一句话看懂：Forecasting Research Institute 的一项中期研究发现，包括顶尖计算机科学家、经济学家在内的 AI 专家，普遍低估了 AI 在数学、病毒学、网络安全和商业收入上的实际进展速度，部分里程碑提前了 5 到 10 年到来。这意味着我们对 AI 能力边界的默认判断，可能系统性偏保守。
事件核心：发生了什么
自 2022 年中起，FRI 通过多轮调查收集 AI 进展预测。首轮 LEAP 专家小组包含 339 人，其中有 76 位计算机科学家（含 30 位顶尖高校教授、10 位高被引 AI 作者）、76 位产业人士、68 位经济学家和 119 位政策专家，另设“超级预测者”对照组。
结果显示，被调查者给出的概率与现实明显脱节：AI 在 2025 年 7 月达到国际数学奥林匹克金牌水平，比专家预测中位数早 5 年，比超级预测者早 10 年；专家当时给这一结果的概率仅 8.6%。病毒学能力基准上，专家预期 2030 年追平顶尖团队，实际可能 2025 年 4 月就已发生。商业侧，专家对 2026 年底某 AI 公司最高年度经常性收入的预测中位数为 200 亿美元，而 Anthropic 在 2026 年 9 月已被引用达到约 1000 亿美元。并非所有预测都偏低：生物实验任务、自动驾驶出行占比等，专家反而高估了落地速度。
为什么重要
这项研究真正指向的不是“专家看走眼”，而是整个行业赖以做决策的能力预期基准可能失真。算力采购、模型训练路线、安全评估、投资节奏，都建立在“能力何时到来”的判断上。如果连高被引学者和资深经济学家都系统性低估，那么政策制定者和企业采购方的规划窗口可能同样偏窄。另一面，受访者自身在九个月内已上调预期，把 AI 成为“世纪技术”的平均概率从 31% 提到 36%，这种自我修正说明共识正在移动。
对用户/开发者/创作者的影响
对开发者而言，基准能力的提前兑现意味着可用的推理、多模态和自动化 API 可能比预期更早跨过实用门槛，依赖“还早”判断的产品路线需要重新评估。对创作者来说，数学、病毒学这类高门槛任务的进展，预示图像生成、代码生成、专业内容辅助的迭代节奏仍会偏快。对企业和采购方，模型能力评估周期建议缩短，别再按两三年一更新的节奏做技术选型。需要注意，目前公开信息显示，部分里程碑仍存在评估口径争议，例如千禧年数学难题的解答是否符合评审标准尚未确认。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 FRI 将单独追踪预期 AI 到 2040 年极速进展的受访者，并同步发布持续更新的 LLM 预测，可观察模型预测能否追上甚至超过人类超级预测者。二是生物安全和网络安全类基准的提前达成，是否转化为实际风险或监管动作。三是 Anthropic、OpenAI 等公司的收入曲线能否持续验证被大幅低估的商业化速度。
