北京时间 2026 年 11 月 7 日，Miles Deutscher 在 X 发布一篇关于 AI 奇点的个人长文。他认为 AI 辅助开发 AI 的反馈循环已经起步，并列出 2027—2031 年的情景。公开研究确实记录了 AI 对部分研发任务的加速作用，但这些结果尚不足以判定奇点已经到来。
作者预测了什么？
原文把 2027 年的重点放在更长的智能体任务，2028 年转向 AI 参与研究，2029 年设想通用能力取得突破。随后两年，作者进一步推演技术规模化采用及 AI 自主开发后继系统的可能性。他也讨论了岗位结构、团队规模和算力供给可能发生的变化。这些时间点是作者整合不同观点后的推演，没有统一的概率估计。
公开证据支持到哪一步？
Anthropic Institute 记录了 AI 辅助实现、测试和优化实验的进展，也指出其所讨论的完整递归自我改进要求系统能自主设计和开发后继模型。这项能力尚未得到证明。即使编码环节提速，研究选题、结果验证和算力调度仍各有约束。
METR 的任务时长指标以人类专家的完成时间衡量任务长度，并对应模型在评测任务上的指定成功概率。它可以帮助比较模型完成较长任务的能力，却不能换算成智能体连续稳定工作的时长，也不能直接外推到企业的全部工作。
企业如何用好这类预测？
中蓝科创观察：把五年预测用作压力测试：如果编码更快，团队会先卡在评审、测试还是发布？如果任务可以跨多次会话执行，谁能暂停任务，如何恢复，怎样确认写入已经生效？这些问题可以用当前工具和现有流程验证。
建议挑选边界清晰的真实任务，对比引入智能体前后的交付质量、人工复核耗时和总成本。对于涉及业务写入的流程，单独验收授权、日志、幂等和回退。是否扩大使用范围，应由这些结果决定。
来源：Miles Deutscher 的 X 长文；Anthropic Institute：When AI builds itself；METR 任务完成时长评测。
