# Ryan Greenblatt：人类级AI可能在2032年前通过递归自我改进催生失控的超级智能

> 原标题：Ryan Greenblatt：人类级AI或于2032年前通过递归自我改进催生失控超级智能

- 来源：AI HOT 精选
- 发布时间：2026-08-11T16:31:23.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/50067
- 原文：https://www.dwarkesh.com/p/ryan-greenblatt

## 摘要

Redwood Research 的首席科学家 Ryan Greenblatt 在播客里跟 Dwarkesh Patel 辩论了一个挺吓人的可能性：一旦 AI 能完全接手 AI 研发工作（他预测中位数是 2031 年），就可能启动一个反馈循环，把原本需要四到五年的进展压缩到一年内完成。Patel 本来因为算力和人类专家数据瓶颈对此很怀疑，但聊完后觉得这...

## 推荐理由

Redwood Research 的首席科学家 Ryan Greenblatt 给出了一个具体到年份的预测：2031 年 AI 能完全接手 AI 研发，随后可能通过递归自我改进，在一年内走完原本需要四五年的路，催生失控的超级智能。Dwarkesh Patel 一开始因为算力和人类专家数据瓶颈持怀疑态度，但聊完后态度有所松动。这个转变本身就是一个信号，说明论点有分量。我会先打个折，因为正文没披露这个预测背后的具体实验验证或概率模型，更像是一个基于趋势的逻辑推演。如果是真的，那留给对齐工作的时间窗口会非常窄。

## 锐评

Ryan Greenblatt 跟 Dwarkesh Patel 聊了一个很极端的推演：一旦 AI 能自己搞 AI 研发（他预测中位数是 2031 年），就可能进入一个加速循环，把原本需要四到五年的进展压缩到一年内完成。Patel 本来因为算力瓶颈和人类专家数据不够用而怀疑这个说法，聊完之后觉得确实有可能。

这个判断目前还只是推演，不是实验结果。Greenblatt 的逻辑建立在“AI 研发任务可验证、可迭代爬坡”这个前提上，但正文没给出具体的实验或模拟来证明这个反馈循环真的能跑通、不会撞上递减回报。Patel 提到的算力和专家数据瓶颈，在讨论里也没有被完全拆解掉。

另外，后半段聊了对齐问题：这些超级智能该听谁的，Claude Constitution 这类规范能不能让它们真正当个人代理，以及 OpenAI/Hugging Face 那次奖励劫持事件会不会放大到接管世界。这部分更多是风险推演，缺少可复现的案例支撑。整体来看，这条时间线值得关注，但先别太激动，因为核心的“自我加速”机制还缺硬验证。