报告概述
该报告由OECD于2026年2月发布，旨在探索人工智慧到2030年可能的发展轨迹。报告基于当前AI进展趋势、关键不确定性以及专家意见，构建了四种核心情景：进步停滞、进步放缓、进步持续和进步加速。报告利用OECD新推出的AI能力指标（涵盖语言、社交互动、问题解决、创造力等九项能力）来量化每个情景中AI系统的潜在能力水平，帮助政府制定政策以捕获AI进步的好处并应对潜在影响。
报告的核心结论
AI进步可能停滞在2025年水平附近
如果现有机器学习方法遭遇根本性限制，且没有出现类似Transformer架构的重大创新，AI能力可能趋于停滞。到2030年，最先进的AI系统与2025年相比几乎没有提升，但现有能力的扩散和应用开发仍会继续。
AI进步放缓但持续改善
如果深度学习方法逐渐成熟且低垂果实被摘完，AI进展速度将减缓。到2030年，AI系统在结构化推理、知识库和代理任务上明显超越当前水平，但持续学习、物理操作和社交互动能力仍大幅落后于人类。
AI快速进步持续到2030年
若规模扩展和推理训练继续带来收益，或出现新的算法突破，AI能力将保持当前增速。到2030年，AI系统能自主完成需要人类约一个月完成的数字任务，物理和社会能力也有显著提升，但仍需人类提供高层指导。
AI进步加速，达到或超越人类水平
若规模扩展、算法创新以及AI辅助软件开发共同加速进展，AI能力可能增速超过当前。到2030年，AI系统在大多数认知能力上达到或超越人类，能自主追求战略目标，并协作完成任务，尽管物理能力仍相对滞后。
报告回答的关键问题
到2030年AI最可能达到什么水平？
报告指出，根据当前证据，进步停滞、放缓、持续和加速四种情景均有可能，无法排除任何一种。专家对预测AI进展速度信心不足，但普遍认为能力范围包括从接近当前水平到全面超越人类。
AI在哪些能力上进步最快？
报告显示，AI在语言、问题解决和知识处理上进步迅速，如2012-2023年间训练计算每8个月减半即可维持同等性能。在软件工程、数学推理和科学问答等结构化任务上，AI任务时长每7个月翻倍。
AI的物理能力为何进展缓慢？
AI在物理操作和机器人智能方面仍远低于人类，因为机器人面临数据瓶颈、鲁棒性差、因果推理弱等挑战。尽管多模态模型和世界模型可能带来突破，但到2030年物理能力仍主要限于受控环境。
政府应如何应对AI发展不确定性？
报告建议政府考虑2030年之前所有可能的AI轨迹，以制定灵活的政策，既能捕获AI进步带来的好处，也能为潜在冲击做好准备。关键不确定性包括规模扩展、算法创新、AI辅助开发以及能源、水等资源约束。
报告中的代表性数据
每7个月翻倍
AI软件工程任务时长翻倍速度
截至2025年，AI系统能够以50%成功率自主完成的软件工程任务长度（以人类专家所需时间衡量）每7个月翻倍。GPT-5在80%成功率下可完成26分钟的任务。
99.6% vs 42%
GPT-5在AIME数学竞赛上的准确率
2025年，GPT-5在高中数学邀请赛（AIME）上的准确率达99.6%，而GPT-4o为42%。这显示推理训练带来的巨大提升，但仅适用于结构化问题。
每年2.8倍
训练前沿模型的计算成本增速
2015-2024年，训练前沿AI模型所用的计算成本从2015年到2024年每年增长2.8倍。预计到2030年，能源和芯片产能可能成为制约因素，但继续扩展在技术上是可能的。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 详细的方法论说明，包括文献综述、专家访谈、战略预见方法和趋势外推技术。
- 对AI进展趋势的深入分析，涵盖基准测试成绩、关键不确定性（如规模扩展、推理训练、记忆与持续学习、物理能力、创造力和代理行为）。
- 四种核心情景的完整描述（进步停滞、进步放缓、进步持续、进步加速），每个情景包含总结、实现路径、历史类比和基于任务时长的指示性能力估计。
- 每个情景的潜在变体，如AI作为窄工具、简单AI代理、简单机器人、社交受限AI、健忘AI、纯数字AI、通用人工智能（AGI）和超级智能。
- 基于OECD AI能力指标（语言、社交互动、问题解决、创造力等九项）的假设性评分表，用于比较不同情景下的AI能力水平。
- 关于AI输入（计算、数据、算法效率）趋势和不确定性的详细附录，包括对2030年训练规模约束的量化估计。
- 专家访谈总结和审查过程，列出参与专家及其观点，包括对关键不确定性的讨论。
- 趋势外推方法学的完整说明，以及用于生成情景中任务时长估计的原始数据表格。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
