Jacob Coxon vs. Robin Hanson: Should We Slow Down AI?
Y Combinator · 2026-11-20

前 Anthropic 研究员 Jacob Cockburn 在 YC 辩论上预测 2028 年底前 80% 认知劳动被自动化,经济学家 Robin Hanson 反驳这像"让监管机构活一辈子"。
一边是刚从 Anthropic 离职、认为超级智能两年内就到的人,一边是 15 年前就和 Yudkowsky 辩论过 AI 速度的经济学家。两人争的不是"AI 强不强",而是"变强之后社会能不能接住"——Cockburn 说接不住,Hanson 说历史上每次都接住了。
一边说两年内就到,一边说这是抽象幻觉
Cockburn 的开场不是讲道理,是报数字:他拿 Anthropic 内部数据当证据,说趋势线指向 2027 年算法研究员这个岗位被自动化。
- Anthropic 内部 25% 的研发工作已由 Claude 完成,按这个趋势外推,2027 年底全部研发都归 Claude;员工自报被 AI 提速 4-5 倍,每 3 个月翻一番,外推到 2027 年就是 100 倍。
- 他引用 Noam Brown 的说法:下一代之后的那代模型"大致能干活他的活";实验室内部对"超级 AI 研究员"的共识时间是 2027 年中到 2028 年之间。
- Hanson 的反击是"你用一个数字概括智能,这个模型历史上一直骗人":蒸汽机、电力、PC 都花了数十年才真正改变经济,因为要重组整个社会才能用上它。
争的不是模型多聪明,是它多快渗进经济
Hanson 的核心论点很朴素:AI 在编程和数学上猛,是因为那里有可验证的数据;大多数工作没有这种数据,得人到现场看着学。
- 他举软件公司为例:单个工程师用 AI 写代码变快了,但公司整体交付没快多少,因为需求梳理、测试、集成这些环节照样卡着。
- Cockburn 反驳说数据正在被收集:纯在笔记本电脑上干的活,数据都被记录、被拿去训练下一代模型;他赌 2028 年底 80% 的认知劳动被自动化。
- Hanson 的"中间人"比喻:历史上大家都觉得中间人没用,其实正是他们撑起了让事情发生的结构,AI 也得学会当中间人。
监管到底该长什么样,两人都没完全答上来
主持人追问 Cockburn 具体方案,他给了两个:限算力、训练前做安全论证。
- 限算力:规定前沿公司只能拿一小部分芯片去训练更强的模型,其余算力必须用于服务客户或做对齐研究;训练前安全论证则由外部评估方在 OpenAI、Anthropic 训练大模型之前进场,要求它们拿出一份说得通的安全论证——Cockburn 说现在没人这么做。
- Hanson 反对的理由是"这机构一旦成立就是终身制":能力门槛一设,摩尔定律会让监管范围指数级扩大,最后变成全球监管所有算力,而且没人知道"安全"到底指什么。
- Hanson 的替代方案是责任险:让厂商买 1000 亿美元级别的责任保险,保险公司觉得太危险就拒保或抬价,厂商自然得停下来;他觉得这比给监管机构自由裁量权安全。
带走一句话
Hanson 说:"我们一直接受孩子和孙辈最终会比我们更强、会在冲突中赢过我们、会改变自己的价值观——AI 也该按同样的标准对待。"
- 如果你在做 AI 产品,Cockburn 的"限算力"提案值得盯:它意味着未来前沿训练算力可能被政策切走一块,推理和垂直应用的算力成本结构会跟着变。
- Hanson 的"责任险"思路可以直接借来评估风险:与其争论要不要监管,不如问"如果这事造成 1000 亿美元损失,谁赔得起"——赔不起的环节就是真正的风险点。
