2025年6月，OpenAI CEO Sam Altman发了一篇博客。

标题叫《The Gentle Singularity》——"温柔的奇点"。

文章开头第一句话是这样的：

"We are past the event horizon; the takeoff has started."

"我们已经越过了事件视界；起飞已经开始。"

事件视界。

学过物理的朋友可能知道，这是黑洞的边界。一旦越过，没有任何东西——包括光——能回头。

Sam Altman用这个词来描述人类和AI的关系。

他的意思是：我们已经回不去了。

一个叫Jimmy Maina的年轻软件工程师读完了这篇文章，写了一篇长文，记录了自己作为程序员的思考和恐惧。那篇文章在Medium上被置顶，引发了大量讨论。

他说："这不只是又一个科技头条——这感觉像是我们正在目睹一个根本性的转变。"

今天我想聊聊，这个"根本性的转变"到底是什么，为什么连程序员自己都坐不住了。

🧠 什么叫"新颖洞察"？为什么这四个字让程序员慌了？

先说Sam Altman那个关键预测：

"2026 will likely see the arrival of systems that can figure out novel insights."

"2026年，我们很可能会看到能产生新颖洞察的系统。"

什么叫"新颖洞察"？

打个比方。

你是一个厨师。你会做红烧肉，也会做糖醋排骨。AI现在的水平，大概相当于——你告诉它"我想吃甜口的肉"，它能从10万个菜谱里找到最合适的那个，甚至能把两个菜谱混搭一下，给你做出一道"创新菜"。

但本质上，它还是在已有的菜谱里做排列组合。

"新颖洞察"意味着什么呢？意味着AI不再只是翻菜谱了。它可能会说："你有没有想过，肉不一定要用火烤？如果我们用声波震动蛋白质结构，可以得到一种全新的口感。"

这不是排列组合。这是发明。

Jimmy Maina作为程序员，对这个概念有很切身的体会。他说，写代码的时候有两种时刻：

一种是"按套路debug"——查日志、跟踪执行流程、试已知的解决方案。AI已经很擅长这个了。

另一种是"灵光一闪"——你突然意识到，性能问题根本不在你疯狂优化的那个算法上，而是在数据在内存中的排列方式上。你之前的思路整个就是错的。

那个视角突然切换的瞬间，就是"新颖洞察"。

而Sam Altman告诉我们：2026年，AI也要有这种能力了。

🔄 最可怕的不是AI变强，而是"递归自我改进"

Sam Altman的文章里，有一段话让我反复读了三遍：

"We already hear from scientists that they are two or three times more productive than they were before AI."

"我们已经听到科学家说，他们的效率比有AI之前提高了两到三倍。"

这个数字本身已经很惊人了。但真正让人背后发凉的，是他接下来说的：

"We can use it to do faster AI research. We may be able to discover new computing substrates, better algorithms, and who knows what else."

翻译一下：AI正在帮人类研究更好的AI。

打个比方。

这就像你雇了一个助手，这个助手的第一个任务是——**制造一个比自己更聪明的助手。**然后新助手的第一个任务也是制造更聪明的助手。

Sam Altman管这叫"a larval version of recursive self-improvement"——递归自我改进的幼虫阶段。

幼虫。

他用了"幼虫"这个词。意思是：这东西还没长大呢。

Jimmy Maina读到这里的时候说："如果十年的研究能被压缩到一年，甚至一个月，那我们今天学的框架、语言、范式，可能会以前所未有的速度过时。我们技术知识的半衰期，可能会急剧缩短。"

想想这意味着什么。

你花两年学的编程语言，可能还没精通就已经过时了。你花半年搭的技术架构，可能刚上线就有了更好的方案。

不是因为你学得慢，而是因为世界变得太快。

💰 当智能的成本趋近于电费

Sam Altman在文章里算了一笔账，非常具体：

一次ChatGPT查询大约消耗0.34瓦时的电力——大概相当于烤箱运行一秒多，或者节能灯泡亮几分钟。用水量大约0.000085加仑，大概是一茶匙的十五分之一。

然后他预测：

"As datacenter production gets automated, the cost of intelligence should eventually converge to near the cost of electricity."

"当数据中心建设实现自动化后，智能的成本最终将趋近于电力成本。"

智能的成本趋近于电费。

这句话听起来很抽象，让我帮你翻译成人话：

现在你请一个高级程序员，一年可能要花50万到100万。你请一个咨询顾问分析市场，一个项目可能要花几十万。你请一个科学家做研究，一年的经费可能要几百万。

如果"智能"的成本趋近于电费，这些事情的边际成本将几乎为零。

Sam Altman说了一句特别扎心的话：

"For a long time, technical people in the startup industry have made fun of 'the idea guys'; people who had an idea and were looking for a team to build it. It now looks to me like they are about to have their day in the sun."

创业圈里有一种人，叫"点子哥"——脑子里有想法，但不会写代码，到处找人帮他做。技术人员一直看不起这种人。

但Sam Altman说："点子哥"的春天要来了。

因为当实现一个想法的成本趋近于零的时候，有好想法的人，比能实现想法的人更稀缺。

Jimmy Maina对此的解读很冷静："这不意味着实现能力变得没有价值。而是说，最有价值的工程师将是那些能在技术可能性和现实问题之间架起桥梁的人。理解'该做什么'变得和知道'怎么做'一样重要。"

🤔 等等，真有这么玄乎吗？

说到这里，你可能觉得这也太科幻了。别急，也有很多专家泼冷水。

Hugging Face的联合创始人Thomas Wolf就公开质疑过AI产生"新颖洞察"的能力。AI领域研究者Kenneth Stanley也表达了类似的担忧。

他们的核心论点是：能产生听起来不错的想法，和能产生真正管用的洞察，是两码事。

Jimmy Maina举了个例子：AI也许能提出一种看起来很新的分布式共识算法，但如果这个算法在真实网络条件下一碰就碎，它算不算真正的"洞察"？

Wolf特别提了一个有意思的观点：AI还不会问"好问题"。

想想看，人类历史上最伟大的洞察，往往不是来自"找到答案"，而是来自"问对问题"。

牛顿不是第一个看到苹果掉下来的人。他是第一个问"为什么苹果往下掉而不是往上飞"的人。

爱因斯坦不是第一个知道光速的人。他是第一个问"如果我骑着光束旅行，世界会怎样"的人。

会问问题，需要的不只是模式识别，还需要对世界的深层理解——包括业务背景、用户需求、操作限制。

不过，Sam Altman的反驳也有道理：即使AI的"洞察成功率"比人类低，但如果它能在人类探索一个假设的时间里，生成并测试成千上万个假设，概率乘以数量，结果可能仍然是压倒性的。

🌊 "奇迹变成日常，然后变成最低要求"

Sam Altman在文章里有一段描述，特别戳人：

"Very quickly we go from being amazed that AI can generate a beautifully-written paragraph to wondering when it can generate a beautifully-written novel; or from being amazed that it can make life-saving medical diagnoses to wondering when it can develop the cures; or from being amazed it can create a small computer program to wondering when it can create an entire new company."

我们从"哇，AI能写漂亮的段落"到"AI什么时候能写小说？"

从"AI居然能诊断疾病"到"AI什么时候能开发药物？"

从"AI竟然能写小程序"到"AI什么时候能创办一家公司？"

奇迹变成日常，日常变成最低要求。

想想你自己的体验。

GitHub Copilot刚出来的时候，你是不是觉得——卧槽，AI居然能帮我补全函数？太神了！

现在呢？它补全一段代码你连看都不看就Tab了。你已经对魔法免疫了。

Jimmy Maina说得很诚实："我记得Copilot刚发布时我有多惊讶。现在它建议整段代码块，我眼都不眨一下。"

这就是Sam Altman说的"奇点"的运行方式。不是一声巨响，而是温水煮青蛙。

不，他用了一个更温柔的词——"温柔的奇点"。

🔮 2026-2030：一个程序员眼中的未来图景

Sam Altman给出了一个时间线：

• • 2025年：AI agent能做真正的认知工作，"写代码这件事再也不一样了"

• • 2026年：能产生新颖洞察的系统到来

• • 2027年：能在现实世界执行任务的机器人可能出现

• • 2030年代：智能和能源将"疯狂地充裕"

但他也说了一句让人稍微安心的话：

"In the most important ways, the 2030s may not be wildly different. People will still love their families, express their creativity, play games, and swim in lakes."

人们还是会爱家人，还是会创作，还是会玩游戏，还是会去湖里游泳。

技术在狂飙，但人性不变。

他还说了一段关于"假工作"的话，特别有意思：

"A subsistence farmer from a thousand years ago would look at what many of us do and say we have fake jobs... I hope we will look at the jobs a thousand years in the future and think they are very fake jobs, and I have no doubt they will feel incredibly important and satisfying to the people doing them."

一千年前的农民看我们现在的工作，会觉得我们在"过家家"。同样，一千年后的人看我们未来的工作，也会觉得是"过家家"。但做那些工作的人，会觉得它们无比重要和有意义。

这让我想到一个问题：也许"有意义的工作"从来就不是由工作内容定义的，而是由人的体验定义的。

🛡️ 那我们该怎么办？

Jimmy Maina给出了几条建议，我觉得很实在：

第一，学会问好问题。

当AI能搞定大部分"怎么做"的时候，"做什么"和"为什么做"变得更重要。理解业务背景、用户需求、系统的长期可维护性——这些AI暂时还不太行。

第二，拥抱工具而不是对抗工具。

Sam Altman原话："experts will probably still be much better than novices, as long as they embrace the new tools."——专家仍然会比新手好得多，只要他们拥抱新工具。

关键词：只要。

第三，培养跨界能力。

当写代码变得越来越容易，纯粹的编码能力的价值会下降。但"懂技术+懂行业+懂人"的复合型人才，价值反而会上升。

第四，接受不确定性。

Sam Altman说："the rate of technological progress will keep accelerating, and it will continue to be the case that people are capable of adapting to almost anything."

技术进步会持续加速。但人类的适应能力，也一直被低估。

🎯 最后说几句掏心窝的

我写这篇文章的时候，反复在想一个问题：

我们是应该恐惧，还是应该兴奋？

答案可能是：两者都是。

恐惧是正常的。当有人告诉你"你花了十年练的手艺，可能很快被机器超越"，你不可能不慌。

但兴奋也是真实的。Sam Altman描绘的未来——智能和能源充裕的世界——如果真的实现，意味着很多困扰人类几千年的问题，可能终于有解了。

Jimmy Maina说得好："作为软件工程师，我们不只是在旁观这场变革——我们正在经历它，也在帮助建造它。这是一个非凡的位置。"

是的，我们正好站在历史的浪尖上。

这可能是最好的时代，也可能是最让人不安的时代。

但不管怎样——已经回不去了。

我们已经越过了事件视界。

你准备好了吗？

📊 关键数据总结

📚 参考来源

1. 1. Sam Altman,《The Gentle Singularity》, blog.samaltman.com, 2025年

2. 2. Jimmy Maina,《The Next AI Revolution Might be Coming in 2026: What This Means for Us as Software Engineers》, Medium, 2025年6月12日

3. 3. Thomas Wolf（Hugging Face联合创始人）关于AI"新颖洞察"能力的公开质疑（via NewsBytesApp报道）

4. 4. Kenneth Stanley 关于AI创造性能力局限性的评论

你觉得2026年的AI真的能产生"新颖洞察"吗？你的工作会被改变吗？欢迎在评论区聊聊你的想法。