编者按
2026 年 10 月 17 日，国际货币基金组织（IMF）与世界银行年会在曼谷举行。Anthropic 联合创始人杰克·克拉克（Jack Clark）受邀发布主题演讲。演讲中克拉克抛出了一个打破现有增长假设的激进推演：到 2030 年，在 AI 驱动的技术扩散下，美国 GDP 可能达到 44 万亿美元（约合人民币 312 万亿元）。
44 万亿美元意味着什么？2025 年美国的 GDP 约为 30 万亿美元。要在不到五年内完成这种幅度的跃升，意味着全要素生产率的增长曲线必须被彻底改写，传统经济学模型也将随之失效。
克拉克给出的底层逻辑是：“技术奇点”已经在 2026 年实质性降临。过去半个世纪，困扰全球经济的核心难题是“好点子越来越难找”——研发投入翻倍，创新边际产出却持续递减；但随着前沿模型跨过“创造力”的临界点，开始为千禧年数学难题提出解法、在理论物理中纠正人类专家的疏漏、并自主接管物理实验，科研的生产函数被颠覆了——全社会不再依赖漫长的周期去培养科学家，而是能按需瞬时调用规模化的“数字科研力量”。
但他并非在布道纯粹的技术乐观主义。相反，克拉克指出了下一个即将到来的现实掣肘：物理世界的基建缺口。如果真实世界的自动化实验室和机器人吞吐量跟不上算法的迭代，技术红利就会迅速遭遇瓶颈；更要紧的是，当智能的生成成本趋近于零，安全防线与制度约束将面临史无前例的考验。
以下为精选演讲内容，全文约 8000 字，阅读时长约 8 分钟。
序章：我花了四十年成为一个实体
我想先说明一下我的背景：我是一个人类，世界上只有我这一个实体。我用了将近四十年，才积累出站在这里发表这场演讲所需的经验。
我整个职业生涯的核心，其实就做了一件事：寻找那些对世界未来至关重要的信息，然后把它们公之于众。二十年前，我入行做记者，主要追踪数据中心。正是那段经历让我彻底迷上了人工智能。2016 年，我离开媒体加入 OpenAI；几年后，我又联合创立了 Anthropic。从那时起，我就一直在向外界传达一个判断：终有一天，AI 系统会强大到足以重塑国家安全格局、改变全球经济轨迹，并最终获得自我迭代与构建的能力。
这一天已经到来。AI 正在改写国家安全，正在重塑全球经济版图，而且它已经开始深度参与自身的研发。在座各位对此并不陌生——眼下，AI 已经是你们必须跟踪的、塑造外部世界与日常工作的诸多剧烈变量之一。
而我今天想阐明的是：AI 正在以远超外界预期的速度带来更剧烈的巨变。我们必须未雨绸缪。
多年来，科研人员与科幻作家一直在推演一种未来：AI 系统将以难以想象的幅度拉升整体科技进步的速率，以至于人类社会很难跟上它的节奏。他们管这个临界点叫“奇点”。
我认为，2026 年的一系列核心切片提供了确凿的证据：奇点已经发生。
科幻作家弗诺·文奇在 1993 年曾精准预测过奇点。他说：“当超越人类的智能开始主导进步，技术演进的步频将变得极其惊人。事实上，没有任何理由认为，这种进步本身不会在更短的周期内催生出更加智能的实体。”文奇把奇点描述为一个分水岭：旧有的认知模型必须统统作废，新的现实将接管一切。
奇点就在眼前。它的冲击将穿透社会生活的每一个切面，但最关键的推论非常纯粹：在未来的几年里，不仅是 AI 自身，整个人类基础科学的演进都会全面提速。这会让人感到眩晕和迷失，它会催生出巨大的财富，也必然伴随着严峻的风险。今天，我将重点剖析这种技术爆发带来的红利，以及我们该如何共同承接这些红利。
突破瓶颈：从代码重构到基础科学溢出
人类从 AI 中获得的长远价值，绝大部分将沉淀在科学领域。AI 驱动的科学发明将重写全球经济轨道，改变各个主权国家规划与修建基础设施的方式，让人类更长寿、更有质量地陪伴家人；与此同时，它也会逼迫我们面对更深层次的哲学拷问：面对这项技术的持续狂奔，我们究竟该做出怎样的取舍？
先来看一组事实。过去半个世纪里，大多数国家都面临着同一个难题：科研人员的绝对数量在迅速膨胀，但单兵科研生产率却在持续下滑。好点子、新发明似乎越来越难挖了。
但底层逻辑已经发生了质变。我们造出的前沿 AI 系统，已经具备了增强、延展甚至端到端自动化人类脑力劳动的能力。
最直观的质变发生在软件开发领域。如今 AI 系统的编程能力与作业效率，已经超越了全球绝大多数软件工程师。开发范式由此被彻底颠覆：单枪匹马的一个人，现在能把脑海中构想的任何软件直接变成现实，而这在过去需要一整支团队耗时数月。
我们在 Anthropic 内部看到了极为确凿的佐证：我们现在的研发团队产出的代码量，几乎是公司成立前四年的十倍。代码产出曲线的陡峭抬升，与底层 AI 能力的突破完全契合。
但这种能力的跃升如影随形地带来了全新挑战。编码水平的突破，意味着 AI 系统在网络防御和网络攻击两端都变得极度敏锐。各国正在竞相部署这种能力来加固防线，恶意人员也在争相利用它发起高烈度的网络攻击。这两种力量是深度捆绑、无法分割的：AI 在代码这一通用能力上的跃进，必然会同时引爆网络安全这种具有全球地缘影响的核心领域。
这仅仅是个前奏。这种技术演进逻辑绝不会止步于代码，它正在向基础科学和机器人领域无差别扩散。变革已经启动，这意味着全球经济的底层特征将被重塑——比如创新的迭代周期，以及人类催生出互联网、移动通信、AI 这种能围绕自身孕育出庞大工业生态的“通用目的技术”的频率。
证据确凿：从挑战千禧难题到纠错顶尖物理学家
我凭什么做出这样的判断？
2026 年，我们首次捕捉到了 AI 系统有能力在前沿科学未知地带进行独立探索的明确信号。
单看这些单点突破，每一项都足够引人瞩目。但真正深远的事实是：它们全由同一种底层技术所驱动。在绝大多数场景下，背后依靠的甚至是同一个前沿大模型。像 Claude、ChatGPT 或 Gemini 这样的实体，如今已经能在多个毫无关联的基础学科最前沿同时作业。我们正在见证“数字全才”的诞生。
量化维度的基准测试同样印证了这一跃迁：
这种趋势在所有硬核科学领域几乎全面开花。我电脑里存着上百张过去一周拉取的图表，只要你随意切入任何一个基础科学分支，看到的都是同一条陡峭的指数级曲线：研发步频正在急剧加速，拐点就在过去一到两年内集中爆发。
关于证据，我想用上周刚刚发生的一件事来收尾。
上周，一篇名为《理论物理评估》的研究成果见刊。这套测试题由全球理论物理学家联手出题，包含了 50 道尚未公开发表答案的物理学前沿题目，均取材于出题学者自己的未公开研究。
毫无悬念，顶尖 AI 拿下了高分。但真正令人震惊的，是这个高分诞生的过程。该评测的发起人之一、印度知名理论物理学家苏夫拉特·拉朱事后在社交媒体上写道：
“单凭肉身人类，在没有 AI 辅助的情况下，我认为没有任何人能解出这套题里相当一部分题目。我们最初的打分显示，GPT-6 Astra 的得分在 80 多分，Opus 5.5 紧随其后。
但当我们深入核查模型为何‘答错’时，这些模型——尤其是 Astra——却极为固执地坚称自己没错，咬定专家给的参考答案本身是错的。
我们把题目拿回给专家复核。结果发现，好几道题里，专家在自己极其复杂的草稿深处，确实埋了不易察觉的微小计算错误。随着专家修改并确认了正确答案，Astra 的分数一路往上抬升，最终定格在 98%—— 50 道题解对了 49 道。”
各位可以体会一下这意味着什么：全球顶尖学者针对 AI 语料库完全覆盖不到的盲区出了一套考卷。AI 不仅考出了极高分，还反过来把人类出卷人答案里的死角挑了出来，把自己的卷面修正成了接近满分。
影视作品里常有这种桥段：演到三分之二时，年轻的学徒终于向导师证明了自己有能力独立面对世界。学徒成了导师，后浪越过了前浪。
上周发生的事情，就是这一幕的真实投射。
我为什么要强调这个细节？为什么 AI 擅长科学研究这件事是决定性的？
因为在真正的前沿科学领域取得突破、拓展人类认知边界，本质上隐性测试了智能系统最具挑战、也是最后一道护城河：创造力。
如果 AI 系统能通过创造性的逻辑解题来推进基础科学，我们就必须清醒地认识到，这种高阶认知能力势必会快速泛化到诸多通用领域——首当其冲的就是 AI 研究自身。这会在创新层面上引发无法逆转的链式反应。
AI 在科学领域的能力越强，它对未来经济增长的推动力度就越凶猛。这意味着，诸位今天所做的决策，将直接决定未来你们的国家与民众能否坐上这趟红利列车。
增长与重构：44 万亿美元宏观推演的背后
接下来谈谈经济增长。
长期来看，推动宏观增长的核心动力在于科研催生的新点子，而驱动创新的关键则在于全社会的人力资本存量——也就是全球范围内提出新问题、展开科研攻关并推动文明向前演进的科研人才。
但正如部分经济学家所言，“好点子正变得越来越难找”。取得突破的技术成本在持续推高，为了维持原有的创新节奏，人类不得不向研发体系注入呈指数级膨胀的要素资源。
那么我想问各位：如果这个基本盘被打破了呢？如果这项技术彻底颠覆了全球研究人员的供应规模，甚至打破了人才培养的周期律呢？
回到我开场列出的“资历”：世界上只有一个杰克·克拉克，我花了整整四十年才坐在这个位置上。
但如果能同时并行运行数百个、数千个我的数字分身呢？如果这些分身不需要等待漫长的四十年，而是能够根据需求瞬间实例化呢？如果我能复制出一整个由自己的高阶分身组成的军团，并在我的监督指导下协同分工，我的工作产出又会发生什么质变？
未来几年，全球经济相当大的一部分版图都将经历这场巨震。
我们即将以史无前例的方式，在前沿科学等核心领域极大幅度地增强人类脑力。这将从根基上改变人类发现新点子的速度，因为我们在任何课题上都能投入成百上千倍的研究力量，成为人类科学家超级力量倍增器。
不仅规模庞大，而且部署极快。如果一个国家想要在特定高精尖领域培养一代全新科研人员，通常需要十到十五年定向的高等教育，耗资数百万美元，最终也只能产出一小批专家。而 AI 系统只要有充足的计算基础设施支撑，就能在极短时间内按需大规模生成。它们能跨学科汲取洞见，几乎在瞬息之间促成前沿发现，以突破性的方式将现有知识重新组合。
这意味着，全球全人类都可以拥有随时待命、并肩作战的“数字科研兵团”。未来几年，每一位人类科学家的地位与效能都会水涨船高，因为他们每个人都能领导数百上千个能力平齐的数字专家，协同攻关自己感兴趣的课题。
Anthropic 的内部经济学团队对此进行过专门的建模推演。我们根据 AI 技术的不同演化路径，模拟了未来宏观经济的多种情景。
如果按照主流前沿实验室的普遍共识——即 AI 大模型将有能力自主接管广泛的任务，且其在实体经济中的渗透率将在未来几年快速铺开——那么在类似奇点的假定条件下，我们的一组模型推算出了一个惊人的图景：
到 2030 年，美国的名义 GDP 规模可能会达到 44 万亿美元。
我知道，这个数字听起来有些反常识，但只要技术演化不出现断崖式停滞，它就是宏观推导出的必然结果。从经济学常理来看，要支撑起如此庞大的经济扩张，必然需要在此期间催生出全新维度的支柱产业与发明创造。
而这，恰恰正是 AI 系统自主展开科学研究所必然引发的连锁反应。
下一轮瓶颈：从算力基建走向物理世界的实验室
面对这种情景，我们该怎么做？世界各国怎样才能从这场技术跃迁中普惠受益？我们又该如何在抓住增长机遇与保持审慎克制之间找到平衡？
一方面，我们要为技术的成功做好准备，确保全社会能把这种力量转化为切实的物质丰饶；另一方面，我们必须保持高度清醒，在具体应用上做出明智取舍。AI 能成为出色的科学家，绝不意味着我们应该把所有领域全盘交由它接管。
谈到“为成功做好准备”，我想先分享一段切身经历。过去十年里，我奔走于世界各国政府之间，游说政要关注 AI 的爆发节奏。我告诉他们，随着 AI 系统的能力与实用性呈几何级数增长，抢占先机的最佳动作，就是提前规划并建设充足的电力容量与数据中心空间，以承载此类前沿系统，并在整个 AI 供应链上果断押注。
当年真正听进去的决策者寥寥无几。今天，大家都在承受当年短视的代价：全球数据中心算力高度集中在美国、中国以及迅速崛起的中东地区；整条产业链高度紧绷、争夺白热化，设备价格一路走高。
这轮算力基建固然重要，但这仅仅是 AI 引发的经济与科研革命的第一阶段。接下来，还有更大的工程需要铺设，而更多的国家完全有机会躬身入局。因为 AI 革命的下一阶段，是要真正挺进物理世界——具体而言，就是由 AI 系统主导科学实验，并操控机器人深入实体产业，甚至两者深度协同。
因此，正如我们此前对待算力和电力那样，全世界需要部署数倍于现有的科研仪器与机器人设备。否则，我们很快又会遭遇严重的物理吞吐瓶颈，重蹈当年的覆辙。要想接住即将到来的技术红利，产能基建必须提前落地。
根据联合国教科文组织的统计，全球科研人员大约只有 1000 万人。哪怕只有这 1000 万人，人类目前的物理设施也远远无法负荷现有工作——能做材料分析的实验室不够，能研发测试新药的生物实验室不够，不论是部署在太空还是地表的深空观测与大科学装置，都远远跟不上我们想跑的实验需求。
试想一下：当这 1000 万人类科学家手下带领着 10 亿、甚至由 100 亿虚拟科研人员组成的智囊团时，局面会变成什么样？
百亿规模的科研大军——这个时代正在呼啸而来。我们必须做好准备。
只要准备充分，我们就更有可能将 AI 的机器智能转化为惠及全人类的红利：更健康的长寿人生、更充沛的能源、更丰富的粮食，以及更大的社会财富。就像当年的数据中心一样，凡是敢于投资并吃透这条物理供应链的国家，就将成为最大的受益者。这是一个选择题，也是所有人的机遇。
对于科研底子雄厚的发达国家，这是一次让本土科学家科研效率成倍跃迁的机会；对于供应原材料等基础生产要素的发展中国家，这同样是一次实现弯道超车的契机——你们完全可以投资建设前沿的科学验证平台，将本土科研人才与数字科学家结合，孵化属于自己的科研生态，持续抬升自身在产业链中的附加值。
但光抓硬件基建还不够。
当科学发现变得井喷时，我们必须防止下游出现严重的消化不良。如果一年推演出海量的候选药物分子，可临床试验通道一年只能消化几款，那这种爆发就毫无意义。在座的政策制定者需要打通堵点，让突破性成果能从象牙塔和实验室，以更快的速度流向临床、工厂和田间地头，并在跨国协作中顺畅流转。
我们在这方面准备得越扎实，AI 技术转化的普惠红利就越能落到实处。
审慎克制：奇点时代的艰难抉择
最后，作为全球共同体，我们必须下定决心为未来做出取舍。
因为正如我前面所言，风险始终悬在头顶。将 AI 用于科研，等同于向潜在的滥用敞开了大门——生物武器、新型网络攻击武器，以及各类我们目前还无法预料的威胁。我们要做的决断还有很多。唯有看清这项技术的本质，看清它眼下有多强、未来还会多强，我们才会明白做出这些取舍到底有多刻不容缓。
第一个抉择：我们要把 AI 引向何方？
AI 具备了搞科研的能力，并不代表可以放手让它在无人监管的状态下盲目狂奔。
生物研究就是一个典型，必须建立最严格的人类审查与透明机制，死守安全底线。另一个关键阵地是 AI 研究本身——像 Anthropic 这样的前沿研发机构，必须审慎拿捏对 AI 自动化研发的介入尺度。放手让 AI 研发 AI 固然能催化技术跃升，但也会引爆失控的潜在风险；我们必须慎之又慎，否则很可能彻底丧失对这项技术的控制权。我们极有可能需要一整套强有力的外部规则，来约束技术，也约束我们自己。
本周早些时候我在东京，当地大学物理系的一位学生跟我讲，AI 已经开始接管他们手头的不少日常实验。他很困惑：哪些实验应该留给人类亲自探索，哪些实验可以放心扔给 AI 系统去跑？这是一个极其微妙的问题，我手头也没有现成答案，但每一门科学学科都必须尽快给出自己的准则。
第二个抉择：我们究竟需要在多大程度上“理解”这些系统？
今年 AI 在数学领域的突飞猛进已经表明，AI 给出的解题思路往往极具创造性，甚至需要人类反过来花大量时间去“反向破译”，苦思冥想其内在逻辑以及如何借为己用。
人类到底需要多大程度的理解？这个问题的答案同样微妙，而且直指奇点时代关于认知本质的核心追问：在科学进步的链条中，我们在哪些环节必须保留人类“知其所以然”的真正理解？
要不了几年，AI 系统不仅能自主推进科研，还会根据自身独特的“机器思维”去设计专属的科研仪器，而不是迁就人类的大脑结构。面对这类仪器，我们还需不需要读懂？应不应该强求读懂？这也是摆在我们面前的艰难取舍。
尾声：走向星辰的理性与克制
正视 AI 的进步，意味着我们必须允许自己去构想一个底色完全不同的新世界。
年少时我读了很多书，对未来充满忧虑——我想很多年轻人都曾有过这种迷茫。我曾深信 21 世纪将步履维艰，人口过载、气候变暖、资源枯竭以及多重危机的叠加，会把人类推向马尔萨斯式的生存崩溃；我曾担心人类在造出计算机和互联网后，最终会把自己吃干抹净、走向自毁。
但在此后的岁月里，我一次又一次见证了技术如何扭转这种劣势：
我投身 AI，就是希望它能帮人类做成更多这样的奇迹。
我选择做 AI，更因为这项技术能否走上正轨，取决于我们做出的选择，取决于在座诸位如何去引导它、治理它，也取决于我自己必须做出的抉择。
我做 AI，是因为它是人类文明迄今打造出的最关键的技术。只要善加利用，它将赋予我们化解物种灭顶之灾的核心解药。
但这也是一项天生暗藏凶险的技术。要想平稳穿透奇点、找准航向，全世界必须携手，为这项技术及其背后的研发公司量身定制超常规的严密规则。
更重要的是，我们必须践行人类身上最艰难、也是最崇高的品质——克制。
我们要开足马力大搞基础设施，以承接技术红利；但对于技术底层的推进，我们必须走得更稳、更审慎，主动控制好进退的节奏。
我们必须时刻分清：什么是我们“能做的”，什么是我们“该做的”。我们今天就必须对关键科学能力下注，让良性进步成为可能。
讲到这里，我想起了伟大的天文学家卡尔·萨根。他在《暗淡蓝点》中写道：终有一天能够踏足群星的人类，外貌或许与我们相仿，但他们会放大我们的优点，剔除我们的劣势——他们会更自信、更具远见、更有能力，也更加审慎。
这正是 AI 对当下的我们提出的严苛考卷。这是 AI 对我、对我和我所代表的企业提出的严苛拷问。萨根原本以为人类有几十万年的从容时间去磨砺智慧、变成更好的物种；但历史留给我们的窗口期，只有短短几年，充其量不到十年。
我相信我们能交出满意的答卷。但前提是，唯有以足够的敬畏与严肃审视 AI，我们所有人才能真正走向共赢。
非常感谢大家。
资料来源：国际货币基金组织与世界银行年会（曼谷），杰克·克拉克（Jack Clark）演讲，视频经 DWS News 发布，2026 年 10 月 17 日，https://www.youtube.com/watch?v=K-TWH-otxrI
本文由 AGI 2050 编辑部根据上述公开资料编译整理，事实信息以原始信源为准。文中观点属于受访者或原作者本人，不代表 AGI 2050 立场，仅供行业交流参考，不构成投资建议。
