們該如何面對這種情況呢？克拉克提出了兩點建議： 第一，為這項技術的成功做好準備，以確保社會能夠將這種力量轉化為有形的物質財富； 第二，保持高度清醒的頭腦，以便在具體應用中做出明智的權衡。 他特別強調，人工智慧雖然可以成為一名優秀的科學家，但這並不代表我們應該將所有領域的控制權交給它。 關於如何為成功做好準備，他分享了自己的經驗，指出過去十年他一直在世界各國政府之間奔走，敦促他們關注人工智慧的發展速度。他告訴他們，隨著人工智慧能力和實用性呈指數級增長，搶佔先機的最佳方法是提前規劃，建立足夠的電力容量和資料中心空間來託管這些前沿系統，並在整個人工智慧供應鏈中進行果斷投資。當時很少有政策制定者真正聽取意見，而今天，每個人都在為過去的短視付出代價。全球資料中心運算能力高度集中在美國、中國和快速崛起的中東地區；整個供應鏈都處於極度緊張狀態，競爭異常激烈，設備價格持續飆升。 他表示，這種運算能力基礎至關重要，但這只是人工智慧驅動的經濟和科學革命的第一階段。下一階段涉及真正進入物理世界——具體來說，人工智慧系統領導科學實驗，控制機器人滲透到實體產業，以及兩者之間的深度協同作用。因此，正如我們對待運算能力和電力一樣，世界需要部署比目前多幾倍的科學儀器和機器人設備，否則我們很快就會遇到嚴重的物理吞吐量瓶頸，並重蹈覆轍。 為了抓住即將到來的技術紅利，必須事先建立基礎設施能力。他提供了一個規模參考：根據聯合國教科文組織統計，全球只有大約 1000 萬名研究人員，即使對於這 1000 萬人而言，目前的人類物質設施也遠遠不足以支持他們的工作。用於材料分析的實驗室數量不足，用於研發和測試新藥的生物實驗室數量也不足。無論部署在太空或地面，目前的天文觀測和大型科學設施都無法滿足我們想要進行的實驗需求。 想像一下，如果目前工作的 1,000 萬人類科學家背後有一個由 10 億甚至 100 億虛擬研究人員組成的智庫，那將會是怎樣一番景象。一支規模達數十億的科學研究大軍正向我們呼嘯而來。我們準備得越充分，就越有可能將人工智慧的機器智慧轉化為惠及所有人的紅利，例如更健康、更長壽的生活、更豐富的能源、更多的食物供應以及更多的社會財富。就像過去的資料中心一樣，任何敢於投資並掌握這條實體供應鏈的國家都將成為最大的受益者。 這既是每個人都需要做出的選擇，也是每個人的機會。對於擁有深厚科研基礎的已開發國家來說，這是一個大幅提高其科學家效率的機會；對於提供原料和生產要素的開發中國家而言，這也是一個超越其他國家的機會。他們當然可以投資建立科學前驗證平台，將本地研究與數位科學家結合，孵化自己的研究生態系統，並不斷提高自己在產業鏈中的附加價值地位。 但僅僅關注硬體基礎設施是不夠的；克拉克警告說，當科學發現爆發式增長時，我們必須防止下游出現嚴重的消化不良。如果一年內推導出大量的候選藥物分子，但臨床試驗流程只能處理其中的一小部分，那麼這種爆發式成長就毫無意義。政策制定者需要清除瓶頸，以便突破性成果能更快地從象牙塔和實驗室流向診所、工廠和田間地頭，同時在跨國合作中順利流通。 ### 核心權衡取捨與安全邊界 他一再強調的最後一點是，我們必須下定決心為未來做出權衡取捨。因為風險總是如影隨形，利用人工智慧進行研究會打開濫用的大門：新的生物武器、網路攻擊工具以及我們目前還無法預見的各種威脅，所以我們必須看清這項技術的本質。只有看到它現在的實力以及它未來的實力，我們才能真正理解這些權衡取捨的迫切性。 他說，第一個問題是：我們希望引導人工智慧走向何方？人工智慧具備進行研究的能力，但這並不意味著我們可以放任它盲目運作而不受監督；生物研究就是一個典型的例子，我們必須建立最嚴格的人工監督和透明機制，以保障安全底線。人工智慧研究本身就是一個關鍵領域；像 NSBIC 這樣的前沿研究機構必須謹慎管理其對自動化人工智慧開發的干預規模——讓人工智慧發展人工智慧可以催化技術飛躍，但也可能引發失控的風險。他說，我們在這裡必須極其謹慎行事；否則，我們將面臨完全失去對這項技術控制權的風險，我們可能需要一整套強有力的外部規則來約束這項技術和我們自身。 他描述了一個非常具體的場景：在他演講前幾天，他在東京，當地一所大學的物理系學生告訴他，人工智慧已經開始接管他們的許多日常實驗。這位學生感到困惑：哪些實驗應該留給人類親自探索，哪些實驗可以安全地交給人工智慧系統來運作？克拉克說他沒有現成的答案；這是一個極其敏感的問題，但每個科學學科都必須盡快建立自己的標準。 第二個難題是：我們究竟需要在多大程度上了解這些系統？今年人工智慧在數學領域的快速突破表明，其解決問題的方法往往極具創造性，有時甚至需要人類花費大量時間對其進行逆向工程，試圖破解其內部邏輯以及如何應用它們。那麼，人類究竟需要在多大程度上了解它們呢？克拉克表示，答案同樣微妙，它指向自古以來關於認知本質的核心問題：在科學進步的鏈條中，哪些環節必須保留人類對「為什麼」和「如何」的真正理解？ 他也展望未來，指出在短短幾年內，人工智慧系統不僅會自主推進科學研究，還會根據自身獨特的機器邏輯設計專屬的研究儀器，而不是遵循人腦結構。對於這類儀器，我們還需要了解它們嗎？我們是否應該堅持嘗試去理解他們？擺在我們面前的是一個艱難的權衡。 ### 科技樂觀與克制的最高品格 演講結束後，克拉克回顧了自己的經歷。他說，年輕時他讀了很多書，對未來充滿了焦慮。他當時認為，21 世紀將是一場噩夢——人口過剩、全球暖化、資源枯竭以及多種相互交織的危機將把人類推向馬爾薩斯式的崩潰。他甚至擔心，人類在發明了電腦和網路之後，最終會自我毀滅。但在隨後的幾年裡，他一次又一次地親眼目睹了科技如何扭轉這些糟糕的局面。太陽能光電發電成為現實；成本驟降，其普及速度也超出了所有人的預期。人類對自身生理機制的了解不斷加深，最終戰勝了曾經奪走無數生命（包括他自己所愛之人的生命）的疾病。還有許多當時他無法想像，但如今看來卻令人嘆為觀止的奇蹟——例如利用人工智慧解碼動物交流，或建造可以發射到太空並垂直著陸回收的火箭。 他說，他投身人工智慧領域，希望它能幫助人類創造更多這樣的奇蹟，因為這項技術能否走上正確的道路，取決於我們所做的選擇、我們如何引導和管理它，以及我們被迫面對的決定。他認為人工智慧是人類文明迄今為止創造的最關鍵的技術；如果運用得當，它將成為防止物種滅絕的核心解藥。 然而，它本身也隱藏著危險，為了安全地度過這個轉折點，世界各國必須攜手合作，為這些技術及其背後的公司制定嚴格、特殊的規則。他引用了天文學家卡爾·薩根在《暗淡藍點》中的話：「最終到達星空的人類在很多方面會和我們一樣，但他們會擁有我們更多的美德，更少的惡習，更加自信，更有遠見，更有能力，也更加謹慎。」薩根最初認為人類有數十萬年的時間可以悠閒地磨練，更為優秀的智慧，但留給克拉克，但留給我們最多幾年的智慧，進化成更優秀。 他表示，他相信人類能夠給出令人滿意的答案，但前提是我們必須以足夠的敬畏和嚴肅的態度審視人工智慧，這樣大家才能真正朝著雙贏的結果邁進。整篇演講最終傳達的訊息是最難能可貴、也是最高尚的特質：克制。這意味著我們應該全力以赴地建立基礎設施，以獲取技術帶來的紅利，但技術本身的底層發展必須更加穩健、謹慎，並主動控制自身的前進和後退節奏。我們必須不斷區分我們能做什麼和我們應該做什麼。 感謝觀看。下次見。