盖茨:AI的边界已成过去——让他不安的不是技术本身,而是围绕它的沉默
在《麻省理工科技评论》的采访和一篇新文章中,比尔·盖茨表示,人类已经越过了模型在生物、网络和心理社会能力方面的关键阈值,也越过了其颠覆劳动力市场能力的关键阈值。作为替代方案,他提议将部分职业保留给人类,并对机器人和代币征税,同时承认在迎来富足之前,我们将经历严重的动荡。

焦虑,而非谨慎的乐观
2026年8月底,MIT Technology Review发表了一篇对比尔·盖茨的长篇访谈——他是慈善家、微软前掌门人,文中称其70岁。对话由马特·霍南主持。地点是位于华盛顿州柯克兰的Gates Ventures会议室,窗外可望见Carillon Point码头。访谈的由头是盖茨当天发布的一篇文章:这是计划中围绕同一主题的若干篇中的第一篇。
访谈的基调不是兴奋,也不是恐慌,而是一种不断加剧的不安。让盖茨担忧的与其说是人工智能本身,不如说是那道裂痕:模型能力的增长速度,快于约束机制和规则得以成形的速度。而对他而言更重要的是,在行业之外,几乎没有人就此展开争论。

他说已被越过的那些门槛
盖茨用两个原因来解释自己的担忧。第一是一份在他看来已被甩在身后的界限清单:生物学领域的能力、网络空间中的能力、心理社会影响、摧毁劳动力市场的能力,以及最后一点——失去控制。所有这些界线都已被越过,这一事实本身就让他感到震惊。
第二个原因是周围人的反应。盖茨说,他感到困惑的是,在行业之外,他看到的担忧和讨论竟如此之少。
生物学——清单上最可怕的一项
他特别指出了生物风险。按照他的逻辑,任何能够设计新分子的模型都必须受到监管——这不是行业伦理问题,而是基本要求。他给出的评估措辞尖锐:他认为生物恐怖主义的威胁,比自然大流行的风险大约可怕且可能五十倍。
为什么行业内部保持沉默
在盖茨看来,沉默的逻辑可以理解,也因此令人不快:公司和研究者不喜欢批评自己和同行。于是他主动扮演了一个刻意高声发声的角色——他自己是这么形容的。公开层面是这篇文章和与记者的交谈,私下里则是与来自行业、政府和公民社会的人士对话。
他提醒人们,多年来作为一种安抚,一直有这样一个论点:当我们逼近危险的门槛时,我们会想出办法,只让品行端正的用户接触模型,禁止它做不被允许的事,或许还能禁止复制权重本身。问题在于,按他的说法,这些门槛已经被越过,而对这些问题的明确答案却始终没有出现。

劳动力市场:他读作开端的“微弱信号”
一些公司开始减少招聘初级员工——盖茨称这是一个相当微弱的信号,但并没有对它置之不理。他确信这一进程已近在眼前:一旦模型在能力和可靠性上的限制被解除,相当大一部分“白领”市场将获得极其廉价的替代品。
在他看来,机器人技术尚未达到这一水平,但进展令人瞠目——中国比美国稍快一些,尽管两国都在向前推进。
两个构想:保留给人类的职业与税收
盖茨在提出警告的同时也给出了建议。第一是“保留给人类的职业”这一概念:一部分经社会共识确定的工种仍由人来做,而且这份清单可能因国家而异。第二是对机器人和token征税。对机器人征税是个由来已久的想法,而对token征税则显得更新颖:建议把在AI替代人类劳动之处赚到的钱存起来,而不是简单地收进一般预算。
“这一次不一样”——以及为什么过去具有欺骗性
访谈中最令人不适的论点涉及历史类比。对于“此前没有任何技术导致过就业岗位的净减少”这一说法,盖茨认为它是正确的——并承认自己也曾发表过这类言论。但如今,就他所能判断的而言,情况不同了。
他的论证建立在多个条件同时成立之上。人类认知可以在所有行业中、在同一时间期限内、以相较于雇佣活劳动而言适中的成本,被用来替代极大比例的岗位,而系统的出错率很可能低于人类。当这些因素叠加在一起时,无论是过往技术变革的经验,还是当前的经济统计数据,都不再是可靠的参照——用他的话说,它们具有欺骗性。

终点是富足,途中是动荡
尽管如此,盖茨并没有变成一个悲观主义者。他期待AI将显著改变农业、医疗和教育,同时帮助人们从官僚事务中解脱出来。他说,终点是富足。但通往那里的路途将经历动荡,而且动荡不小。
他这番表态的意思很简单:需要讨论的不是人工智能是好是坏,而是哪些门槛已经被越过,以及谁为接下来发生的事负责。而且,这场讨论不应只在行业内部进行——据他观察,这个行业宁愿对自己的风险保持沉默。
常问问题
相关材料
所有材料
通过 SQL 视图检查 LLM 幻觉,无需微调
这项研究考察了 LLM 能否运用一项基础的符号技能——根据源文档构建 SQL 数据库——在幻觉检测中实现无监督的来源归因。在 RAGTruth 和 DiaHalu 上,这种神经符号流程比直接预测更准确,且性能可与先进方法相媲美,无需针对特定领域进行微调。
9 十一月 2026
MathAdv:机器证明的最终准确率隐藏着什么
这套涵盖大学及研究生阶段 13 个数学分支的诊断性任务集,不仅根据最终结果评估 Lean 4 中的机器证明系统,还考察其学科知识、非正式推理质量以及对题目改写的适应能力。分项分析显示,将题目转化为形式化表达仍然是主要障碍,而成功与否在很大程度上取决于数学领域和题目的表述方式。
9 十一月 2026
将演示文稿编辑转化为可控操作:EditPPT 框架与 DeckEdit-Bench 基准测试
作者将幻灯片编辑拆解为针对具体对象的操作、允许执行的动作,以及对其他内容是否保持原样的检查,而非自由生成代码。为衡量质量,作者创建了 DeckEdit-Bench(涵盖 28 份人工制作的演示文稿中的 183 项任务);在五种基础模型上,多智能体方案 EditPPT 的任务成功率为 66.7–74.9%,内容保留率超过 97%。
8 十一月 2026