研究发现：顶级 AI 专家严重低估了该领域发展速度
2026-09-25
AI 的改进有多快？这个问题通常交给顶尖大学的专家、被大量引用的 AI 研究者和经验丰富的经济学家。然而，根据 Forecasting Research Institute（FRI）的一份中期报告，这些同样的专家严重低估了基准测试和一些采用指标上的近期进展。
FRI 中期报告汇总多轮专家、经济学家、超级预测者与 AI 政策专家的预测，发现他们普遍低估 AI 在数学、病毒学、网络安全和 AI 公司收入等指标上的进展。IMO 金牌级数学能力比专家中位预测早约 5 年，比超级预测者早约 10 年；AI 公司 ARR 也远超此前预期。不过，生物安全和自驾等部分预测可能偏高，FRI 也提示低估更易被观察、报告存在偏差。
- FRI 中期报告汇总多轮专家、经济学家、超级预测者与 AI 政策专家的预测，发现他们普遍低估 AI 在数学、病毒学、网络安全和 AI 公司收入等指标上的进展。IMO 金牌级数学能力比专家中位预测早约 5 年，比超级预测者早约 10 年；AI 公司 ARR 也远超此前预期。不过，生物安全和自驾等部分预测可能偏高，FRI 也提示低估更易被观察、报告存在偏差。
- 原贴提到：How fast is AI improving? That question usually goes to experts at top u
- 来源：the-decoder.com
这是什么信号
FRI 的中期报告把专家、经济学家、超级预测者和 AI 政策专家放在同一套预测框架里，并与后续现实对照。结果显示，在数学、病毒学、网络安全和 AI 公司收入等关键指标上，人类预测普遍偏保守。最宽差距在数学：AI 在 2025 年 7 月达到 IMO 金牌水平，比专家中位预测早五年，比超级预测者中位预测早十年。该预测收集于 2022 年 ChatGPT 发布前，但 FRI 称之后模式仍然成立。
为什么重要
如果连被高度引用的 AI 研究者和顶尖教授都系统性低估进展，那么依赖“专家共识”做战略、投资和政策判断就会产生滞后。AI 能力从基准到采用再到收入的传导，可能比多数人预期更快。FRI 还提到 AI 可能已解决一个千禧年大奖难题，但是否符合评审标准仍不清楚；2025 年 8 至 9 月调查中，专家对其在 2027 年底前解决的中位概率仅 10%，超级预测者为 5.4%。
对谁有价值
对创业者、投资者、企业战略和 AI 政策制定者最有价值：它提供的不是某个模型跑分，而是“预测误差”本身。对个人职业规划也有用：数学、科研、网络安全等能力拐点若提前到来，技能窗口和岗位替代节奏会随之改变。对预测市场和 AI 评估机构，则是一份校准样本。
可以怎么行动
不要只采用专家中位预测作为基线。可以把关键 AI 指标拆成能力、采用、收入三类，建立滚动预测和情景规划；对提前触发的能力拐点预设产品、投资、招聘和合规动作。用人类专家、超级预测者和 LLM 预测交叉验证，并记录误差来源。对生物安全、自驾等争议领域，优先看真实场景对照试验，而不是直接外推基准分数。
风险或限制
FRI 自己提示：低估在现实超越预测时立刻可见，高估却要等截止日期过去才清楚，因此中期报告天然偏向发现“预测者太谨慎”的案例。部分 FRI 评估还依赖 LLM 预测，而 LLM 使用了原始预测者当时没有的信息。所以结论应作为校准信号，而不是“AI 必然无限加速”的证明。原文也显示，生物安全专家的预测可能偏高，自驾预测也可能过于乐观。
这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 the-decoder.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。
如果把《研究发现：顶级 AI 专家严重低估了该领域发展速度》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。