AI拐点加速逼近：能力翻倍仅需88.6天

你上一次认真更新自己的职业路径，是什么时候？

之所以先问这个，是因为AI Futures Project的研究者，正在严肃地测算另一件更关键的事——AI的能力，究竟每隔多久会增长一倍。

他们给出的最新结论是：88.6天。

连三个月都不到。

2026年1月29日，AI研究组织METR低调公布了一份技术报告。

没有记者会，没有CEO出面，也没有登上科技媒体的醒目头条。

那METR到底是什么？

你可以把它看作AI能力的“计量机构”——专门用统一、标准的方法去衡量AI究竟强到了什么程度。

他们提供的数据，是全球最严谨的一批AI研究者进行判断和预测的重要基础。

这一次，他们把测量方法升级后，又重新完整评估了一遍。

结果并不是小幅修正，而是把原先的整体时间判断明显提前了。

旧版工具显示，自2023年以来，AI能力的翻倍周期约为165天。

而新版工具测得的结果是131天。

如果只统计2024年之后的数据，这个数字还进一步缩短到了88.6天。

真正让人不安的，不只是这个新数值，而是另一个更深层的问题：旧工具衡量出来的AI进展，比真实水平整整慢了20%。

我们原以为自己一直在紧盯这场变化，可实际上，连用来观察它的“标尺”都已经落后于它的速度。

先说明一个概念，因为它是理解后面内容的关键。

METR把AI的能力称为“时间视界”。

简单来说，“时间视界”指的是AI能够独立完成一项任务的最长持续时长。任务越复杂、越依赖连续推进，这个时间视界就越长。

可以这样理解：

一年前，AI的时间视界大概只有十几分钟。它能替你写一小段代码、润色一封邮件，但如果交给它一个需要“规划→调研→执行→测试→修复”完整链条的真实工程项目，它很容易中途失控。

而现在，Claude Opus 4.6的时间视界已经超过320分钟——也就是超过5小时的连续自主工程作业，过程中不需要人类持续在旁纠偏。

按照88.6天翻倍一次的速度继续往后推：

到2027年年底，这个数值将超过一名人类工程师一个月的工作当量。

到了那个节点，AI就不再只是“帮你做事”——而是在完整替代一个项目周期。

这不是科幻想象，而是指数函数最冷静、最直接的推演结果。

接下来再说说那群认真计算未来时间表的人。

Daniel Kokotajlo和Eli Lifland是AI Futures Project的核心成员。

他们长期专注于一件事：判断AI何时会跨过各类关键节点，并且把每次调整预测的依据公开写出来。

他们追踪的最核心里程碑之一叫“自动化编码器”（Automated Coder，AC）——定义非常明确：当AI强到让一家顶级AI公司宁可裁撤全部人类软件工程师，也依旧选择完全依赖AI写代码的那个时点。

三个月前，Daniel还认为这一刻会在2029年末出现。

但在2026年4月的最新更新中，他把这个预测提前到了2028年中。

Eli的判断也从2032年初，前移到了2030年中。

18个月，就这样在短短三个月里被抹掉了。

不过真正让人震动的，不只是时间线被整体前移，而是其中一个前移原因：

Daniel把实现AC所需的AI能力门槛，从“需要具备相当于人类3年工作量的时间视界”，直接下调成了“只需要1年”——

原因是Claude Opus 4.6的实际表现，让他重新评估了这件事到底有多难。

翻译成更直白的话：他们不但发现AI进化速度快于原先预期，还意识到自己此前连“到底强到什么程度才算够”都判断偏了。

目标更近、门槛更低、速度更快——这三件事同时出现在同一份季度更新里。

这时也许有人会说：这些毕竟只是研究者的预测，预测本来就可能出错。

没错。但有一件事不是预测，而是已经落地的商业数据。

Claude Code——Anthropic推出的AI编程助手——上线仅9个月，年化营收就超过了25亿美元。Anthropic整体也维持着接近每年10倍的营收增长，已经进入百亿美元量级。

9个月，25亿美元。

这说明什么？说明AI编程已经不再只是实验室里的技术尝试，它已经成为一门能够自我造血的成熟生意。

这是历史上第一次出现这样一种工具：它的进化速度，已不再主要由科学家的兴趣驱动，而是越来越取决于市场回馈——有多少用户愿意为它买单，就有多少资金反过来推动它继续高速迭代。

人类是否批准预算，已经不再是最核心的决定因素。

回看历史，每一次大规模生产力跃迁，都会重新定义“人的价值”，而不是把人的价值彻底抹去。

工业革命让体力劳动迅速贬值，但同时催生了对“设计、管理、创造”的巨大需求。

互联网让获取信息的成本无限接近于零，但也让“判断、策划、叙事”变得更加稀缺和昂贵。

这一次，AI让执行本身变得廉价。

那么，接下来真正稀缺的会是什么？

答案就藏在另一个问题里：AI可以写代码，但它不能决定这个产品该不该做、为什么要做、应该为谁而做，以及做出来以后世界应该被改变成什么样。

这不是技术层面的难题，而是意图层面的难题。

当执行工作可以被外包给AI，人类最难被替代的部分，就是定义“为什么”的能力——提出真正重要的问题，感知真实存在的需求，并在高度不确定中作出有价值的判断。

这种能力并非与生俱来，但完全可以通过刻意训练逐步获得。

只是，留给我们的训练窗口正在变短。

我知道读到这里，你也许会同时感到焦虑，又隐约觉得这件事似乎还没真正落到自己头上。

这种感受很正常。海啸真正冲上海岸前，海面上的人往往只会先察觉到一次反常的退潮。

但有几件事已经相当明确：

第一，AI的成长不是线性推进，而是指数级提升。88.6天翻一倍，意味着一年后它的能力可能是现在的16倍，而不是2倍。人的直觉天生就不擅长把握指数变化。

第二，最严肃的一批预测者已经公开承认，他们此前低估了这个速度。这不是危言耸听者在制造恐慌，而是训练有素的研究人员在季度复盘里坦白：我们判断错了，而且错得偏保守。

第三，这场变化不会平均落在每个人身上。最早被取代的，是那些把“执行”视为自身全部价值的人；最晚被取代的，是那些能清楚界定问题、整合意图并判断方向的人。

88.6天，是AI能力完成一次翻倍所需的时间。

而你上一次系统性升级自己的工作方法，又是在多少天之前？

这不是一道要你立刻绝望的题，而是一道提醒你从现在开始作答的题。