前OpenAI研究员76页硬核推演：2027年ASI接管世界，人类成NPC
核心锚点：用METR-HRS外推「编码时间跨度」
针对 AGI 时间线预测这一争议话题，团队认为METR-HRS是目前最适合用于线性外推至超强AI的基准。
具体来说，就是以「能力基准趋势外推」作为核心方法，利用METR的编码时间跨度套件（METR-HRS）来设定达到AGI所需的有效算力，并沿着这条趋势线进行推演。
AI Futures Model 将 AI 软件研发的自动化与加速轨迹，直观地划分为三个阶段：
阶段1： 自动化编程
首先预测「写代码」何时会被完全自动化。
模型对自动化编程器（Automated Coder，AC）的定义非常硬核：
AC可以将某个AGI项目的代码编写工作完全自动化，直接替代该项目的整个程序员团队。
模型的推演起点的依据是METR图表的趋势外推，并预估「智能体式编码时间跨度」达到何种水平才算作AC。
同时，模型不仅仅盯着曲线，还综合考量了多重变量：
供给约束是否会导致增长放缓；
AI研发自动化是否会带来加速效应；
时间跨度趋势是否呈现超指数级增长；
阶段2：自动化研究品味
除了代码之外，模型还追踪了另一项关键能力——研究品味（Research Taste）。
它指的是确定研究方向、挑选实验、解读结果以及从实验中提取知识的能力。
这更像是一种「团队协作」：写代码是执行力，研究品味是方向感。执行力再强，如果方向感跟不上，也只是在跑无效里程。
阶段2的目标是预测从AC进化到超人类AI研究员（Superhuman AI Researcher，SAR）需要多长时间。
SAR的定义同样强悍：
SAR可以将AI研发完全自动化，完全替代所有人类研究员。
这一阶段的速度取决于三个因素：
写代码自动化能为AI研发带来多大的加速；
当AC出现时，AI的研究品味已经达到了什么水平；
AI研究品味的提升速度（即在同样的进展输入下，每做一次实验能带来多少额外价值）。
阶段3：智能爆炸
当AI研发实现完全自动化，模型便进入了最让人心跳加速的阶段：
AI会以多快的速度自我提升，逼近智能上限。
这一阶段追踪的里程碑包括：
超智能AI研究员（Superintelligent AI Researcher，SIAR）：
在顶尖AGI项目中，AI研究员与人类研究员的差距，达到了顶尖人类研究员与中位研究员差距的2倍。
顶尖专家级AI（Top-human-Expert-Dominating AI，TED-AI）：
在几乎所有认知任务上，至少达到顶尖人类专家的水平。
超级人工智能（Artificial Superintelligence，ASI）：
在几乎所有认知任务上，ASI与最强人类的差距，是最强人类与中位专业人士差距的2倍。
在模拟推演中，研究人员发现，存在一些轨迹显示AI可以在数月内从SIAR跃升至ASI；但也存在在智能爆炸阶段「哑火」的可能，即需要继续通过堆算力才能达到ASI。
要想实现最快的起飞，通常需要一个反馈循环：让AI能力每一次翻倍所需的时间，都比上一次更短。
在此，模型提出了一个关键概念——「仅靠研究品味的奇点（taste-only singularity）」：
速度的翻倍完全来自于研究品味的提升，而非算力增加或代码能力的提升。
这一奇点是否会出现，将取决于「创新想法变得越来越难挖掘的速度」与「AI研究品味提升速度」之间的博弈。
AI 速览
