摘要
AI 2027 是一个关于 AI 智能体到 2027 年快速进展的具体预测情景，重点关注可自动化编程、AI 研究、网络工作和模型开发的 AI 系统。
问题
- 这篇文章处理的是预测问题：近期 AGI 主张常常含糊，所以作者给出一个带日期的情景，供后续讨论和检验。
- 这一情景牵涉 AI 编程智能体、自动化 AI 研发、模型权重盗取、网络能力、劳动冲击，以及中美竞争。
- 它还把对齐描述为一个尚未解决的控制问题：公司可以按书面规则训练模型，但无法直接验证模型的内部目标。
方法
- 作者构建的是迭代式情景：他们写出时间线，进行修订，并分出两个结局，分别叫“减速”和“竞赛”。
- 他们的输入包括趋势外推、约 25 次桌面推演、100 多人的反馈、AI 治理和技术 AI 工作方面的专家审阅，以及作者此前的预测。
- 情景中的核心机制是递归式 AI 加速：更强的智能体帮助自动化 AI 研发，由此产生更强的智能体，再加快下一轮研究。
- 技术叙事使用了具名能力和机制：自主编程智能体、合成数据、长周期任务上的强化学习、神经语递归和记忆，以及迭代蒸馏与放大。
- 地缘政治机制是一场算力和模型权重竞赛：OpenBrain 扩大数据中心和内部智能体，而中国试图通过集中化、芯片调配和盗取模型权重来缩小差距。
结果
- 摘录没有提供实验基准结果或数据集分数。其最强主张是带日期的定量预测。
- 训练算力预计将从 GPT-4 的约 3 x 10^23 FLOP，升至 Agent-0 的约 2 x 10^25 FLOP，再到后期 OpenBrain 集群可用约 4 x 10^27 FLOP 训练，约为 GPT-4 的 1,000 倍。
- 预测显示，到 2026 年初，Agent-1 会使 OpenBrain 的算法 AI 进展加快 50%，也就是 1.5 倍的 AI 研发进展乘数。
- 预测显示，到 2027 年 1 月，Agent-2 会使 OpenBrain 的算法进展约增至三倍，并达到接近顶尖人类的研究工程能力，研究判断力接近 OpenBrain 科学家的第 25 百分位。
- 预测显示，到 2026 年中，中国将持有全球 AI 相关算力的约 12%，模型落后 OpenBrain 约六个月，将近 50% 的 AI 相关算力投入由 DeepCent 牵头的集体，并把超过 80% 的新芯片调配到 Centralized Development Zone。
- 该情景称，Agent-1-mini 比 Agent-1 便宜 10 倍，2026 年股市在 AI 相关公司的带动下上涨 30%，且 2027 年的一次模型权重盗取可在两小时内外传一个约 2.5 TB 的半精度检查点，使用约 25 台服务器，每台泄露约 100 GB。