Q2.5 2026 時間線更新：Uplift與收入

Eli Lifland、Daniel Kokotajlo 和 Brendan Halstead 在 Q2.5 時間線更新中表示，他們的 AI 時間線預測變化不大，只是略微縮短；但建模方法和證據基礎有了明顯改進，因此他們對預測的信心有所增強。這次更新原定於第二季度發佈，但由於要完成《AI 2040: Plan A》和國內監管博文，再加上模型改動需要實現和記錄，因此推遲至今。

最初，AI Futures Model 依靠 METR 的編程時間視野測量來預測“自動化程序員”（AC）何時會出現。AC 是指領先 AI 公司寧願解僱人類軟件工程師也不願放棄 AI 編程能力的 AI。這種基於時間視野的方法存在明顯弱點：一方面，不清楚什麼樣的時間視野對應 AC，甚至不確定是否有有限值能對應；另一方面，人們對於時間視野趨勢是否應隨有效計算量呈超指數增長存在嚴重分歧，這會導致預測結果差異巨大。

因此，團隊開始尋找其他設定 AC 所需有效計算量的方法，並提出了兩個新候選：編碼效能提升（coding uplift）和收入。編碼效能提升是團隊最喜歡的方法，其核心是估算“效能提升 - 1”的倍增時間，並外推至 AC 級別的效能提升。相比時間視野，AC 對應的效能提升值不確定性小得多；即便效能提升也可能呈現一定的超指數增長，但其影響不像時間視野那樣關鍵。

令人意外的是，時間視野、效能提升和收入這三種方法預測出的 AC 出現日期相當接近。團隊認為，這在一定程度上説明預測具有穩健性，但他們仍保持非常高的不確定性。每個作者都對三種 AC 錨定方法分配了權重，由模型彙總形成整體預測。他們還重新評估了《AI 2027》的預測，認為現實的進展速度大約是該報告預測速度的 70% 到 90%。

一個簡單的三參數效能提升模型假設（編碼效能提升 - 1）呈指數增長。Daniel 給出的中位估計為：當前編碼效能提升為 2 倍；效能提升 - 1 的當前倍增時間為 5 個月；AC 對應的效能提升為 20 倍。完整的 AI Futures Model 還會考慮被自動化任務佔比的後勤曲線、AI 研發自動化帶來的有效計算量增速變化，以及人類勞動和算力趨勢等因素。

收入方法則把領先 AI 公司（主要是模型開發商，不包括 Nvidia）的年化收入擬合為有效計算量/ECI 的指數函數，再外推未來。雖然 Anthropic 的年化收入已連續數年保持每年 10 倍的增長，但團隊認為這種增速不會持續，因此將當前中位收入年增速設定為 5 到 7 倍。他們也承認收入方法沒有直接考慮推理算力佔比、推理利潤率等因素，因此通過參數選擇的直覺判斷來間接調整。

在《AI 2027》評估方面，若進度持續保持在該報告 75% 的速度，AC 將在 2027 年年中到來。公共顯著性指標是當前最大的預測誤差來源，團隊也在考慮是否選擇了合適的操作化方式。此次更新還進行了一些小的模型和代碼調整，並明確指出預測的前提是“以技術上可行最快的速度推進”。未來團隊計劃在出現新證據時繼續更新時間線預測。