While Tech CEOs Talk up AGI Immanence, Real-World AI Use Cases Emerge

正文翻译

在 OpenAI CEO Sam Altman 前一天发布的一篇博客文章里，他回顾了自 ChatGPT 推出以来过去两年的发展，包括公司的高速增长，以及他那次短暂的“被董事会请下台”的风波。

但作者认为，Altman 把真正最重要的一句话埋得很深：

我们现在已经有信心，知道如何构建“传统意义上理解的人工通用智能（AGI）”。我们相信，到 2025 年，我们可能会看到第一批 AI agents “加入劳动力市场”，并实质性改变公司的产出。……我们已经开始把目标进一步推向真正意义上的超级智能。我们喜欢现在的产品，但我们真正追求的是那个宏大的未来。有了超级智能，我们几乎可以做到一切。超级智能工具可以大幅加速科学发现和创新，远远超出人类单独所能做到的范围，并进一步大幅提升社会丰裕度与繁荣。

Altman 还补充说：

这听起来现在像科幻，甚至说出来都有点疯狂。但没关系——我们以前也经历过这种时刻。我们相当有信心，在未来几年里，所有人都会看到我们所看到的东西，同时也会意识到：必须极其谨慎地行动，但又要尽可能扩大广泛受益与赋能，这一点有多么重要。

作者指出，Altman 这篇文章和 Anthropic CEO Dario Amodei 在更早之前那篇长文《Machines of Loving Grace》在气质上十分同步。

在那篇文章里，Amodei 写道：

强大的 AI（他用来指代 AGI 的说法）最早可能在 2026 年出现
当然，也可能需要更久

和 Altman 一样，Amodei 也大谈这种变革性 AI 的“巨大上行空间”：

在医疗与生物学上实现重大突破
在经济发展上带来极大收益
甚至可能把本来要花一个世纪才能完成的医学进展，压缩到 5 到 10 年内完成
让发展中国家实现 20% 的年 GDP 增长

两人也都强调：必须在最大化收益的同时，认真管理风险。

AI 领导者正在暗示：AGI 可能比想象中更近

作者接着问：这些科技公司 CEO 是不是都在“给自己的故事抬轿子”？当然是。

但这并不代表他们不相信自己说的话。

Wharton 商学院教授、AI 观察者 Ethan Mollick 对 Altman 的这篇文章评论说：Altman 最新博客中的这段表述，在语气上和 Anthropic CEO 的那篇文章很像，也和很多实验室研究者私下或公开说的话一致。你可以不相信他们，但至少，他们自己似乎是真的相信。

作者认为，至少从时间线预测的角度，这些表态值得认真纳入参考。

文中还引用了 JPMorgan 软件分析团队一张基调相近的近期幻灯片，意在说明：乐观派对 AI 近期跃迁的判断，并不只存在于 OpenAI 和 Anthropic 内部，而是在投资与分析圈里也有共鸣。

作者顺手还提到一件事：如果你担心 AI 革命对电力的巨大需求，Altman 在接受 Bloomberg Businessweek 采访时，还谈到他参与的核聚变创业公司 Helion。言下之意是：AI 的未来不仅是模型问题，也是能源问题。

但在“前 AGI”的 2025 年初，现实世界已经在变化

作者强调：即便 AGI 还没真正到来，现实世界里已经有很多事情在发生。

AI agent 正逐渐成为越来越重要的企业技术，能够在多个行业里自主执行复杂任务。这恰恰说明，AI 正在成为一种通用技术（general-purpose technology）。

文中引用了《华尔街日报》关于“企业如何使用 AI agents”的案例：

1. Johnson & Johnson

当制药公司识别出一个有潜力的药物分子后，会部署一个自主 AI agent，去判断什么时候应该执行“溶剂切换”（一种让分子结晶、实际做成药物的关键步骤）。

过去，这是一种高度手工、反复试错的流程，科学家需要不断测试温度、反应条件等变量。

现在 AI 可以帮忙自动化，但输出结果仍然需要人工审核，以防偏差与幻觉。

2. Moody’s

Moody’s 让 35 个专门化 AI agents 做金融分析与研究，包括：

审 SEC 文件
做行业对比
多 agent 协同分析

其中一些“监督 agent”会尝试得出独立结论。很有意思的是，这些 agent 会被赋予不同指令、人格、数据访问权限，因此它们可能在复杂议题上得出不同结论，比如：一家公司表面财务健康，但面对地缘政治风险时到底稳不稳。

3. eBay

eBay 搭建了一个 agent framework，用多个语言模型来写代码、做营销活动。

随着这些 agent 越来越成熟，它们未来可以更自主地执行工作，例如像人类开发者一样，一行一行地写更多代码。

4. Deutsche Telekom

大约有 1 万名员工每周使用一个名为 askT 的 AI agent，来查询内部政策和产品信息。

公司还在实验让这个 agent 替员工做事情，例如：

员工要请假
直接告诉 askT
askT 代为把休假申请填进 HR 系统

从客服到 Robotaxi：AI 融入现实世界的路径

作者还举了西班牙公司 Cosentino 的例子，说明 AI 既会自动化工作，也会改变工作的分配方式。

Cosentino 生产台面与建筑石材，它引入了一支“数字劳动力”（digital workforce）来填补客服团队中的缺口。

公司 CIO Rafael Domene 说，他们把这些 agent 当成真正的“数字员工”：

需要具备基础技能
入职后也要接受训练
必须遵循严格流程
如果跑偏，公司也能监控到

目前，这批“数字员工”已经完全取代了此前 3 到 4 个人处理客户订单清理工作的角色，而原本那几位员工则转向服务中的其他部分。

作者承认：一个更高效的客服 agent 世界，当然还不是 Altman 和 Amodei 所描绘的那种“激进上行空间”。

但他的观点是：需要耐心。随着技术进步并逐步扩散到整个经济体系，这种局部自动化可能只是更大转变的起点。

自动驾驶就是一个典型例子。文章提到 Uber 和 Lyft：它们虽然放弃了自研自动驾驶计划，但正在重新调整平台，准备接入 Waymo、May Mobility 等公司的 Robotaxi。

例如：

未来奥斯汀、亚特兰大的用户可以直接在 Uber 里叫 Waymo 的车
Lyft 也计划在亚特兰大提供 May Mobility 的自动驾驶出租车

这说明技术落地的路径，未必是原先大家设想的那样线性推进，而可能会以平台整合、合作接入的方式进入日常生活。

一点关于技术颠覆史的视角

最后，文章引用了一篇新的 NBER 论文《Technological Disruption in the Labor Market》，作者是 David Deming、Christopher Ong 和 Lawrence Summers。

这篇论文给了一个非常重要的历史视角：像蒸汽、电力这样的变革性技术，通常不会在一夜之间重塑社会，而是经历一个较长的过程：

先出现关键突破
然后缓慢扩散
生产率提升早期甚至不明显，呈现所谓 J 曲线
当配套创新成熟后，影响才开始加速释放

论文提到，电力花了大约 40 年才真正全面渗透美国制造业。

因此，理解 AI 的扩散轨迹，也应该放在这种“慢变量 + 长周期”的历史模式里来看。

作者真正关心的问题：AI 会怎样改变劳动力市场？

论文作者给出的“最佳猜测”是：AI 很可能会像过去那些通用技术一样，对劳动力市场产生广泛且长期的影响。

如果 AI 真在制造劳动力市场冲击，我们应该看到哪些早期信号？

他们提到几个关键迹象：

对新技术的投资持续增加
AI 暴露度高的行业出现 J 曲线型生产率变化
AI 暴露度高的职业，其就业占比出现持续、稳定下降
尤其是在收入弹性较低的行业里更明显

论文进一步发现：疫情以来，美国劳动力市场的“岗位搅动（churn）”异常剧烈，而且呈现出明显的技术倾向：

1. 劳动力市场不再是过去那种“中间岗位被挤压、两头增长”的极化模式

现在低薪和中等薪岗位都在下降，而高薪岗位在增长。

2. 低薪服务业岗位增长停滞

3. STEM 岗位占比自 2010 年以来增长超过 50%

主要由软件和计算机相关职业带动。

4. 零售销售类岗位在过去十年下降了 25%

这很可能和线上零售中的技术进步有关。

作者因此感叹：不久之前，我们还经常讨论“长期停滞”；而现在，现实的氛围似乎正变成“一切、到处、同时发生”。

这篇文章真正的立场

这篇文章并不是单纯站在“AGI 快来了”的一边，也不是纯粹唱反调。

它真正想说的是：

科技 CEO 关于 AGI 临近的表态值得认真对待
但更值得关注的，是 AI 已经在企业流程、劳动力结构和平台体系里真实落地
技术革命的影响通常不是一夜爆发，而是先局部替代、再系统扩散，最终深刻改写经济结构

换句话说：

宏大的 AGI 叙事当然重要，但如果你只盯着那个终点，反而会错过眼下已经在发生的变化。

而这些“已经发生的变化”，往往才是最早、也最可靠的信号。