Dario Amodei：我们正接近指数的终点，但公众完全没意识到｜Dwarkesh 2026

112 万播放，2 小时 22 分钟。他说这是「在泡泡内和泡泡外的人都还在讨论同样陈旧政治议题」时，他本人最焦虑的一件事。

コンテンツカードを読み込んでいます…

🗓 访谈信息

三年前 Dario 接受 Dwarkesh 采访时，核心观点是「指数还会继续」。现在他的更新是：依然在继续，只是外表变了。

RL 阶段的 scaling law 和预训练本质相同：训练越久，效果越好，且是 log-linear 的。Anthropic 内部在数学竞赛、代码以及更广泛的任务上都看到这条曲线。

他的解释框架叫「大计算量假设」（Big Blob of Compute Hypothesis），2017 年就写好了，核心只有七个变量：计算量、数据量、数据分布、训练时长、可 scale 的目标函数、泛化能力和数值稳定性。

「预训练是一种，RL 是另一种。它们是同一个假设的两个例子。」

关于「样本效率」争论他也直接给了答案：人类的先验知识来自几百万年进化，语言模型从随机权重出发——这不是方法错了，是起点不同。语言模型的预训练对应的更接近「人类进化」而非「人类学习」，而 in-context learning 才更接近「人类学习」。

Anthropic 的收入曲线：

他承认这条曲线不可能永远延续，GDP 是有上限的。他的预估是今年增速会稍微放缓，但「放缓」依然意味着每年三到五倍，这在任何历史尺度上都是极快的。

真正让他焦虑的不是收入本身，是「公众完全没有意识到我们在哪个节点上」。他的原话是：

「在泡泡内和泡泡外的人都在讨论同样陈旧的热门政治话题，而我们正接近指数的终点——这在我看来是绝对荒谬的。」

有个常见的说法：AI 能力已经够了，只是「扩散太慢」所以 ROI 还没显现。Dwarkesh 说这是「cope」。

Dario 的回答是：扩散是真实的，但不是因为 AI 能力不足——而是因为企业有采购流程、法务审批、安全合规。

一个例子：Claude Code 被个人开发者采用的速度比大型企业快半年到一年，不是因为大企业不相信 Claude Code，而是因为「法务、安全合规、IT 部署、向下两级传达理由」这些步骤要时间。

他的比喻：人类也有「扩散成本」——你需要面试、签合同、入职培训。但 AI 理论上有先天优势（能在几分钟内读完整个 Slack 历史），扩散速度应该比人类快，但不是无限快。

「AI 不会以之前任何技术的速度扩散，但也不会是无限速度。」

他的框架：

两个层次的预测，一强一弱——

弱版本：十年内实现他所说的「数据中心里一个天才之国」的概念，他的置信度是90%。「说 2035 年前不会发生，在任何正常世界里都应该是非主流。」
强版本：可验证任务（代码、数学）上，人类最顶尖水平——他预测一到两年内能达到。

他承认的不确定性只在不可验证任务上：写一部真正意义上的伟大小说，规划火星任务，做出 CRISPR 级别的科学发现。这些难以打分，进展更难测量。

不确定性的下限：台湾被入侵、所有晶圆厂被摧毁——那是他估算的「5%世界」，会让进度推迟十年。

「如果我们真的拥有了数据中心里的天才之国，每个人都会知道。华盛顿的人会知道。可能只有农村的人不知道。而我们现在还没有——这是很清楚的。」

Dario 的更新不是「模型进展超预期」，而是「公众对这件事的认知落差，比模型进展本身更让我担心」。

来源：Dwarkesh Patel YouTube 频道，2026 年 2 月 13 日