DruckFin

Anthropic 共同創辦人 Jack Clark：奇點已至，內部經濟模型預估美國 2020 年代末 GDP 將達 44 兆美元

Anthropic 共同創辦人在 10 月 18 日 AF14 大會上的主題演說，結合了宏大的成長願景與擴建實驗室及機器人產能的呼籲

Anthropic 共同創辦人 Jack Clark 在 AF14 大會上透露，該公司的內部經濟學家已建立一項模擬情境，預測美國 GDP 將在 2030 年達到 44 兆美元。他坦言這個數字「聽起來非常離譜」，但主張這是「技術持續進步所必然產生的結果」。該模型和「各大實驗室的人」的想法一致，假設 AI 系統將能自主完成廣泛的任務，且技術在經濟中的擴散速度將會加快。Clark 未透露關於基準假設、採用曲線或 Anthropic 所模擬的其他軌跡之細節。投資人應將此數字視為利益相關者所產出的情境結果，而非正式預測。儘管如此，這仍凸顯出該公司正以多麼激進的態度來形塑經濟利害關係。

Clark 接著提出了邏輯上的推論。如果 GDP 擴張如此巨大，「經濟學理論指出，必須創造出新的產業與發明，才能支撐如此重大的經濟擴張。」在他看來，這正是自主式 AI 科學研究所能提供的，這使得科學而非聊天機器人或程式碼，成為該論點的主要驅動力。

核心論點：廉價且可複製的研究人員打破了「點子越來越難找」的困境

Clark 的經濟論點建立在研究人員生產力長期下降的現象上，也就是人力迅速增加，但突破所需的成本卻越來越高。他主張 AI 改變了這個方程式中的兩個變數：研究人員的數量以及培訓他們所需的時間。他以自身為例：「世界上只有一個我，而我花了約 40 年才走到今天。如果能夠同時運行數百或數千個我的複本，那會是什麼意思？」他指出，培訓新一批人類專家需要「10 到 15 年的標靶教育以及數百萬美元」，而只要有足夠的運算能力，AI 系統「就可以隨時以任意數量創造出來」。

他的解讀是，隨著每個人類監督「數百或數千名志同道合的專家」，人類科學家的價值將會提高，而不是降低。他並未談及這與前沿科學以外的勞動人口取代有何關聯。這場演說對其所描述之成長所帶來的分配成本隻字未提。

佐證：前沿科學基準與一個意味深長的物理學軼事

Clark 表示，2026 年帶來了 AI 能夠在前沿領域進行科學研究的第一個跡象。他舉例說明 AI 對多項問題提出的解決方案做出了貢獻，包括納維-斯托克斯千禧年大獎問題（Navier-Stokes Millennium Prize）、雅可比猜想（Jacobian conjecture）以及多個未解的愛爾多斯問題（Erdos problems），並稱 AI 在許多情況下提供了「核心見解」。在生物學方面，他指出由 AI 設計的病毒與候選藥物，其中有些藥物已進入臨床試驗，「在很大程度上是由 AI 系統所設計的」。他還指出，AI 正日益自主操作實驗室設備。

他所提供的基準數據相當驚人。在「人類的最後一場考試」（Humanity's Last Exam）中，頂尖系統在 2025 年 1 月發布時僅獲得 8% 的分數，而本週的領先者則是 Claude Opus 5.5，分數達到 67.7%。在 FrontierMath 上，最高分從 2024 年 11 月發表時的 2% 上升至如今的 94%。Clark 表示，他在過去一週內整理了約 100 張圖表，顯示各個科學領域都呈現相同的模式，加速現象在「過去兩年內開始，有時甚至僅僅一年」。

他最令人難忘的證據是上週發布的一篇論文 TheoPhys-Eval，該論文由作者自身研究產出的 50 個未發表理論物理學問題所組成。Clark 引述其中一位作者、印度物理學家蘇瓦特·拉朱（Suat Raju）的話：「據我所知，沒有任何個人能在沒有 AI 協助的情況下，解決我們最終收集到的問題中的任何顯著比例。」初期的評分顯示，GPT-6 Astra 獲得 80 分末期的成績，緊隨其後的是 Opus 5.5。然而，這些模型（尤其是 Astra）堅持專家提供的答案是錯誤的。經審查後，專家們發現「其計算深處隱藏著微妙的錯誤」，而在他們修改答案後，Astra 的正確率達到了 98%，即 50 題中答對 49 題。Clark 的結論是，前沿科學隱含地測試了創造力——這是 AI 最後幾項尚未被證實的能力之一——而在該領域取得成功，預示著泛化能力，「當然也包含 AI 研究本身，這可能對創新產生爆炸性影響」。值得注意的是，他引用了競爭對手實驗室的模型作為表現最好的模型之一，這為這些證據增添了一些公信力。

程式碼生產力與資安一體兩面

他對其負面影響毫不避諱。同樣的程式碼生產力提升，讓模型在網路防禦與網路攻擊兩方面都變得更強大，他強調這兩者是「密不可分的」。他將此稱為「未來趨勢的預告」。

基礎設施：下一個擴建重點是實驗室、設備與機器人

Clark 表示，他過去十年來遊說政府建置電力容量與資料中心空間的努力大多被當成耳邊風：「沒有多少政策制定者聽進去。我認為我們現在正在承擔這些代價。」運算容量高度集中在美國、中國，以及日益增加的中東地區，且供應鏈競爭如此激烈，以至於「價格正在上漲」。

他主張，運算能力建置僅僅是第一階段。下一階段是向實體世界的擴展，由 AI 執行實驗並操作機器人。根據聯合國教科文組織（UNESCO）的數據，全球大約有 1,000 萬名科學家，他指出，現有的人類、實驗室、生物實驗室和大型科學儀器已經不足以應付現有需求。未來出現 10 億甚至 100 億名虛擬科學家的前景意味著「我們的容量將很快耗盡，我們將看到歷史重演」。對投資人而言，這背後代表著實驗室自動化、科學儀器、機器人技術以及原物料供應的新需求向量。Clark 暗示，供應基礎投入的開發中國家可能會「急起直追（leapfrog）」。

他也點出了下游的瓶頸。「如果只有極少數能夠接受測試，那麼如雪崩般湧現的新藥提案將毫無用處，」他說，並呼籲政策制定者加速從實驗室到診所、工廠和現場的路徑。這隱含地承認了法規與臨床產出率（而非探索本身），才是實現經濟利益的上限。

治理：在 AI 驅動的 AI 研究上保持克制

最關鍵的承認可能在於 AI 研究本身。Clark 表示，像 Anthropic 這樣的實驗室「將需要對我們在 AI 驅動的研究中應用多少監督做出決定」，這可能會加速進展，但也意味著「我們在這裡需要極其小心，否則我們可能會失去對這項技術的控制」。他呼籲在生物研究中實施最嚴格的人類監督，並表示 AI 的創造力已經迫使人類花費時間來解碼其數學進展。他也提出了這樣一個問題：人類是否必須在「短短幾年內」理解 AI 為自己設計的科學設備。

Clark 在結語中呼籲為「這項技術以及建構它的公司制定不尋常且嚴格的規則」，並主張世界在發展過程中必須「緩慢且審慎」，即便同時也在建置使用它的基礎設施。他也表示，採取行動的窗口期「只有短短幾年，絕對不到十年」。這種立場與依賴快速能力提升與擴散的 44 兆美元成長情境存在著微妙的緊張關係。Clark 承認了這種張力，但並未解決它。