Anthropic RL负责人：AI在2028年可能拿菲尔兹奖
Sholto Douglas和Nick Marwell是Anthropic强化学习团队的两位核心技术负责人。他们在Joe Lonsdale的播客American Optimist里做了一次将近一小时的对话，录制于2026年8月。Sholto在悉尼长大，学的是机器人专业，先在DeepMind工作两年，2025年2月加入Anthropic负责RL scaling。Nick是旧金山本地人，耶鲁统计学出身，在Thrive Capital做驻场期间转向AI安全，2023年10月加入Anthropic，先带RL Science，现在领导Long Horizons团队。
两人认真推演了一件多数人觉得荒谬的事：当AI和机器人替代了一切劳动之后，所有生产成本都将还原为能源成本，中产阶级在山上盖一栋豪宅会和今天买家电一样平常。在那个世界到来之前，他们认为下一个十年属于通才，工具已经备齐，稀缺的是知道该解决什么问题的人。问AI什么时候能拿菲尔兹奖，回答是2028年就相当可能；普利策奖嘛，大概还不行。对了，如果要加读者群，可以看公号菜单。
Sholto Douglas的内容我之前发过，是一个兼具哲学和技术思考的研究员。
1.18个月前手敲代码，现在让模型独立干两天
Sholto用自己在Anthropic的日常工作来描述AI进步的速度。18个月前他刚到公司，所有代码都是自己手敲的。几个月后变成每隔几分钟给模型下一个指令，写下一个函数，但必须不停检查，因为模型会犯错、会跑偏。
到现在，他可以让模型独立完成一两天的工作量，推进进度的方式就像带一个初级团队成员。录播客的时候，他的AI队友正在后台跑RL实验。"他们确实在干活，好几个在同时干。"
这个变化的速度比一般人的直觉快。18个月，从一个需要你全程盯着的工具变成了一个能自己干活的初级同事。Sholto对AGI的判断就建立在这种日常体验上：几年之内就会出现能力与所有人类相当或更强的模型。具体来说，就是一个模型能做所有人类在电脑上能做的事。等到机器人技术足够先进，再加上物理世界的所有事。
他2020年还在悉尼的时候就被论文和blog说服，认为scaling路线能在2020年代实现AGI。加入Anthropic之后，这个判断更确信了。
Nick做了一个区分：到目前为止，模型开发的重心是让AI完成人类已经能做的任务，只是更快、更便宜，比如写一个人类开发团队也能写的软件。但最近数学领域开始出现不一样的东西。在一个叫Frontier Math的评测里，由不同领域教授出题，模型成绩在过去一年从0%飙到超过50%。这些题目是人类长期未能解决的问题。
有人会说，这些数学证明只是"一个聪明的数学家意识到计算机可以暴力搜索人类搜不完的空间"。Nick不否认，但他认为人类历史上大多数智力成就本来就是这样的，把前人不同的想法组合在一起，形成新东西。区别在于，过去这些组合不会自动发生。现在模型可以把不同人类想法重新组合，产生以前没人做过的连接。写一个新的web app不算人类新的智力成就，但这种组合是。
2.为什么数学和编程先突破
模型训练有两种方式。一种是在海量互联网文本上做预训练。另一种是强化学习，也就是Sholto和Nick都在做的事：让模型做一道题，检查答案对不对，用对错信号来训练。
数学和编程之所以先突破，是因为它们最容易判定对错。数学有证明，代码能跑就能跑，不能跑就不能跑。在这两个领域，RL有天然的检验机制。浪漫关系、诗歌、其他需要人类判断的领域就难得多。但Sholto认为把其他问题放进这个框架并没有那么难，只是还没做。
Nick又补了一个社会学的解释。造AI的人自己就来自数学和计算机科学背景，他们当然先做自己懂的领域。而且训练好模型需要花大量时间阅读模型的输出，判断它哪里强、哪里弱。做你自己是专家的领域明显更容易。选数学和编程当第一个突破口，一半是技术原因，一半是"你问一群数学家先做什么当然先做数学"。
被问到会不会把模型拟人化，Nick说自己不会，但他认为"实体"比"工具"是一个更有用的思考框架。工具是你全程在操控的东西。模型现在是你释放出去、让它代替你行动的东西。用"实体"的框架去想它会做什么、会出什么问题，比用"工具"的框架更准确。
3.每一个边际单位的智能，价值是前一个的指数倍
Nick提出了一个连他自己几年前都不信的经济框架。
AI在编程领域的第一个有用能力是tab自动补全。下一个边际单位是终端里的agentic coding，比如Claude Code。这个能力比tab补全有价值一千倍、一万倍。tab补全已经没法单独撑起一家公司了，但agentic coding创造了巨大的商业价值。
然后下一级是什么？也许是一个全职的AI软件工程师，比任何人类工程师都强。再下一级？也许能治愈癌症。
按照生活中其他事物的经验，指数增长总会撞到天花板。但AI的特殊之处在于，你必须极度乐观才能相信这条曲线会一直延续。而到目前为止，它确实在兑现。Nick说这对他自己几年前也是一个很大的认知更新，因为他曾经以为指数不会持续这么久。
这个框架回答了一个常见的质疑：如果前沿智能总会变便宜，这不是一个注定被商品化的生意吗？Nick的回答是：等到任何一种完全商品化的情景真正出现时，整个经济已经被AI根本性地改造了，所有智力和体力劳动都由AI完成，总量远远大于今天。如果Anthropic是推动这个过程的公司之一，那显然值很多钱。
换句话说，到前沿被商品化的那一天，我们在讨论的已经不是一家公司值多少钱的问题了。
4.蒸馏、IP和药物专利的类比
Sholto引用了Artificial Analysis等评测平台的数据：同等水平的智能，成本每年大约降低10倍。这个降价完全来自技术本身的自然演进，不需要蒸馏。
蒸馏是另一回事。蒸馏就是复制。它不能让你越过当前的能力边界，只能低成本地复制别人已经做到的东西。问题在于，推到下一个前沿需要巨额资本投入。以后会出现百亿、千亿甚至万亿美元级别的训练。如果别人总能用很小的成本在一两周内复制你的成果，他们反而在商业上比你有优势，因为他们没有研发负担。长此以往，没有人有动力做前沿投入。
不过蒸馏拦不住也是事实。用户想要检查输出、想在本地运行、想看思维链，每多开放一点访问，蒸馏就更容易一分。这是一个产品开放性和IP保护之间的结构性张力。
Nick把这个和药物开发做了类比，但他认为AI比药物健康得多。药物专利保护期长达二三十年，导致价格居高不下。AI前沿的保鲜期只有几个月。6个月前的前沿水平很快就会变得极其便宜。保护前沿模型的IP，既能激励下一轮巨额训练投入，又不会像药物专利那样让终端用户长期承担高价。保护的好处全拿到了，坏处基本没有。
Nick说他在几年前思考AI进步速度的时候，曾经认为数据扩展会是一个极其耗时耗钱的瓶颈，把一切拖慢。结果实际发生的事是，Anthropic和OpenAI的收入增长速度远超预期，一下子就有了足够的钱来暴力突破这些瓶颈。他当时觉得要花更长时间才能走到今天这个位置，但钱来得太快了。
5."AI将是生命科学领域有史以来最重要的技术"
在所有AI即将产生影响的领域中，Nick最看好未来6到24个月的生物学。他觉得生物学会经历和软件工程类似的AI普及过程，但社会正面效果会更加深远。治愈疾病、延长寿命、理解表观遗传学如何影响衰老，这些方向都在加速。
但他接下来担心的事情跟多数人不一样：他的焦虑已经不是AI够不够聪明，而是美国有没有足够的实验室来承接AI的产出。
他对AI的生物学能力已经有信心了，但对美国的实验室数量和质量没有信心。在实验室质量这个维度上，美国已经明显落后于中国。把美国的供应链和实验室体系恢复到世界一流水准，他认为是当前最重要的社会基础设施工程之一。
这个判断的含义很清楚：限制生物学进步的瓶颈即将从"AI还不够好"变成"试管和实验台不够多"。在2030年代机器人技术足够先进之前，这个基础设施瓶颈会一直存在。三年前大家应该多建算力基础设施，现在可能应该有人开始大建实验室了。
6.进攻占优还是防守占优
Anthropic内部有一个分类框架：一个技术领域到底是进攻占优还是防守占优。这个判断决定了它有多危险、需要什么样的干预。
Sholto认为网络安全目前是进攻主导，但两年内会翻转。逻辑很直接：有了足够强的AI，你可以提前入侵自己的系统，找到所有漏洞并修补。最终我们会进入一个更安全的网络世界，因为每个人都已经用AI测试过自己的防线。
生物领域的情况严峻得多。要让生物安全从进攻主导变成防守主导，需要数千亿美元的基础设施投入。在2030年代机器人技术大幅进步之前，建设这些设施的成本都不算合理。所以当下是一个特别危险的窗口期：进攻占优，防守还没准备好。
双重用途是这两个领域的根本难题。Nick用网络安全举了最直观的例子：你让Claude说"这是一个代码库，请找出所有漏洞"，它无法区分你是这个代码库的主人在加固防御，还是攻击者在找入口。生物领域也是如此，99.9%的靶向操作是在杀癌细胞，但总有极小的可能是在做危险的事。
Anthropic的态度是：在能够确保坏人无法利用这些能力之前，不应该向世界释放这些技术。
Joe Lonsdale提到了一个已经在发生的案例：有恐怖组织在用开源模型学习制造爆炸装置。他们自己不够聪明，但模型刚好够聪明到能帮上忙。Sholto对此的回应是，更多人拥有智能也意味着更多人能理解威胁并阻止它。总体上他对这个方向持乐观态度，但他把乐观建立在一个前提上：网络安全在两年内会翻转为防守主导，生物安全要更久。
7.Fable事件：Anthropic怎么回应"监管俘获"
Joe Lonsdale直接提出了他的圈子里对Anthropic的批评：有不少聪明的科技领袖认为Anthropic CEO Dario Amodei在通过制造恐慌来推动对自己有利的监管，牺牲开源生态来巩固闭源公司的地位。
Nick的回应分两层。
第一层是事实层面。推动开源权重的主力是Nvidia、Amazon、Microsoft和中国的大型实验室，都是有能力应对监管的巨头。"监管会不成比例地伤害开源开发者"这个叙事站不住，因为开源权重的推动者从来就不是资源匮乏的小社区。
第二层是行为层面。他用了一个具体事件来说明：Anthropic当时拥有远远领先的最强模型，没有任何竞争对手接近。公司完全可以利用这个多月的领先窗口彻底甩开对手。但它选择先和政府协调，确保政府对发布方式感到放心。这是播客里提到的Fable事件。搜索确认，2026年6月Anthropic发布了Mythos级模型Fable 5，但三天后就因美国政府的出口管制指令被迫全球暂停服务，直到月底才恢复。
"这是一个对公司经济利益明显不利的决定，但符合我们对模型应该如何部署的价值观。"
Nick还提到了DeepMind CEO Demis Hassabis推动的一项提案：让闭源模型提供商之间协调，设定安全门槛，模型必须达标才能发布。"这就是我们在讨论给自己减速。到目前为止，我们对自己的减速远超任何外部力量对我们的减速。"
关于开源，Sholto说得直截了当："我们真心认为开源是好事。"他自己就是在开源模型上学会做ML的。但他也认为社会应该对什么能力级别可以公开释放设定门槛，比如一个模型能做网络攻击，你能接受什么程度的能力被公开？这个门槛对开源和闭源模型应该是一样的。除此之外，人们应该可以做他们想做的事。
被问到是否有可能为了安全而放慢美国的速度时，Sholto的回答是："不会是放慢美国而让中国先行的方案。"如果要减速，必须是所有参与方完全协调、互相信任的减速。
8.下一个十年属于通才
Nick的弟弟正在上大学，正面临"AI时代该怎么规划职业"的问题。Nick给的判断是：如果AI技术需要10到20年才能完全渗透进经济，那这段时间里会涌现大量参与技术扩散的机会。
过去几十年里，优秀的职业路径是拥有一套非常有价值、非常市场化的专业技能。接下来的逻辑不同了。每个人背后都有一个千人公司级别的AI能力，真正稀缺的变成了识别问题的能力。什么问题值得解决？我的社区需要什么？工具已经齐了，关键是选对方向。
Nick用犹太教里"修复世界"的概念来做框架：你用六天修复世界，第七天假装修完了，休息。只要你不相信乌托邦已经到来，就永远有需要修复的东西。这是一个关于"后稀缺世界人还能做什么"的非世俗回答。他和Sholto都同意：在我们和乌托邦之间，还有大量的工作要做。
多数人以为AI会首先冲击外包行业，但菲律宾做业务流程外包的BPO行业就业还在上升，软件工程就业也在增长。搜索确认，菲律宾BPO行业2025年就业增长4%达到168万人，2026年预计继续增长至约197万人。HSBC在2026年9月的报告中确认"菲律宾服务业就业没有出现末日景象，甚至加速了"。
Nick的解释是：现在处于一个"人+AI"比单独的人更有价值的阶段，所以雇主想要更多人来配合AI使用。他把这和象棋做了类比。30年来象棋领域最强的选手一直是人加机器的组合，现在机器已经碾压一切。他们认为AI领域的这个过渡期会比象棋短得多。
所以Anthropic对失业问题的担忧是真实的。"我们不应该自我说服，觉得一切都会自动好起来。" Nick提到，Anthropic的一位同事已经资助了一个非营利组织，专门研究劳动力冲击的实际数据，以及应该推动什么样的政策让所有人都能安全度过这个过渡期。
9.一切还原为能源的成本
Sholto给出了一条从当下到后稀缺的推演路径。过去四五年，投入AI的算力每年翻两到三倍。超级云厂商今年合计花了接近一万亿美元的资本开支在AI相关基础设施上。如果这个趋势线延续下去，加上机器人产业的扩展，到2030年代初，理论上就接近"把人类的GDP翻一倍"的量级。
他自己也承认这个概念"有点荒谬"，但算力扩张的趋势线到目前为止一直在兑现。五年前不会有人相信一年花一万亿美元在AI上，一年前也不太有人信。
落到日常生活，他描述的愿景是这样的：当AI能够替代所有智力劳动，搭配机器人后再加上体力劳动，一切的生产成本都还原为能源成本。建房子是能源成本，制造商品是能源成本。中产阶级可以在山上建一座巨大的房子，这就像今天我们习以为常的东西在几百年前的国王看来不可想象一样。治愈所有疾病，甚至治愈衰老。
但他紧接着提出了一个分配问题：如何确保这个世界的回报不只流向那些在旧世界恰好拥有资本的人？如果回报全部集中在资本持有者手中，后稀缺就只是另一种形式的极度不平等。
Sholto对文化层面的预测和多数硅谷人的直觉相反。他认为传统、仪式和社区纽带的重要性会回升。当工作不再是生活的核心，当纯粹的资本主义不再主导一切，"人们生活中重要的东西会变成传统、仪式、为他人提供价值、本地社区的纽带。"Nick补充说，纯粹的求知本身也会变得更重要，只是不再出于经济目的，而是出于理解世界、参与社区和自我充实的需要。
Joe Lonsdale问了一个尖锐的问题：你们在旧金山做这些事，但旧金山的文化传统可能并不是美国主流。基督教、一夫一妻制、工作的尊严，这些对很多人来说是生活的根基。他们会不会觉得你们在用技术重塑世界的同时碾碎了他们的传统？Sholto没有回避，反而往前走了一步：他预测这些传统制度会在旧金山复兴，恰恰因为工作的主导地位在下降。
10.AI不会自动修好教育
Nick对"AI解决教育"的叙事持怀疑态度。他的父亲过去15到20年一直在做教育方面的公益事业，这让他对教育问题有一个比AI圈子里大多数人更具体的理解。
他观察到的核心事实是：教育的效果高度依赖早期积累。预测一个学生数学成绩最强的单一指标，是他三年级结束时能否达到阅读水平。因为三年级是从"学习阅读"转向"通过阅读学习"的分水岭。一旦落后，孩子会觉得自己不擅长这件事，失去动力，差距持续放大。
而目前AI在一件事上表现得极差：抓住小孩的注意力。电脑对年幼儿童来说更像是一种极具干扰性的力量。AI可以帮助优化"在正确的时间教正确的东西"，但以为只要AI足够聪明，教育的所有问题就会自动解决，这是错的。
他这个判断针对的是所有人的教育，不是那些有两个高教育程度父母、家境前1%的孩子。如果你只关心后者，AI可能确实够用了。但如果你关心的是所有人，那早期注意力和动机问题是AI目前解决不了的。
11.2028：菲尔兹奖、机器人和太空数据中心
Joe问他们：如果快进到2028年8月，回头看这期播客，什么事情会让他们觉得"比预期快得多"？
Sholto最关注太空数据中心的进展。一旦实现，算力扩张速度会再上一个台阶。他预计到2028年会有Teraab级别的万亿规模算力设施上线，但具体爬坡速度还不确定。
家用人形机器人是他感兴趣的另一个判断点。基线预期是数万台早期部署，做洗衣和基本清洁。但也可能快得多。他提到了世界模型的进步速度超出预期，一旦机器人到位，进步会进一步复合加速。
最后是学术奖项。AI在2028年拿到菲尔兹奖，Sholto认为"相当可能，极有可能"。诺贝尔奖在2030年前，"感觉非常可能"。普利策奖，他觉得2028年大概还不行。
这三个判断的排序本身就很有意思。数学和科学最先，文学最后。这和他们前面解释的逻辑完全一致：RL在有明确对错答案的领域最容易做，文学创作恰恰是最难判定对错的。
这期对话的信息密度集中在两个层面。技术层面，Anthropic的RL团队对AGI时间线的判断是"几年之内"，支撑这个判断的不是概念推演，而是他们每天工作方式的实际变化。经济层面，Nick提出的"智能指数回报"框架解释了为什么这个行业不会像传统技术那样被快速商品化。tab补全和agentic coding之间差了千万倍的价值，而从agentic coding到AI科学家又是下一个量级。
关于风险，他们用攻防框架拆出了具体的时间判断：网络安全两年内翻转为防守主导，生物安全需要更长时间和数千亿美元投入。Anthropic选择在Fable模型上先与政府协调而放弃领先窗口，是用实际行动回应"监管俘获"的指控。
Q1: Anthropic内部怎么理解AGI的时间线？
Sholto和Nick都认为，能力与所有人类相当或更强的模型会在未来几年内出现。支撑这个判断的不只是评测分数，更是他们自己工作方式的实际变化。Sholto 18个月前还在手敲每一行代码，现在可以让模型独立工作一两天，像带一个初级团队成员。
Q2: 为什么他们认为AI不会快速被商品化？
Nick提出了"智能的指数经济回报"框架：每增加一个边际单位的智能，其价值是前一个的指数倍。tab补全和agentic coding之间差了千万倍的价值。同时，同等水平的智能成本每年下降约10倍。前沿有巨大溢价，落后的部分自然变便宜，两者同时成立。等到前沿被商品化的那一天，整个经济已经被AI改造了。
Q3: Anthropic怎么回应"监管俘获"的指控？
两个层面。一是事实：推动开源权重的主力是Nvidia、Amazon、Microsoft和中国的大型实验室，它们完全有能力应对监管。二是行为：Anthropic在拥有远超竞争对手的最强模型时，选择先与政府协调再发布，牺牲了可能持续数月的领先优势。"到目前为止，我们对自己的减速远超任何外部力量对我们的减速。"