74%意味着AGI可能已经实现，之后的问题是人类如何自处

在最新播出的《Big Technology Podcast》中，Alex Kantrowitz这次对OpenAI CEO Sam Altman的访谈实在太精彩了，时间就在2025年12月18日，这绝对是2025年所有有关AI的发展与未来最重要、信息质量最高的一次采访，没有之一。

在这段最新的访问中，就AI的发展与未来，Sam Altman谈到了非常关键的四点：

第一：AI公司每天生成10万亿个token。而人类呢？平均每天只产生2万个token。

Sam Altman的原话是：“模型输出的token总量将超过全人类加起来的总和，然后是其10倍，再然后是100倍。”很显然，这意味着AI正在取代地球上全部人类的知识产出总量，而大多数人根本没意识到这个转变已经发生。

第二：GPT-5.2已经在74%的真实工作任务中，能战胜或打平人类专家。

Sam Altman提到的这个测评不再是让大模型参加所谓MMLU、GSM8K等这类学术考试，而是采用“双盲评审”，由人类专家在不知道作者是谁的情况下，对AI生成的成果和人类专家的成果进行评比打分。

结果是，在40多个垂直领域知识型任务的表现上，GPT-5.2在74.1%的任务中击败或与人类专家级知识工作者打成平手，这些领域包括法律分析、文件合规审查、PPT制作、财务建模、客服支持……

三年前，ChatGPT刚推出时，在这个指标为0%，现在它已经达到74%。关键这还不是GPT-6.0，这还只是GPT-5.2。Sam还谈到：“这种能力过剩将是巨大的，大多数人问的问题还停留在GPT-4时代。”

第三：OpenAI的企业业务正在碾压消费者业务。

很多人都以为OpenAI就是给普通人用的ChatGPT，业务层面是ToC的。然而，并非如此。Sam在访谈中透露：2025年OpenAI的企业业务增长速度超过了消费者业务的增速，API业务的发展速度比ChatGPT还快，已经有超过100万企业用户。

Sam Altman还说到，“如果我们有双倍的算力资源，我们现在的营收也会翻倍。”这也就说，AI的瓶颈在于供给，而不是需求。

OpenAI并不是被技术所限制的，他们是被基础设施供应过于缓慢而限制了收入的增长。（再一次印证了英伟达的价值，英伟达GPU与谷歌TPU的叙事，从来不是存量博弈，而都是面临着一个严重供不应求的增量市场，作为通用品的英伟达GPU，会面临更加严重急切的需求、更加短缺）

第四：AGI已经实现了，只是没人注意到。

Sam Altman的原话是：“AGI就这么嗖地一下过去了。我们现在处于一个模糊阶段，有些人觉得我们已经实现了AGI，有些人则没有。”

翻译一下，Sam不就是这个意思么：

AGI可能已经到来了，而我们还在纠结定义，而它已经在替代人类的知识型工作了。AI正在以规模化的方式，在各个行业中，全面取代专家级人类的知识产出。OpenAI之所以企业端增长超过消费者端，是因为企业家们看到了这个趋势。

企业们买的不是“AI工具”，他们买的是：一方面削减人手，一方面让产出增加10倍，而且还是更高质量的产出。所以，Sam说：“我们从未遇到过无法将现有算力全部变现的情况。”

OpenAI计划明年将把算力翻三倍，然后再翻三倍。

惊不惊讶？意不意外？其实，一切都在预料之中。只是资本市场的波动需要某些无聊的叙事。

令人类震撼的74%

在这份Sam Altman的最新访谈中，最让人震撼的还是那个74%的数字。

因为这次针对GPT-5.2大模型的测试，不再是传统的“刷题”考试如法律考试或数学竞赛，而是模拟真实的、有薪酬的人类专业工作任务，并进行“双盲评审”。这就意味着，这是完全有替代性的。

这个OpenAI内部命名为GDPval（Global Desktop Productivity Validation）的测试，涵盖44个职业，共1320个专项任务，对标的是拥有十年以上经验的资深人类专家（而非初级员工）。测试采用“双盲评审”，由人类专家在不知道作者是谁的情况下，对AI生成的成果和人类专家的成果进行打分。

Sam Altman提到的74%，就是指OpenAI最新的模型（GPT-5.2 系列）在完成上述工作任务的质量上，已经有74%的场景任务打平或超越了有十年以上工作经验的人类专家。

在访谈和OpenAI随后的技术说明中，这些“专家级”任务的具体内容被细化到了极高的程度，比如：

• 为财富500强公司构建完整的“三张财务报表（损益表、资产负债表、现金流量表）”预测模型，要求带有复杂的公式关联、格式化和数据引用。

• 进行合规性审查，扫描数千页的金融监管文件，找出潜在的违规风险点。
• 针对特定案件编写具有法律效力的辩护状或起诉书，要求逻辑严密、引用案例法准确无误。
• 在几秒钟内识别大型收购合同中复杂的限制性条款，并给出修改建议。

• 针对复杂的、多述求的跨国诉讼，总结当地法律风险并制定应对策略。

请看看上面的工作内容，在没有GPT-5.2之前，一个公司要完成上述工作内容，大概要花费数百万美元或者更多去聘请人类专家，而且效率要低得多（完成时间周期长）。而OpenAI的测试显示，完成上述达到专家水准的任务，AI的完成速度比人类快约11~100倍，而成本仅为人类专家的1%甚至更低。

在过去，大厂和顶级律所培养新人的逻辑是：通过处理大量基础任务例如参与真实案例、整理和统计数据、请教专家、案例检索来换取成长。财务审计分析、法律分析、金融建模、合规审查这些能力，都需要多年寒窗苦读和职场历练才能掌握获得。

而如今的74%意味着：

曾经需要长时间学习积累的，极其昂贵的专业知识型劳动力（专业技能）正在演变为一种廉价的、随时可供给的公用事业品（Commodity）。

一个初出茅庐的大学毕业生，如果能熟练调动具有“过剩能力”的大模型，其产出可能直接打平甚至超过拥有十年经验的资深分析师。

短暂且宝贵的窗口期

Sam Altman特别提到了绝大部分用户“还没意识到”上述大模型的专家级能力已经发生，这种认知延迟实际上为一部分先知先觉的人类提供了一个：

短暂且宝贵的窗口期。

如果我们把这个“窗口期”拆解一下，它实际上是人类在被AI完全重塑之前，最后一段拥有“主动权”、主动拥抱AI的缓冲时间。

目前，全球90%的用户仍处于 “搜索指令思维”。他们把最顶尖的推理大模型只当成一个“会说话的百科全书”或“语法纠错器”，这种认知盲区导致了GPT-5.2及类似大模型严重的“能力闲置”。

在大多数人还没意识到手中握着的已经是“核能引擎”而只把它当成“打火机”时，那些率先识别并利用GPT-5.2及类似大模型能力的人，将获得远超同行的生产力，这会导致行业内部剧烈的贫富差距扩大。

大多数人仍在使用2023年甚至更早的思维模式（把AI当作搜索引擎或拼写检查器），而没有意识到：

自己已经拥有了一个随时可调用的“斯坦福法律博士+高盛分析师”的混合体。

即便企业的CEO们已经意识到了74%这个数字的含义，大型企业组织的自我保护本能（组织惯性）也会产生巨大的、推广应用AI的阻力。传统的层级制度、冗长的审批流、以及对“人类签字”的法律依赖，像一层防弹衣，会延缓AI的最终使用。

但是，请务必记住：

这种缓慢的变革为个人提供了“转型窗口期”。这个窗口期不是用来躺平的，而是用来在传统组织结构彻底崩塌前，将自己的核心竞争力嫁接到AI之上。

这种延迟让我们有时间去处理恐慌、愤怒，并最终开始思考“如果我不必再为书写一份专业的合规法律意见书熬夜，那我工作的意义是什么？”这种哲学命题。一旦AI成为行业标配，当所有人都知道任务是AI完成的时候，这种套利空间将迅速消失。届时，评价体系将直接穿透过程，直达结果和责任。

既是巨大的压力，但也是巨大解放

Sam Altman的这篇访谈实际上是一个提醒，人类其实已经坐在一台高速列车里，却仍然在以步行的速度在思考问题。74%这个数字也已经告诉我们，AI已经不再是一个辅助工具，而是一个正在等待接管大量人类工作的真实竞争者。

这种AI“能力过剩”，对于人类而言：

既是巨大的压力，但也是一次巨大的解放。

我们要么被这股洪流淹没，要么学会站在这74%的AI基石之上，去探索人类见识和智力中那从未被发掘的、更具创造性的26%。

从此，人类价值的核心公式会变成这样：

个人价值 = (AI ×生产力) + 个人判断力 + 个人社交价值

在AI部分趋近于“无穷大”且成本趋近于“零”的情况下，后两项“个人判断力”和“个人社交价值”的大小将决定你的个人价值。