Anthropic的联合创始人Jack Clark在IMF 2026的曼谷年会上抛出了这个震撼全场的判断。

出乎意料。要知道这场拥有62年历史的 佩尔·雅各布森讲座 历来只属于各国财长、央行行长与顶尖经济学权威。

这位曾任OpenAI政策总监、见证了过去十年AI从数据中心走向全球风暴核心的行业操盘手直言——我们不需要再争论奇点何时发生了，因为它已经来了。

>弗诺·文奇在1993年预言，当超越人类的智能开始驱动技术进步，旧的推演模型必须被全部丢弃，新现实将接管一切。今天，决定性的证据已经出现。

在数学界 ，像纳维—斯托克斯方程 （Navier-Stokes） 相关的千禧年难题、雅可比猜想 （Jacobian conjecture） ，以及多道悬而未决的Erdős难题，AI都开始给出关键的破局思路；

在生物学界 ，AI从头设计出全新的病毒载体，甚至主导设计了多款已经进入临床试验的新药候选分子；

在硬件与材料领域 ，AI已经开始自主接管并操作物理实验室设备，加速电池和燃料电池的迭代周期。

这些突破的背后实则藏着一个问题，那就是，如果AI已经能在最前沿去解决人类也解答不了的问题，那么我们还有什么能教给它的？

Jack Clark讲了 Humanity’s Last Exam （人类最后的考试） 的例子。

这是一套专门用来为难AI、汇聚了化学、计算机科学、前沿数学、古典文学以及生态学难题的基准测试 ，在2025年1月刚发布时，全球最强模型的得分仅仅只有惨淡的 8% 。

然而，截至本周， Claude Opus 5.5在这套人类终极考卷上的得分已经来到了67.7% 。

所以，如果只考数学——这张由专业数学家团队编写的高难度基准考卷 FrontierMath ，2024年底时顶尖AI只能考 2分 。

如果说刷榜还不算什么，接下来，Jack Clark掏出了一篇上周刚刚发表的物理学重磅论文。

论文中提到，测试团队搜集了 50道由全球顶尖理论物理学家根据自己最新未公开研究编写的「绝密难题」 ，这些题目在互联网上没有任何痕迹，AI不可能作弊。

印度著名理论物理学家Suvrat Raju对这些题目的评价是：「据我所知，没有任何一个人能够在不借助AI的情况下，解出我们最终收录的这套题目中相当比例的题目。」

就是这样一套题，测试开始后，GPT-6 Astra和Claude Opus 5.5迅速给出了答案。

当他们对照人类专家的答案，告诉模型哪里做错的时候，模型——尤其是GPT-6 Astra，给出了十分强硬的反驳：

在多个关键争议案例中，人类专家在反复核验自己极其复杂的草稿纸深处后不得不承认：自己的推导深处确实藏着极其隐蔽的细微计算错误，AI给出的推导才是完全正确的。

随着人类参考答案的逐一修正，GPT-6 Astra的最终得分来到了 98% ，也就是50道未经公开的人类顶级物理难题，做对了49道。

电影里常有这样一个场景，通常发生在剧情进行到三分之二时：年轻的主角终于向导师证明，自己已经能够独立走出去、取得成功。这是一个经典的叙事桥段——学生成为老师。上周发生的就是这样的事。

当AI不仅能答对前沿问题，甚至能反向纠正顶级物理学家的隐蔽盲区，这就证明它已经跨过了纯粹记忆和模式匹配的藩篱，切切实实掌握了人类智力最后的壁垒： 科学创造力 。

过去五十年里，虽然全球科研经费呈指数级飙升、科研人员数量迅速膨胀，但每个科研个体的边际产出却在不断下滑。人类为了在现有的科学大厦上推进一步，必须投入多得不成比例的资源。

奈何人注定无法成为 鬼舞辻无惨 ，一个人一辈子只有几十年黄金科研期，却只有一副肉身，不可能把自己复制一万个去穷举不同的实验假设。

但按照Jack Clark的描绘，在这个正在降临的新时代，每一位人类科学家都可以随时调用、指挥成百上千个 拥有相同学术品味 的博学者。

全世界的科研军团规模，将以人类历史上前所未有的速度，从 一千万人类科学家，瞬间扩充为十亿乃至百亿规模的虚拟科学家集群 。

Anthropic的经济学家团队专门做了一套宏观经济模拟推演，在AI自主科学发现全面接管经济活动的奇点假设下，模型给出了一个离奇的预测数据：

要支撑起如此庞大的经济增量，就必须要求大量全新的产业形态、颠覆性材料、全新能源网络在几年内集中爆发。

因为目前，AI革命的第一阶段 （数据中心与算力） 已经接近尾声，第二阶段正在全面挺进物理世界 。

试想一下，如果你的虚拟科学家一天能提出十万个颠覆性的新药靶点、设计出一万种室温超导候选材料，但现实中的自动化合成实验室、高通量筛选设备、物理测试平台一年只能做几十个实验，那么庞大的算力就会直接在物理世界的泥潭里彻底撞墙。

因此在未来真正能吃到 奇点红利 的，将会是那些能在本土快速铺开自动化机器人实验室、打通从数字发现到物理制造的高速供应链通道的国家。

而这将是发展中国家的一次弯道超车机会，通过建设标准化的物理测试基础设施，承接全球虚拟科学家大军涌现出的海量实验需求。

这是Jack Clark站在IMF讲台上最想传递的警示： 收益是空前的，但毁灭的风险同样是致命的。

当AI具备了前沿科学的探索能力，它不仅能用来设计抗癌新药，同样能以极高的效率设计出人类免疫系统从未见过的恶性生物武器；它能加固国家电网的防御壁垒，也能自动生成全球顶尖黑客团队都无法防御的网络攻击武器。

如果Anthropic、OpenAI这样的实验室为了追求更快的研发速度，彻底放手让AI编写AI、让AI训练AI，那么这项技术的发展轨迹将在极短时间内脱离所有人类的心智理解范畴。

作为人类研究者，哪些实验我们必须亲自投入时间去流汗、去试错、去感受物理直觉？哪些实验可以彻底丢给冰冷的硅基系统？

在今年的纯数学研究中，AI给出的部分证明路径虽然被验证是正确的，但其逻辑跳跃和架构方式已经完全脱离了人类现有的思维习惯，以至于人类顶尖数学家需要花费数月甚至数年去解读它背后的深层含义。

再过短短几年，AI很可能会发明出 专属于硅基运行逻辑、而完全违背人类直觉的科学仪器与实验范式。

到了那个节点，如果人类大脑根本无法理解这些黑盒工具的运作机理，我们是否还要允许它们在现实世界中全面落地？

要走过这一阶段，在奇点中找到方向，我们需要共同为这项技术及其开发公司制定不同寻常、严肃认真的规则；也需要践行人类最困难、在我看来也最高贵的一种品质：克制。

克制，意味着技术开发者不能因为能做到就肆无忌惮地推进；意味着监管者必须建立极其严苛的人类监督红线；意味着在狂奔的技术列车面前，我们必须学会时刻区分 我们能做什么 与 我们应该做什么 。