在 2026 年世界經濟論壇（WEF）的一場重量級對談中，全球兩大人工智慧先驅再次聚首，一方是引領 Anthropic 的執行長 Dario Amodei，另一方則是掌舵 Google DeepMind 的執行長 Demis Hassabis。
「這場對話就像是看到『披頭四（The Beatles）』與『滾石樂團（The Rolling Stones）』同台演出。在 AI 產業的賽道上，這兩位人物的每一個預測與決策，都將形塑人類的未來。」 作為論壇主持人的《經濟學人》總編 Zanny Minton Beddoes 如此說道。
這場「頂尖樂團」的再次合體，揭示了實現AGI願景的時間表、AI巨頭如何在研發上自我加速，以及當前的產能瓶頸與風險治理。
其中令人擔憂的是，Dario Amodei 指出，當模型能「寫程式、做AI研究，還能帶動下一代模型」時，初階白領是最會先被波及的一群人。從「把事做完」的流程型工作開始，AI做得又快又便宜，人手自然縮編。他的估計更直接：「6–12個月內，模型就能代辦多數軟體工程師的端到端工作。」
究竟AGI的來到，對人類是福是禍？《數位時代》以下將盤點兩位CEO在論壇中提及的重要觀點。
AGI 時間表：激進預期 vs. 謹慎樂觀
對於 AGI（通用人工智慧）的定義，Dario Amodei 提出了一個極具指標性的基準：一個在多個領域皆能達到**「諾貝爾獎得主級別（Nobel Laureate Level）」**的系統。兩位領袖對於達成此目標的邏輯與時程有著顯著的對比。
Anthropic 觀點
首先從**Dario Amodei (Anthropic) 的觀點來看，Amodei 維持他去年提出的較為激進的時間表，**認為到了 2026 或 2027 年，AI 模型將能在多個領域達到「諾貝爾獎得主」的人類水準。
他認為核心在於 AI 能夠進行編碼與 AI 研究，進而創造出一個「自我改進迴圈」（self-improvement loop）。他預測在未來 6 到 12 個月內，模型可能就能完成軟體工程師（SWEs）絕大部分的端到端（end-to-end）工作。
雖然晶片製造與硬體供應可能會拖慢進度，但他很難想像這會拖延超過幾年。他認為隨著編碼與研究能力的指數級提升，進展速度將超乎預期。
儘管他預測速度很快，但他坦言更希望 Demis 的較長遠時間表（5-10年）是正確的，因為這能給人類更多時間應對。然而，礙於地緣政治與競爭對手（如中國）的壓力，他認為放慢腳步並不可行。
Google DeepMind 觀點
**Demis Hassabis 的觀點則相對謹慎。他維持去年的看法，認為在2030年之前，有 50% 的機率會出現具備人類所有認知能力的系統,。
他指出，雖然數學和編碼等領域進展迅速（因為結果易於驗證），但自然科學領域需要實驗驗證，且目前 AI 仍缺乏「提出問題」或「提出假設」的高層次科學創造力。
針對Dario Amodei 提到的「自我改進迴圈」，他對於 AI 能否脫離人類自我改進持保留態度。雖然在編碼與數學領域可行，但在涉及物理世界、機器人技術等「混亂」（messiness）且難以快速驗證的領域，這一過程將受到限制。
而如果自我改進（self-improvement）無法獨立完成任務，那麼「世界模型」（world models）和「持續學習」（continual learning）將是必須突破的關鍵技術。
| 與談人 | Dario Amodei | Demis Hassabis |
|---|---|---|
| 達成年份 | 2026 - 2027 年 (極度激進) | 2030 年底前 (約 50% 信心) |
| 核心因素 | 強調強大的資金將轉化為算力與「自我改進迴圈」，讓 AI 改進 AI。 | 強調 Google DeepMind 的研究底蘊，可幫助 Gemini 系列將研究成果快速轉化為產品。 |
| 阻礙因素 | 晶片供應鏈的限制、不可縮短的電力基礎建設時間。 | AI 難以提出「新問題」或假設；自然科學需要漫長的物理實驗驗證。 |
值得注意的是，兩位執行長都同意，接下來這一年最值得觀察的指標是**「AI 系統構建 AI 系統」（AI systems building AI systems）**的進展。這將是決定 AGI 是在短短幾年內到來，還是需要更長時間的關鍵因素。
理解了技術開發的時程與其背後的經濟動能後，我們必須關注這股技術洪流將如何衝擊人類最關心的領域：就業市場與人才培育。
就業市場的劇變：初階白領要掰了？
隨著 AI 系統能力的指數級增長，勞動力市場正經歷一場前所未有的轉型。 Amodei 指出，在短短 1 到 5 年內，高達一半的初級白領職位（如行政、初級代碼編寫）就可能消失。
他表示，Anthropic 內部的軟體工程師已不再從頭寫代碼，而是轉向「編輯代碼」。這意味著勞動力市場正從「執行力導向」轉向「判斷力導向」，因此他預見未來在初階（junior）甚至中階（intermediate）的工作上，企業需要的將是「更少的人，而不是更多的人」。
Amodei 指出，雖然勞動市場具有適應性（如過去從農業轉型至工業），但他擔心這次的技術指數級成長速度太快（可能在 1 到 5 年內），可能會壓倒社會與市場的適應能力。
針對Amodei相對悲觀的說法，**Hassabis 補充說明，「如果有機會對大學生演講，他會告訴他們必須讓自己對這些 AI 工具達到『難以置信的精通程度』（unbelievably proficient），**來實現某種『跨越式發展（Leapfrog）』，並在你的專業領域中脫穎而出。
「事實上，你可能比我們這些研究人員更擅長使用這些工具。因為我們把所有的時間都花在了開發下一代工具上，我們其實沒有足夠的時間去真正探索當前、甚至未來幾代工具中存在的**『能力溢出（Feature Overhang）』**。」Hassabis這樣說。
然而，要達到這個理想狀態，必須先處理目前地緣政治中的現實威脅，這是一場關於全球安全與技術主權的博弈。
地緣政治與全球競爭：技術封鎖 vs. 國際合作
在地緣政治的棋局中，兩位專家對於如何處理與威權政府（如中國）的競爭有著截然不同的戰略思維。Dario 的防禦觀點是拒絕向競爭對手出售「核武」。
Amodei 強烈反對將高效能晶片賣給地緣政治對手（中國）。他使用了一個震撼的類比：「為了波音公司的利潤而向朝鮮出售核武器，這毫無邏輯。」 他認為，晶片管制是目前少數有效的手段，能為民主國家爭取時間，確保 AI 發展符合安全規範，而非陷入無止盡的軍備競賽。
而Hassabis的角度則偏向協作，他建議建立類似「歐洲核子研究組織（CERN）」的跨國協調機制，設定 AI 部署的「最低安全標準」。進一步來說，鑑於技術是跨國界的，他認為單方面的封鎖難以長久，最終仍需全球性的技術共識。
Hassabis指出，如果全球頂尖人才因為惡性競爭而分散（fragmented），各自為政地進行軍備競賽，將難以確保系統的技術安全性。他相信如果能集結最優秀的頭腦共同合作，技術風險是可控的（tractable）。
為了應對社會對 AI 風險的恐懼與潛在的反撲，Hassabis 也認為產業界有責任展示 AI 對人類「明確的益處」。他舉例 DeepMind 的 AlphaFold 在解決疾病和科學難題上的貢獻，認為產業界應將更多比重放在這類能造福全人類的應用上，而不僅僅是追求商業模型,。
終局思辨：AGI如人類的「火」之考驗
對談的終點指向了宇宙尺度的哲學：費米悖論（Fermi Paradox）。亦即 AGI 是否是文明演化中那個毀滅性的「大過濾器（Great Filter）」？
與傳統的末日論不同，對此 Hassabis 給出了一個深具洞察力的樂觀判斷：他認為人類極大可能已經跨越了那個大過濾器（他推測過濾點在於多細胞生物的演化難度）。因此，AGI 並非必然的死局，而是人類第一次真正掌握「火」的考驗。
總之，未來一年全球科技界最重要的「觀察指標」只有一個：「AI 構建 AI」的迴圈進度。
資料來源：世界經濟論壇
本文初稿為AI編撰，整理．編輯/ 李先泰
