Anthropic 技術主管預估 AGI 將於「未來幾年」降臨，並力挺 80 美元營收年化率（run-rate）以抵禦蒸餾及監管CAPTURE 批評
美國奧普密斯（American Optimist）播客，納帕，2026 年 8 月 — Anthropic 強化學習技術主管尼克·馬韋爾（Nick Marwell）與舒爾特·道格拉斯（Schult Douglas）闡述了該公司的 AGI 時程表、前沿模型定價的經濟學邏輯，以及為何他們放棄了長達數月的模型領先優勢。
Anthropic 兩位資深技術人員在《美國奧普密斯》（American Optimist）播客節目中進行了深入對話，其發表的言論對於評估 AI 基礎設施交易的定價具有關鍵參考價值：他們指出，具備「與人類相當甚至超越人類」能力的模型「極有可能」在未來幾年間誕生，且前沿智慧的經濟效益呈現指數級而非線性成長。負責領導強化學習科學的尼克·馬韋爾（Nick Marwell）與強化學習技術主管舒爾特·道格拉斯（Schult Douglas），亦針對 Anthropic 傳出約 80 億美元的營收年化率（run-rate）—— 該數據此前曾遭洩漏，但公司官方尚未證實 —— 進行了回應，同時談及與中國實驗室的蒸餾技術之爭、日益針對該公司而來的「監管Capture（regulatory-capture）」批評，以及他們對未來兩年網路與生物風險走向的看法。
前沿定價的指數級邏輯
對話中最具深遠影響的論點並非技術層面，而是經濟層面：馬韋爾與道格拉斯主張，模型智慧的每一個邊際單位所帶來的價值，都呈指數級高於前一個單位。這正是為什麼他們認為，即使落後邊緣的能力在數月內便商品化（commoditized），前沿實驗室仍能保有定價權。馬韋爾以程式編碼作為證明案例。「程式編碼中第一個對人們真正有用的智慧單位，是 Tab 自動補全（tab auto-completion），」他說道，「從這個階段，你邁向了下一個邊際智慧單位，讓具備代理能力的程式編碼（agentic coding）在你的終端機中透過 Claude Code 成為現實。而這是一項價值提升 10萬倍的能力。」他的結論直截了當：「到了這個階段，你甚至無法再單靠 Tab 自動補全來支撐一家公司。」
這種框架對於投資人思考整個產業的利潤持續性至關重要。根據道格拉斯的估計，整個產業的 AI 總營收「在一個數十兆美元規模的經濟體中，大約略高於 1,000 億美元」—— 這暗示該領域相對於其潛在市場規模（addressable base）而言仍只是誤差範圍，而價值正高度集中在前沿領域，而非落後邊緣。馬韋爾的歷史對照點是藥物開發的智慧財產權（IP）保護，但情況有所不同：AI 的「前沿保鮮期是以月為單位計算」，這使得其通縮曲線遠比製藥業陡峭。根據討論中引用的 Artificial Analysis 基準測試，每美元所能獲得的能力正以每年約 10 倍的速度下降。
剖析 80 億美元營收年化率與從工具到「實體」的轉變
面對關於外洩營收年化率數據的追問 —— 據稱該數據顯示 Anthropic 的成長速度超越了 OpenAI —— 道格拉斯與馬韋爾雖未直接證實具體數字，但詳細說明了支撐這項成長故事的內部能力進展。道格拉斯描述了 Anthropic 內部工程師與自家模型協作方式的轉變：十八個月前，他「手動輸入每一行程式碼」，隨後「每隔幾分鐘就要介入一次」來修正那些「偏離軌道」的模型。而今，他說道：「我可以要求模型獨立完成一到兩天的工作，推動進展的方式基本上就像一個初階團隊成員。」這種不斷疊代的自主性 —— 從工具演變為半獨立的貢獻者 —— 正是 Anthropic 觀點的營運基礎：人們應將其視為部署「實體」而非軟體工具。道格拉斯表示，這是一個「實用的框架」，因為這些模型正日益「代表你採取行動」，而不再需要持續的監督。
為什麼蒸餾（Distillation）對商業模式構成生存威脅
兩人針對 Anthropic 為何將蒸餾視為對產業資本結構的直接威脅（而不僅僅是智慧財產權困擾），作出了迄今為止最為詳細的公開解釋之一。馬韋爾主張，蒸餾「並不是一種能讓你超越當前能力前沿的方法」，若任其不受限制地發展，將會破壞正流入訓練運算的龐大資本支出（capex）背後的經濟合理性。「我們即將進入……規模達 100 億美元、1,000 億美元、甚至 1 兆美元訓練運算的時代，」他說道，「你唯有在能夠透過出售自己所投資的成果來獲利的情況下，才能支撐這種規模的研發（R&D）投資。」如果競爭對手能夠「以極低的成本」複製前沿模型，並在「一週或兩週內」發布幾近等同的成果，那麼該對手就會在無需承擔研發負擔的情況下，搖身一變成為「具備經濟優勢的競爭者」。
至關重要的是，兩人坦言 Anthropic 無法單純透過技術手段完全阻止蒸餾。道格拉斯將這種動態描述為「貓捉老鼠的遊戲」：一方面向開發者提供模型輸出、推理軌跡（reasoning traces）和本地推論 —— 這全都是客戶強烈要求的產品功能 —— 同時也讓蒸餾變得更容易。根本沒有所謂完美的技術修了解方，只有在產品開放性與防禦性（defensibility）之間權衡取捨。這項坦承對於試圖在基礎模型（foundation models）中認購長期護城河的投資人而言意義重大：其壁壘与其說是一道高牆，不如說是一種摩擦力，且主要由前沿發展的速度本身來強化，而非靠強制執行。
目前以進攻為主，預計兩年內網路安全將轉為防禦為主
在安全性方面，兩人提出了一個具體且相對樂觀的預測：網路安全目前是以進攻為主，因為攻擊者利用 AI 的速度快過防禦者修補漏洞的速度；但在大約兩年內，隨著各組織利用相同的模型來主動發現並修補自身的漏洞，這種局勢應會翻轉為以防禦為主。「目前網路與生物安全都是以進攻為主，」道格拉斯表示，「但我認為在未來兩年內，網路安全將轉為防禦為主。」生物學則是一個更棘手的問題。道格拉斯坦言，要扭轉生物安全的進攻主導地位「將需要數千億美元的基礎設施」，且實際上取決於「2030 年代機器人技術的大幅進步」，才能大規模打造出防禦性基礎設施 —— 這是一條比網路安全更漫長、資本需求更龐大的跑道。
馬韋爾另外點出了 AI 在生命科學應用中較少被討論的瓶頸：物理實驗室的產能，而非模型能力，才是當前的限制因素。「比起擔心 AI 是否能成為有用的智慧工具，我幾乎更擔心我們是否具備利用這項技術所需的物理與實驗室基礎設施，」他說道，並補充指出美國的實驗室基礎設施在品質指標上「明顯落後於中國等地」—— 這隱含著對生技相關資本支出的呼籲，而目前公開市場上的生物科技類股尚未對此進行定價。
回應監管Capture的批評
針對創投與開源界日益高漲的指責 —— 認為 Anthropic 的安全倡議其實是透過監管來鞏固其領先地位的偽裝策略 —— 馬韋爾提出了一個具體的反例：公司在處理他所稱的 Fable（前身為 Mythos）模型推出時的作法。據報導，當時 Anthropic 握有模型領先優勢且「無人」能及，但該公司並未利用這項領先差距，而是選擇「與政府合作，以政府感到舒適的方式推出產品」。「這對公司來說絕對是一個糟糕的經濟決策，」馬韋爾表示，「但它符合我們對於模型應當如何部署與監管的價值觀。」他也反駁了開源權重（open-weights）監管不成比例地打擊小型參與者的說法，指出當今最大的開源權重開發者是輝達（Nvidia）、亞馬遜（Amazon）、微軟（Microsoft）以及獲得資金雄厚的中國國家背景實驗室，而非小型開源社群，這削弱了「監管旨在讓資金不足的對手處於劣勢」的說法。
對於執行長達利·阿莫代伊（Dario Amodei）「試圖嚇唬所有人以創造更多規則來放慢發展速度」的更廣泛質疑，道格拉斯的回應非常直接：「到目前為止，我們放慢自己腳步的程度，遠超過其他任何人。」他引用了 DeepMind 執行長德米斯·哈薩比斯（Demis Hassabis）關於封閉模型實驗室應共同採納發布前安全閾值的提議，作為這種自我約束出於自願而非遊說策略的證據。
面對中國，絕不採取單方面放慢腳步的策略
儘管有安全方面的論述，但兩人明確表示，若中國持續發展，Anthropic 將不會支持美國單方面放慢其 AI 開發腳步。「我不認為任何我們會感到舒適的腳步會牽涉到讓美國放慢、卻放任中國領先，」道格拉斯說道，並補充任何協調一致的暫停「都必須以我們完全信任每一個交易對象的方式進行全面協調」。特別是在開源方面，Anthropic 的既定立場並非反對，而是追求對等：該公司希望基於能力的發布閾值 —— 例如圍繞網路攻擊能力的閾值 —— 能夠一視同仁地應用於開源和閉源模型，而不是專門針對開源權重開發者的限制。
運算軌跡與 2028 年檢查點
在基礎設施方面，道格拉斯勾勒出了一條值得與超大型雲端服務商（hyperscalers）指引相互對照的資本支出軌跡：全產業今年的 AI 資本支出約為 1 兆美元，如果每年運算能力成長 2 到 3 倍的歷史模式得以持續，這一數字明年可能達到 2 兆美元，並在 2028 年達到 4 兆美元。若進一步推演至結合機器人技術，道格拉斯暗示 2030 年代初期全球 GDP 有效翻倍是有可能的 —— 他同時標註這項主張需要「許多條件順利配合」，而非基本情境。具體針對 2028 年，他預期屆時將有 1 太瓦（terawatt）的 AI 運算能力上線，並有「數以萬計」的仿生機器人執行基本家務。他還表示，如果 AI 模型在本十年結束前贏得菲爾茲獎（Fields Medal），他也不會感到意外，不過對於 AI 在類似時間表內達成普立茲獎（Pulitzer）或諾貝爾獎（Nobel Prize）級別的成就，他則持懷疑態度。
在近期勞動數據方面，馬韋爾指出了一個反直覺的信號：儘管有 AI 自動化，但菲律賓的業務流程委外（BPO）就業人數與美國軟體工程就業人數皆持續上升。他將此歸因於一個過渡階段，在此階段中，AI 讓現有員工變得更有價值，而非遭到裁員。不過，他警告不應過度解讀這一趨勢：「在某個時間點……我們將從一個需要人類與 AI 模型搭配才能發揮全部價值的世界，過渡到一個不再需要的世界。而我認為，那是我們開始對其後果感到非常緊張的世界」—— 這直接呼應了國際象棋的歷史對照，在棋藝領域中，人機聯手對純機器的優勢持續了大約三十年才告崩潰。