一分钟读论文：《AI 能力真的在指数增长吗？》

你有没有过这样的经历：看着AI技术一年比一年强大，从ChatGPT到Sora，从代码生成到视频创作，感觉AI能力正在以肉眼可见的速度爆炸式增长？

“AI能力自2019年以来一直在指数增长，每7个月翻一番。”这是2025年METR（Model Evaluation & Threat Research）一份报告的结论。这个结论像一颗炸弹扔进了AI圈——从AI安全政策到教育规划，从投资决策到职业选择，无数人在基于”AI必然指数增长”的假设做决定。

但现在，一篇新的论文直接挑战了这一主流叙事：数据并不支持指数增长，拐点可能已经过去。

三个关键发现

1. 拐点就在2025年——已经过去了

研究团队用METR公开的同一组数据，拟合了一条S曲线（sigmoid curve），结果令人惊讶：

• METR的结论：S曲线的拐点在遥远的未来
• 新论文的发现：拐点实际上在2025年6月6日

没错——拐点已经过去了。我们可能正在从”快速增长期”进入”缓慢增长期”。

2. 分解：基础能力 vs 推理能力

论文最有洞见的部分是把AI能力拆解成了两个部分：

能力类型	拐点时间	状态
基础能力（Base Model）	2024年11月21日	已过拐点
推理能力（Reasoning）	2026年6月6日	即将到来

这解释了为什么我们感觉AI还在快速进步：

• 2023年前：靠规模（模型大小、数据量）推动
• 2023年后：规模增长 plateau，但推理能力（o1、思维链训练）接棒
• 2024-2025：推理能力的快速进步形成了”线性增长期”

3. 为什么看起来像指数增长？

论文的理论分析揭示了一个重要真相：当多种技术以S曲线方式叠加时，整体看起来就像指数增长。

基础能力 S曲线 →  plateau
                ↓
推理能力 S曲线 →  接棒继续增长
                ↓
整体看起来 →    像指数增长

但这是有前提的：需要不断有新的重大突破。

核心问题：下一个突破在哪里？

论文的观点很明确：

“除非有新的重大突破（像推理能力这样级别的），否则AI能力的增长将很快 plateau。”

这才是真正关键的问题——不是”AI会不会继续指数增长”，而是”我们能不能持续创造像推理能力这样的重大突破”？

数据说话

研究团队使用了METR的公开数据：

• 170个任务（HCAST、RE-Bench、SWAA）
• 28个模型，其中15个SOTA模型
• 使用Stan进行概率建模

模型拟合结果（MSE，越低越好）：

模型	MSE
Sigmoid Link	203.69
METR Exponential Curve	339.93
Exponential Link	2874.67

Sigmoid模型拟合得最好。

现实影响

这篇论文不是要否定METR的工作——它的目的是提供一个同样可信的替代视角。

对政策的启示

• 如果AI能力真的即将platform，那么许多关于AI安全和劳动力市场的紧急预测可能需要重新评估
• 教育和职业规划决策不应基于”AI将在5年内取代一切”的假设

对研究的启示

• 我们需要更严谨的预测方法论
• 需要更多领域知识来判断是否会有新的突破
• 单一指数模型可能过于简化

结论

“我们的目标不是提供确凿证据证明AI能力正在platform，而是证明这是一个高度可信的替代方案。”

这篇论文的真正价值在于：它打破了”AI必然指数增长”的思维定式。

AI的未来不是注定的。它取决于我们——取决于我们能不能继续创造像推理能力这样的重大突破。

---

论文链接：https://arxiv.org/abs/2602.04836
代码：https://github.com/obastani/AI_Forecasting