谷歌传奇工程师给智能爆炸泼冷水

谷歌传奇工程师给智能爆炸泼冷水

谷歌 DeepMind 资深工程师海顿・贝尔菲尔德在近期行业分享中，针对业内热议的递归自我改进、智能爆炸观点提出不同看法，结合谷歌内部 Gemini 系列智能体实测数据表示，当下 AI 虽然可以辅助模型研发、生成大量代码，但并不具备脱离人类自主迭代、瞬间跃迁到超级智能的能力，为市场上流传较快的奇点论、智能爆炸预判提出理性的补充判断。他公开了内部代码研发统计，AI 参与编写的生产代码占比很高，但是绝大多数改动都必须经过人工审核，完全由 AI 自主落地、无人干预的代码变更占比依旧很低，复杂任务下 AI 独立完成的成功率会明显下滑。

智能爆炸假说的核心逻辑，是 AI 可以自主优化自身，形成越变越强的正向循环，在短时间内突破人类的智力上限，这也是不少 AI 安全研究者重点担忧的方向。贝尔菲尔德并不否定 AI 辅助研发带来的效率提升，他认可智能体正在持续降低模型迭代的成本，只是强调这套循环存在多重硬约束，模型本身缺少自主设定长期科研目标、判断基础科学方向的能力，算力、数据、验证流程、安全对齐机制都会成为天花板，不存在一键触发的爆发式跃迁。他的结论来自 DeepMind 内部 Argon 智能体上千次的对照测试，测试结果显示任务链条越长、逻辑越复杂，AI 自主执行的稳定性就越差，很多看似亮眼的成果，背后都离不开研究员持续的目标设定、结果校验与风险拦截。这和部分学者、投资人对智能爆炸临近的激进预判形成对照，代表谷歌内部工程一线的务实视角。

当前 AI 行业对于递归自我改进的讨论热度持续走高，不同研究者的分歧，也推动行业把关注点从单一的能力狂飙猜想，转向安全评估、人机协同机制的建设。即便智能爆炸短期难以兑现，AI 持续参与模型研发带来的各类风险依然值得重视，全球各大实验室都在搭建智能体的隔离沙箱、审计追溯体系。这种多元观点碰撞，也有利于公众更客观看待 AI 的能力边界，既看到技术带来的巨大潜力，也理性区分短期工具能力和科幻语境下的超级智能。

【数据来源】

[2026-11-06] DeepMind 工程师谈递归自我改进，给智能爆炸观点降温 36 氪

[2026-11-05] 谷歌公开 Argon 智能体测试数据，复杂任务自主能力受限 澎湃新闻

[2026-11-04] 剑桥 CASP 报告发布，行业围绕 AI 自我迭代持续争论 量子位

免责声明本文信息仅为科技产业资讯分享，不构成投资建议，工程师观点、内部测试数据请以受访人和谷歌官方发布为准。