刚刚，Anthropic宣布奇点已至！AI或把美国GDP推上44万亿美元

Jack Clark在曼谷IMF讲座上说出“奇点已经到来”的时候，台下坐着全球央行官员。他同时给出了一个数字：到2030年，AI可能把美国GDP推到44万亿美元。

但如果只盯着“44万亿”这个标题，会漏掉一件更有意思的事：这个数字在Anthropic自己的模型里，是三个情景中最极端的那一个，而且三个情景都没有被赋予任何概率。温和情景下GDP是34.1万亿，显著情景是36.3万亿，44.4万亿是那条尾巴。Clark自己也在台上承认“听起来非常离谱”，但他还是把它放进了标题。

一个做AI的公司，为什么要把自己模型里最极端的情景，当成公共叙事的主角来推？

预测者的位置，决定了预测的形状

Anthropic正在筹备一场估值目标1.5万亿到2万亿美元的IPO。就在这场演讲前后，投资人已经在削减其IPO定价，原因是收入增长放缓、算力成本吞掉了AI效率带来的收益。与此同时，Anthropic在IPO叙事里向投资者展示的总可触及市场（TAM）超过30万亿美元，相当于美国GDP的总量。

把这些时间点叠在一起看，44万亿的功能就清楚了：它不是在预测经济，它是在为一家即将上市的AI公司提供宏观合法性的背书。 一家卖铲子的公司站在IMF的讲台上告诉全世界“地下全是黄金”，这句话由它来说，和房地产商告诉你房价还要涨，在结构上没有区别。

批评者把这一点说得更直接：模型存在“倡导性偏差”，Anthropic能从对自己有利的AI监管环境中获益，而且没有任何独立的经济分析印证这个预测。经济学家本·莫尔和亚历克斯·伊马斯也批评过这类“十年翻十倍”式的推演，指出AI在企业层面的实际采用速度，远低于实验室内部的预期。Clark本人对NPR说的另一句话，反而比44万亿更接近现实：“技术会继续快速进步，但它进入经济的速度会比人们想象的更慢”。

物理评测的边界：AI在“摇手柄”，不是在“提出问题”

演讲里另一个被反复引用的证据，是TheoPhysEval上AI“纠正了人类物理学家”。

这件事确实发生了。GPT-6 Astra在50道未发表的理论物理题中做对了49道，部分题目起初被判错，复核后发现是人类专家的参考答案有符号或近似条件的疏漏，修正后AI得分从88%升到98%。单题成本大约2.33美元。

但TheoPhysEval的论文自己划了一条边界，这条边界在传播中被几乎完全省略了。它明确指出，这不代表“AI解决了物理学”，而是AI在“可验证的科研计算题”上接近了顶尖博士生水平。题目属于“turn-the-crank”类型：理论框架已经存在，解题者需要读文献、改参数、推公式、写代码算出可验证的数值。论文作者甚至写道，这类题目“不宜再作为研究生入门的练习”。

更关键的是50道题里唯一一道所有模型都没解出来的，是给一条带噪声的曲线反推生成它的微分方程。这是一个逆问题，信息不对称、解不唯一，需要物理直觉。论文作者的判断是：AI会算，但缺乏人类那种“哪条路值得走”的品味（taste） 。它可以成为一个不疲倦的合著者，但距离“接管物理学”，差的是提出问题的能力，而不是推导的能力。

Clark在演讲里用“学生开始纠正老师”来概括这件事。但论文本身的描述更克制：学生在老师已经搭好的框架里，把老师算错的几步改对了。这不是同一个故事。

“自我改进”这个词，被用得太宽了

演讲中最有冲击力的部分，是RSI（递归自我改进）时间表的提前。Clark把“完全RSI”的预期从2028年拉到了2027年，理由是Anthropic内部的AI研发贡献度在快速上升。Vals的RSI Index独立估算也在2027年7到8月附近，看上去像是在互相印证。

但“AI写了自己80%的代码”和“AI在改进自己”，中间隔着一个概念鸿沟。澎湃新闻一篇梳理RSI定义的文章把它拆得很清楚：真正的RSI要求的是一条条件很强的主张——系统改进了执行下一轮改进的机制，并且后续世代在未参与选择的独立评测上仍然更擅长继续改进。而当前大多数实验证据支持的，是“在固定目标函数和验证器下对某个程序或工作流做迭代优化”，更准确的名称是“受限的自动化优化”，而不是强RSI。

Anthropic在2026年披露的数据是，Claude主导了公司26%的AI研发任务，合并代码中超过80%由Claude生成。这些数字说明的是自动化在加速，不是自我改进的闭环已经焊死。而支撑Clark把时间表提前的TasteVal基准，论文自己也承认任务“被有意设计为易于验证、反馈回路短”，可能高估进展；而且表现最好的模型成本与人类专家基线相当，并没有展示出“更便宜地发现新科学”的能力。

把一个“在固定框架下更快地试错”的指标，翻译成“AI开始自己造下一代AI”，中间省掉的限定条件，恰好是最需要被追问的部分。

最该问的问题，不是44万亿靠不靠谱

Clark演讲尾声有人问该让孩子学什么专业。他的回答指向创造力、通识教育、哲学，以及“搞清楚什么是人类的核心价值”。这个回答本身是诚实的。印度政府首席经济顾问补的那一半更具体：当大脑被廉价化，人的双手、体温、在场感和道德决断反而会变贵。

但整场演讲真正值得留意的地方，不在这些建议里，在预测的结构里。44万亿是Anthropic自己模型的天花板，被拿出来当作基准来传播；TheoPhysEval的“AI纠正人类”被放大，而论文明确写的“turn-the-crank”边界被省略；RSI时间表的提前被包装成奇点临近的证据，而“受限优化不等于自我改进”的概念区分被跳过。

一家正在冲刺人类商业史上最大IPO的AI公司，在IMF的讲台上，用自己内部模型的最极端情景、自己参与定义的评测、自己提前的时间表，为“奇点已经到来”提供了一个闭环的论证。这个闭环里缺少的东西，恰好是独立验证、概率权重，以及一个简单的问题：如果奇点真的已经到了，为什么定义它的人还需要用一场演讲来解释它？

那个84岁老奶奶的故事，和44万亿之间没有直接关系。但两者共享同一个教训：一个数字被反复重复的时候，最该看的不是它有多大，是谁在说，以及说的人从你相信它这件事里得到什么。