2026年8月3日凌晨，谷歌DeepMind产品负责人Logan Kilpatrick在X上发了一条只有两句话的帖子：
Reminder: you are probably not model pilled enough. However much you are betting on the models, it's likely under the slope of the exponential right now.
这条帖子获得超过4.1万次浏览。Kilpatrick不是普通的KOL——他2022年11月加入OpenAI，经历了GPT-3.5到GPT-4的完整跃迁，2024年4月转投谷歌，负责AI Studio和Gemini API。是极少数同时见证过两家顶级AI实验室内部运作的人。他的判断是：大多数人，包括大多数从业者，押注的力度远远不够。
这不是孤例
Anthropic CEO Dario Amodei在2026年3月摩根士丹利TMT大会上公开表示："我们没有看到天花板。我认为今年将出现一个让所有人震惊的激进加速。"红杉资本在2026年初发布的《2026: This is AGI》报告中引用了METR的追踪数据：AI智能体在长时间任务上的完成能力每7个月翻一番。到2028年，AI将能独立完成人类专家一整天的任务；到2034年，一整年；到2037年，整整一个世纪。
为什么大多数人的判断都慢了
人类对指数增长的直觉天生失灵
AI的Scaling Law本质上是一条指数曲线。2020年Kaplan等人的论文证明，模型性能随计算量、参数量和数据的增加而呈幂律提升。在双对数坐标下这是一条直线，但在人类直觉的线性坐标下，意味着"前期投入巨大，产出缓慢增长，然后突然爆发"。大多数人在2022年底ChatGPT发布时惊叹"AI觉醒"，但GPT-3早在2020年就发布了，只是指数曲线的前半段看起来不够惊艳。
"Scaling Law失效"的叙事过度蔓延
进入2025年后，一个叙事在硅谷蔓延：Scaling Law正在失效。Sam Altman在2025年10月承认"easy gains are behind us"。但Kilpatrick的推文恰恰反驳了这种叙事——你们看到的"放缓"可能只是指数曲线在进入新维度前的平台期。谷歌DeepMind CEO Demis Hassabis在Axios AI+峰会上表态："我们必须把现有系统的规模化推到极致，因为至少，它会成为最终AGI系统的关键组成部分。"
指数曲线的"维度切换"正在发生
Kilpatrick见证的可能不止"模型变大"这一个维度的指数增长，而是多个维度的曲线同时叠加。预训练Scaling（2020–2023）是GPT-4的基础。推理时Scaling（2024–2025）——OpenAI o1让模型"思考更久"，Snell等人在2024年发现，一个较小的模型如果允许在推理时合理分配计算，可以击败一个14倍于它但立即回答的模型。智能体Scaling（2025–2026）——METR数据显示，AI智能体能力在2024–2025年间加速到每3.5个月翻一番，远超此前的7个月。红杉资本把这三者总结为AGI的三要素：知识、推理、迭代，各自按指数曲线增长且相互叠加。
谁在押注，谁在观望
Kilpatrick的推文揭示了一个更现实的割裂：最接近模型的人越来越乐观，离模型越远的人越来越悲观。2026年6月，Dario Amodei在《Policy on the AI Exponential》中进一步呼吁政策制定者正视AI以"闪电般的速度"推进的现实。
这意味着什么
如果Kilpatrick是对的，基础设施投资的"回报拐点"可能比大多数人预期的更早到来；应用层的"时间窗口"正在被压缩——今天看起来"不可能被AI替代"的岗位，可能在2到3年内变得完全不同；而"AGI什么时候来"这个问题可能是个伪命题。AGI不是未来的某个时刻，而是一条正在加速逼近的指数曲线——你以为你看到了它的全貌，但你看到的可能只是前32格。
指数曲线最残酷的地方在于：它不会因为你没看见，就停下来等你。
快报