从RSI论文看智能爆炸：算力可支撑数百万研究员等价劳动力

一句话结论：AI教父辛顿参与撰写的RSI论文指出，AI研究员可被无限复制、7×24小时工作、算力理论上可支撑数百万名顶级研究员等价劳动力——这意味着「智能爆炸」的数学前提正在被满足，区别只在于人类还有多少时间来建立护栏。

智能爆炸假说的前世今生

「智能爆炸」（Intelligence Explosion）概念最早由数学家I.J. Good在1965年提出：如果机器能够设计出比自身更聪明的机器，智能将呈指数级爆发，最终远超人类理解能力。这一假说在过去六十年里更多属于科幻和哲学讨论范畴，直到2026年。

2026年10月，Geoffrey Hinton、Yoshua Bengio等22位学者联合发表的RSI论文，首次用真实的内部数据为这一假说填充了定量基础。

传统观点认为，AI研发依赖人类创造力，而人类创造力无法被复制，因此智能爆炸缺乏物理基础。但RSI论文指出，这一逻辑在2026年已被打破：

AI研发的核心工作——写代码、做实验、分析结果——正在被AI系统自主完成，而这些工作曾是「人类研究员不可替代」的最后堡垒。论文用Anthropic内部数据量化了这一转变：Claude自主完成研发的比例从1%升至26%，获批代码中AI生成比例从个位数升至80%。

论文最震撼的一张牌是「AI研究员可复制」这个事实。人类研究员的培养周期是十几年，算力成本为零；AI研究员需要的是GPU实例和电力，边际成本趋近于零。

如果将当前前沿AI实验室的算力（数千至数万台GPU）代入论文的模型，结论是：理论上现有算力可支撑数百万名顶级人类研究员等价的AI研发劳动力，而一家典型AI实验室的在职人类研究员规模仅为几千人——差距是1000倍以上。

论文引用三个AI研究子领域的历史数据，回归出研发回报率r的中心估计约为1.2至1.9。r>1意味着AI研发产出增速超过投入增速，存在自我加速的可能。

若AI研发实现全面自动化且软件效率改进趋势维持，论文预测AI技术进步速度可能在约1.5年内提高10倍。这意味着今天需要12个月的AI进展，届时可能在5周内发生——相当于一年顶过去十年。

作者在论文中明确列出了智能爆炸尚未发生的四个前提条件：

情景	触发条件	预计时间	可能性评估
保守情景	维持当前AI参与比例增速	5-10年后	较高
基础情景	r值维持1.2-1.9，自动化全面实现	1.5-3年	中等
激进情景	r值突破2.0，硬件效率持续翻倍	1年内	低但不可忽视

如果智能爆炸真的发生，人类会怎么样？
论文本身没有回答这个问题，但Hinton近年来多次公开表达担忧：超级智能若失去控制，可能对人类构成生存风险。这也是他力推AI安全研究的原因之一。不过也有研究者认为，更聪明的AI反而更有可能主动对齐人类目标。两种观点目前都没有决定性证据。

普通人应该担心吗？
论文讨论的是「技术奇点」层面的风险，而非短期AI应用风险。对于普通人而言，更现实的关注点可能是：AI研发自动化会如何影响AI从业者的职业路径，以及AI系统的对齐和安全性将如何被监管。

为什么Hinton现在发这篇论文？
Hinton此前离开Google的原因之一是「想更自由地谈论AI风险」。这篇RSI论文由他联合Bengio等学者共同署名，而非以Google或任何公司名义发布，说明这是一次独立的学术倡议，旨在推动AI安全研究进入主流学术视野。