做AI的人最不擅长预测AI

没有人回头核对

2025年3月，Dario Amodei在外交关系委员会上表示，AI将在三到六个月内写出90%的代码，十二个月内几乎写出全部代码。那个十二个月的截止日期在今年3月就已经过去。几乎没有人回头核对过。

这正是AI预测圈的奇怪礼节：预测喊得响亮、有明确日期、说得斩钉截铁，然后日期一到，大家都已经在谈论下一个预测了。没有记分牌。所以我做了一个。

2025年2月，我在Whizi里规划了agent工作流，赌的是Altman对2025年的判断是对的。六周后我砍掉了这个项目，因为算清楚了单次多步agent运行的成本，相比一份固定月费订阅根本不划算。我自己路线图里的六周时间，就这样花在了别人的预测上。我找出了每一条能查到原始出处、且截止日期已经过去的2024和2025年预测。最终有18条入选。

打分规则说在前头，方便你反驳：一条预测，就按它自己的原话和自己的截止日期来打分。如果你说9月前达到90%，结果9月只到了30%，“早晚会实现”不是一个分数，是一个借口。

记分牌

谁，何时	预测内容	实际情况	评级
Sam Altman，2025年1月	AI agent在2025年“加入职场”	95%的企业试点没有带来利润影响；表现最好的agent完成了30.3%的办公任务	C-
Marc Benioff，2024年9月	到2025年底实现十亿个Agentforce agent	约29,000笔交易，年经常性收入$1B	F
Klarna，2024年2月	AI助手完成相当于700名客服的工作量	2025年5月起因质量下降重新招人	C
Dario Amodei，2025年3月	三到六个月内90%的代码由AI完成	全行业25%到41%，2026年年中Google达到75%	C+
Dario Amodei，2025年3月	十二个月内几乎全部代码	远未实现	F
Eric Schmidt，2025年4月	一年内绝大多数程序员被取代	程序员仍在职；入门级岗位下降约16%	F
Mark Zuckerberg，2025年1月	2025年内实现AI中级工程师、领先的十亿用户助手，以及Llama成为最强模型，三者兼得	三者均未实现；反而给人类工程师开出破纪录薪酬	F
Elon Musk，2024年4月	到2025年底AI比任何人类都聪明	Grok 4在Humanity's Last Exam上得分25.4%	F
Mira Murati，2024年6月	约18个月内“在特定任务上”达到博士级智能	2025年国际数学奥林匹克竞赛获认证金牌	B-
Gary Marcus，2025年1月	25条有日期的预测，这里评了其中4条	全部四条正确，但没有押中今年的任何一个成功案例	A-

从未真正上岗的职场

Sam Altman，2025年1月：“我们相信，在2025年，我们可能会看到第一批AI agent‘加入职场’，并实质性地改变公司的产出。”

MIT的NANDA项目在2025年8月发现，95%的企业生成式AI试点没有带来可衡量的利润影响。卡内基梅隆大学用AI agent组建了一家虚拟公司，并测量它们完成的办公室工作：表现最好的模型只完成了30.3%的任务。一个完成度30%的员工不是加入职场，而是没通过试用期就被淘汰。

有一个例外能把它从F里拉回来：在软件公司内部，编程agent确实改变了产出。评级：C-。

Marc Benioff，2024年9月：“我们的愿景很大胆：到2025年底，通过Agentforce赋能十亿个agent。”

Salesforce报告称，截至2026年初累计约有29,000笔Agentforce交易，年经常性收入突破$1B。这是一门真实的生意，但按交易数而非agent数来算，与承诺相差约34,000倍。我最喜欢的一个细节是：Salesforce现在改用“已完成的agentic工作单元”（38亿个）来汇报，而不再统计agent数量。数字达不到，就换个统计口径。评级：F。

Klarna，2024年2月：其AI助手“完成的工作量相当于700名全职客服”。

然后在2025年5月，CEO Sebastian Siemiatkowski转变方向，开始重新招聘人类：“我们太过专注于效率和成本，结果是质量下降。”AI保留了常规工单，人类回来处理所有重要的事。值得肯定的是，他们公开做了这个实验，也公开承认了结果。评级：C。

真正被写出来的代码

Amodei说的90%。方向是对的，分母错了。Google表示，截至2026年年中，其75%的新代码由AI生成，高于2024年底的25%，不过这个统计把每一次被采纳的自动补全都算了进去，而且人类在部署前仍会审核。2026年初的全行业估计集中在25%到41%之间。

所以：六个月内90%的全部代码，没有；十二个月内几乎全部代码，远未实现；代码写法发生历史性转变，这一点绝对是真的。这条预测描述了一场真实的变革，却把每个数字都说错了。评级：90%那部分C+，“几乎全部”那部分F。

Eric Schmidt，2025年4月：“未来一年内，绝大多数程序员将被AI程序员取代。”

一年期限已到。程序员几乎在原来就业的地方仍然在职。真正的劳动市场冲击比这条预测更窄也更残酷：斯坦福和ADP的薪资数据显示，自2022年底以来，22到25岁、从事AI暴露度最高工作的人群就业率下降了约16%，且仍在下滑。受冲击的是入门级岗位，绝大多数人保住了工作，还拿到了Copilot授权。评级：F。

而没有人预测到的数字是：Cursor在约十七个月内从年经常性收入$100M涨到$4B，8月14日SpaceX完成了对这家公司$60B的收购，创下史上最大的创业公司收购纪录。我查过的2024年预测清单，没有一份写着“一个代码编辑器会成为史上最大的创业公司退出案例”。

Meta花了很贵的一年

Mark Zuckerberg，2025年1月，在Joe Rogan的节目上：“大概在2025年，我们Meta……会拥有一个能有效充当中级工程师的AI，可以帮公司写代码。”几周后在财报电话会上，他又为2025年追加了两个目标：Meta AI成为领先的十亿用户助手，以及Llama成为最先进、使用最广泛的模型。

三个目标全部落空。Llama 4发布时反响平平，而Gemini 3在2025年11月夺得了前沿模型的桂冠。与此同时，Meta在这一年用真金白银押了相反的注：花$14.3B收购Scale AI一半股份，研究人员薪酬包据报道在$100M到$450M之间，随后在10月从超级智能实验室裁员600人，2026年5月又裁员约8,000人。

Meta预测会有一个能像中级工程师那样写代码的AI，结果却花了十八个月，为真人工程师创下了世界纪录级别的市场薪酬。评级：F。

Elon Musk，2024年4月：AI“可能在明年底前比任何一个人类都聪明”。

到2025年底，xAI的旗舰模型是Grok 4，发布时号称“世界上最聪明的AI”，却在一个名字就叫Humanity's Last Exam的基准测试上只得了25.4%。这个说法一遇到考试就站不住了。评级：F。

Mira Murati，2024年6月：约十八个月内“在特定任务上”达到博士级智能。

在数学上基本实现了：Google DeepMind的Deep Think在2025年国际数学奥林匹克竞赛上拿到官方认证的金牌，比多数2024年的预测提前了好几年。她用的限定语“在特定任务上”起了很大作用，恰恰是她那些声音更响的同行不愿意用的限定语。有限定的版本应验了，没有限定的版本，也就是2025年8月GPT-5那套“博士级”的宣传，翻车得很厉害，以至于Altman承认OpenAI“把发布彻底搞砸了”。评级：B-。

怀疑论者的成绩单

Gary Marcus在2025年1月1日发布了25条有日期的预测。业界大多对他不屑一顾。给他那些可以打分的说法打分：

• “今年不会出现通用人工智能。”正确。

• Agent会在“2025年被无休止地炒作，但远未可靠”。正确，参见第一部分的全部内容。

• “AI模型的利润将继续保持低迷或不存在。”收入是爆发式增长了，但他说的是利润，而各大实验室至今仍在烧钱。字面意义上正确。

• 2025年可能不会出现“GPT-5级别”的共识性跨越。GPT-5发布了，但那个跨越没有出现。精神上正确。

评级：A-。之所以扣分，是因为这份清单里没有的内容：没有预测到$4B规模的编程工具赛道，没有预测到IMO金牌，也没有预测到agent会在“产出可核实”这个唯一的领域里变得真正有用。2025年最准的预言家说中了每一次失败，却错过了每一次成功。

还有一个让人不太舒服的次生事实：说对了几乎什么也没换来。押注反对他整套世界观的投资人，正是把Cursor估值定到$60B的那批人。预测的准确度和财务回报走的是两块不同的记分牌，只有一块会复利增长。

能力预测应验了，部署预测没有

把这18条预测分成两堆，噪音就消失了。

关于能力的预测，也就是模型能做什么，普遍表现良好，有的甚至提前应验。根据METR的数据，agent能完成的任务长度大约每四到七个月翻一倍，这个趋势一直成立。

关于部署的预测，也就是组织会真的让AI做什么，几乎全部落空。职场agent、十亿agent平台、被取代的程序员、AI员工，全都撞上了同一堵墙：质量门槛、责任归属、集成成本，以及一个完成率只有30%的系统终究是个演示，不是一次雇用的现实。

Altman说agent会加入职场。它们加入的其实是IDE，因为IDE是唯一一个错误答案会被编译器而不是被客户抓住的工作场所。

所以这是我现在用的判断规则，而且是拿自己的钱押上的：听到能力预测，认真对待，哪怕是很疯狂的那种，因为趋势线一直在赢。听到带日期的部署预测，把时间线翻倍，然后看看说这话的人在卖什么。我用挑选值得付费的模型时也是同一套规则：跑分是能力主张，工作流才是部署主张。

从现在起，每个季度我都会给到期的预测打分，下一期开头会放上我自己带日期的预测，好让你用同一套标准来评判我。打分是免费的，被打分是要付出代价的。