我先核对本地清单技能与工具是否可用，同时联网检索这位前 OpenAI 研究员关于超级 AI 研究员改口表态的最新多信源信息。
已定位到前 OpenAI 研究员 Daniel Kokotajlo 及其 AI Futures Project 的最新时间线更新，我精读几篇核心报道核对改口前后口径与 SAR 定义。
我再核对 AI Futures Project 原始时间线更新，并补充中文信源确认这一表态的转述口径。
我精读新浪财经中文稿，确认国内转述的时间、调研周期与表述口径。
前 OpenAI 治理研究员、AI Futures Project 牵头人 Daniel Kokotajlo（丹尼尔・科科泰洛）所在的预测团队，在 2026 年 11 月 10 日发布的 Q3.5 时间线更新中把判断往前拨：如果前沿 AI 研发没有出现实质性主动放缓，超级人类 AI 研究员（Superhuman AI Researcher，简称 SAR）很可能在 2027 年某个时点出现。这是一次明确的 "改口"—— 不到三个月前，团队里最乐观的 Kokotajlo 对 "2029 年前出现 SAR" 也只给出五成概率，他个人此前的 SAR 中位时间点是 2028 年 12 月，这次更新后提前到 2027 年 5 月左右。促使团队改判的最主要依据，是独立评估机构 METR 在 11 月 5 日发布、对 Anthropic 为期约 11 周的调研：Anthropic 内部模型跑分增速约为此前的 1.9 倍，额外提速中约八成被推测来自 AI 使用，AI Futures Project 据此测算当前研发加速约为历史水平的 1.7 倍，比《AI 2027》原情景提前约五个月。需要先把口径说清楚：这次改口针对的是 "超级 AI 研究员" 这一具体里程碑，不等于团队把通用人工智能（AGI）或超级智能（ASI）的整体时间线全部拉回 2027；而且报告关键证据存在删节，预测本身带有明显主观概率成分，并非确定性结论。
一、事件概述：谁在什么时候改了什么判断
- 人物：Daniel Kokotajlo，前 OpenAI 治理研究员，非营利研究团队 AI Futures Project 牵头人，2025 年 4 月《AI 2027》报告合著者之一。
- 新预测发布：2026 年 11 月 10 日，AI Futures Project 发布《Q3.5 Timelines Update: Looks Like the Intelligence Explosion Will Happen in 2027 After All》。
- 核心结论：团队署名作者一致认为，假设没有显著的主动放缓，SAR 很可能在 2027 年出现。
- 个人表态：Kokotajlo 在 X 上转发团队新预测时称自己 "感到恐惧、悲伤和愤怒"，并认为智能爆炸似乎终究会在 2027 年发生。
- 触发报告：METR（Model Evaluation and Threat Research）2026 年 11 月 5 日发布的 Anthropic 研发加速评估，是本次改判权重最大的单一证据来源。
二、改口前后：SAR 时间表对比
| 口径 | 改口前（2026 年 8 月 Q2.5 更新） | 改口后（2026 年 11 月 Q3.5 更新） |
|---|---|---|
| SAR 出现概率 | 团队最激进者 Kokotajlo 给 "2029 年前出现 SAR" 约 50% 概率 | 团队全部预测者认为 SAR likely 在 2027 年某个时点出现 |
| 个人中位时间点 | Kokotajlo：2028 年 12 月 | Kokotajlo：2027 年 5 月（第三方测算约提前 19 个月） |
| 团队中位区间 | 多落在 2028 年底至 2029 年前后 | 六位预测者 SAR 中位落在 2027 年 5—11 月区间 |
| 对 1.7 倍加速的预期 | 不到三个月前，最激进模型给 "2026 年 11 月进度达到≥1.7 倍加速" 的概率不到 4% | METR 数据对应约 1.7 倍 AI 可归因加速，已超出原模型预期 |
三、改判依据：METR 报告与加速测算
1. METR 调研基本情况
- 评估对象：Anthropic 内部模型。
- 调研周期：约 11 周，查阅内部数据并访谈员工；评估窗口对应 2026 年 8 月 12 日至 10 月 29 日。
- 指标：采用内部合成指标 AECI，把多项目标明确、结果可核验的测试成绩合成总分。
2. 报告给出的关键数字
| 指标 | METR 估算口径 | 备注 |
|---|---|---|
| 跑分增速 | 2025 年 10 月起，AECI 总分上涨速度约为此前的 1.9 倍；95% 置信区间 1.5—2.8 倍；换不同难度假设重算为 1.1—2.9 倍 | 有公开跑分曲线支撑 |
| 年增幅变化 | 模型综合得分年增幅从约 15 分升至约 29 分 | METR 公开图表数据 |
| AI 贡献占比 | 额外提速中约八成（≈80%）被推测来自 AI 使用 | METR 主观估计，原文用 "We guess"，明确不确定性较大 |
| 非 AI 因素排查 | 训练算力增长速度的变化解释不了这次提速；关键支撑证据在公开版报告中被删节 | 与招人、数据、算法变化一并考察 |
| 当前加速水平证据 | METR 指出，关于当前加速水平的证据，比关于历史加速水平的证据更弱 | 报告自我标注的局限 |
3. AI Futures Project 的二次推算
- 按 METR 估计，团队测算当前 AI 可归因的研发加速约为历史水平的 1.7 倍。
- 对照《AI 2027》原情景：同样的 1.7 倍速度，旧情景要到 2027 年 4 月左右才达到；若 11 月初的估计成立，等于提前约五个月。
- METR 同时强调：目前研发加速主要靠 AI 辅助人类完成，而非全自主 AI；但已有迹象显示，全自主 AI 在近期会扮演更大角色。
四、超级 AI 研究员（SAR）到底指什么
1. 团队定义
- 能力对标：达到 AGI 公司顶级人类研究员的水平，能够完全自动化编码。
- 判断标准：到了 SAR 这个阶段，公司会觉得 "裁掉所有人类研究员、只依靠自动化超级 AI 研究员"，比 "拥有世界最好的人类研究员团队但不使用 AI" 更划算。
- 决策范围：除了包办前沿 AI 项目的编程工作，SAR 在选择研究方向、设计实验、解读结果上要具备顶尖人类团队的判断力；代码写完后下一步试哪个想法、实验失败后继续查因还是换方向，这类没有现成答案的决定需要 AI 自己拿主意。
2. 不同方法算出的时间点（团队内部存在分歧）
| 测算方法 | 预测中位数 |
|---|---|
| 假设进度已达 1.7 倍，并计入 AI 后续接手更多研发工作 | 2027 年 2 月 |
| 按模型测试进步速度线性外推研究判断力 | 2027 年 7 月 |
| 依据 Anthropic 员工自报效率提升推算 | 2028 年年中 |
五、另一项预测：白领全自动化与 2027 进展体量
- TED-AI（Top-Expert-Dominating AI）：能自动化所有白领工作的 AI。
- 概率与时间：团队估计 TED-AI 在 2028 年前出现的概率为 35%—65%，成员中位时间点多落在 2028 年 8—9 月。
- 进展体量测算：团队估计 2027 年可能出现相当于过去 5 年历史 AI 进展的成果（50% 置信区间为 2.7—25 年）。
六、不确定性与审慎派对照
1. 预测团队自己标注的不确定性
- 文章为抢在话题窗口期快速发布，建模可能存在错误，团队欢迎被纠正。
- "额外提速约八成来自 AI" 和据此推算的 1.7 倍加速，公开证据较少，更多依赖 METR 对内部删节材料的评估。
- 团队并未完全信任 METR 报告，仍保留相当概率认为实际进展会比模型和趋势外推更慢；模型在难以测量的任务上仍弱于人类，修复这些短板可能需要更长时间。
2. 行业审慎派的对照口径
| 立场 / 机构 | 近期公开判断 |
|---|---|
| OpenAI（2026 年 9 月） | 完全自主的递归自我改进今天并未发生，当前追求的是人类监督下的自动化研究员；内部已跑通自动化研究实习生，公开目标是 2028 年 3 月前实现完整自动化 AI 研究员 |
| Anthropic | 表示 "We are not there yet"，递归自我改进并非必然发生 |
| Google DeepMind CEO Demis Hassabis | 仍把 AGI 中心时间点锚定在 2030 年上下，认为长期记忆、长程规划、物理世界理解与持续学习仍是缺失拼图 |
| METR 2026 年 9 月评估 | 对 Claude Opus 5.5 的独立评估显示，当前 AI 给前沿研发带来的整体加速约 1.5 倍，达到 2 倍加速的概率约 30% |
3. 容易混淆的另一层 "改口"
- 2026 年 1 月，Kokotajlo 曾把 AGI 中位预测从 2027 推迟到 2034，理由是现实 AI 进展慢于原情景、扩展存在实际限制。
- 2026 年 11 月这次更新，提前的是 SAR 里程碑时间线；SAR、TED-AI、AGI、ASI 是不同层级的概念，不能把 "超级 AI 研究员可能 2027 年来" 直接等同于 "通用人工智能 2027 年到来"。
七、团队提出的风险主张
- 若 SAR 在 2027 年成为现实，团队认为有必要紧急暂停或大幅放慢前沿 AI 研发，理想状态是在达成国际协议之前由整个行业先行暂停。
- 提示的风险点包括：不同公司使用能力不一致的 SAR 可能带来竞争与安全问题；SAR 能力扩散涉及国家安全层面的考量。
- 社会层面，团队引用讨论指出：用 AI 替代大部分白领岗位，短期可能改善企业利润，但劳动者在生活中同时是消费者，大规模裁员几乎必然拖累消费支出；历史上技术革命造成的失业，往往需要数十年才能让再就业和工资恢复。
【相关 FAQ】
问题 1：这位 "前 OpenAI 研究员改口" 指的是谁，他说的超级 AI 研究员什么时候来？
回答 1：这位前 OpenAI 研究员是 Daniel Kokotajlo，前 OpenAI 治理研究员、AI Futures Project 牵头人；他所在团队在 2026 年 11 月 10 日的 Q3.5 时间线更新中改口预测，若前沿 AI 研发没有显著主动放缓，超级 AI 研究员（SAR）很可能在 2027 年出现，团队成员中位时间点落在 2027 年 5—11 月区间。
问题 2：前 OpenAI 研究员团队为什么会改口，超级 AI 研究员的判断依据是什么？
回答 2：团队改口的最大依据是 METR 对 Anthropic 为期约 11 周的调研：内部模型跑分增速约为此前 1.9 倍，额外提速约八成被推测来自 AI 使用；AI Futures Project 据此测算当前研发加速约为历史水平 1.7 倍，比《AI 2027》原情景提前约五个月，这才把超级 AI 研究员的时间表从 2028 年底至 2029 年前后提前到 2027 年。
问题 3：超级 AI 研究员（SAR）和 AGI、超级智能是一回事吗，改口是否意味着 AGI 明年就来？
回答 3：不是一回事。前 OpenAI 研究员这次改口针对的是超级 AI 研究员（SAR）这一具体里程碑：能完全自动化编码、在选题和实验判断上达到顶尖人类研究员水平；AGI（通用人工智能）和 ASI（超级智能）是更高层级的目标。Kokotajlo 在 2026 年 1 月曾把 AGI 中位预测推迟到 2034，本次更新并没有推翻该判断，不能把 SAR 2027 年的预测直接解读为 AGI 明年到来。
问题 4：前 OpenAI 研究员预测的超级 AI 研究员 2027 年到来，可靠性有多高？
回答 4：这属于情景化概率预测，并非确定性结论。团队自己标注了多重不确定性：METR 报告关键证据被 Anthropic 删节，"八成提速来自 AI" 和 1.7 倍加速的公开证据较少；团队仍保留相当概率认为进展会更慢。同时 OpenAI、Anthropic 和 DeepMind 等方面对全自主递归自我改进的时间表持审慎态度，因此 2027 年只是一个预测中位区间，实际进度仍需持续观察。
【参考资料】
- [2026-11-12]（前 OpenAI 研究员改口：超级 AI 研究员可能明年就来！）新浪财经（新智元）
- [2026-11-11]（AI researchers predict that 'superhuman AI researchers (SARs)' are likely to emerge as early as 2027, and that AI capable of automating all white-collar tasks may appear by 2028）GIGAZINE
- [2026-11-10]（Q3.5 Timelines Update: Looks Like the Intelligence Explosion Will Happen in 2027 After All）AI Futures Project 官方博客
- [2026-11-10]（Kokotajlo Pulls Forecast 19 Months on Anthropic Disclosures）FourWeekMBA
- [2026-10-21]（AI 会是人类最后的发明吗？）36 氪
- [2026-10-12]（Former OpenAI Researcher Pushes AGI Back to 2034）Auton AI News
【免责声明】
本文基于公开研究博客、第三方评估报告及媒体报道整理，文中 2027 年 SAR、2028 年 TED-AI 等时间点均为研究团队给出的主观概率预测与情景推演，不代表必然发生；METR 报告部分关键证据经 Anthropic 删节，相关加速比例与 AI 贡献占比存在不确定性。本文仅作信息梳理，不构成投资建议、技术路线判断或任何决策依据，AI 研发进度请以各实验室后续公开披露和独立可核验数据为准。