我用18条AI预测做记分牌：行业大佬的命中率惨不忍睹

我给过去两年里 18 条有日期的 AI 预测打了分，对照事实。记分牌很残酷，唯一得分高的人什么都没得到。

2025 年 3 月，Dario Amodei 对外交关系委员会表示，AI 将在三到六个月内写出 90% 的代码，并在十二个月内基本包揽全部。这个十二个月的截止日期已在 3 月到期。几乎没有人回去核对。

这就是 AI 预测的奇怪礼仪。预测震天响、有日期、全程信心满满，然后截止日一到，所有人都转向下一个预测了。没有记分牌。于是我自己建了一个。

2025 年 2 月，我在 Whizi 里规划了 Agent 工作流，基于 Altman 对 2025 年的判断。六周后我终止了该项目——算了一笔账：一次多步骤 Agent 运行的单次成本，对比一个固定的月度订阅。六周的产品路线图，花在了别人的预测上。我把能找到的每一条有原始来源且截止日期已过的 2024 和 2025 年预测都拉了出来。18 条符合筛选标准。

评分规则（你可以反驳）：一条预测按它自己的措辞、对它自己的截止日期来评分。如果你说到 9 月达到 90%，而 9 月只带来了 30%，"呃，最终会实现的"不是评分，是借口。

从未入职的劳动力

Sam Altman，2025 年 1 月："我们相信，2025 年，我们可能会看到首批 AI Agent'加入劳动力市场'，并实质性地改变企业的产出。"

MIT 的 NANDA 项目在 2025 年 8 月发现，95% 的企业生成式 AI 试点项目没有产生可衡量的损益影响。卡内基梅隆大学完全用 AI Agent 组建了一家假公司，测量他们完成的办公室工作：表现最好的模型完成了 30.3% 的任务。一个只有 30% 工作能力的员工不会加入你的劳动力队伍。他们会直接被淘汰。

有一个例外让这项预测不至于得 F：在软件公司内部，编程 Agent 确实改变了产出。评分：C-。

Marc Benioff，2024 年 9 月："我们的愿景很宏大：在 2025 年底前，用 Agentforce 赋能十亿个 Agent。"

Salesforce 报告称截至 2026 年初累计约 29,000 个 Agentforce 交易，并突破了 10 亿美元的年经常性收入。一门真实的生意，但距承诺还差约 34,000 倍——按交易数而非 Agent 数计。我最喜欢的细节：Salesforce 现在报告的是"Agent 工作单元服务数"（38 亿），而不是 Agent 数量。当你的数字达不到时，换个单位。评分：F。

Klarna，2024 年 2 月：其 AI 助手"相当于 700 名全职 Agent 的工作量"。

然后在 2025 年 5 月，CEO Sebastian Siemiatkowski 反悔了，开始重新招聘人类："我们在效率和成本上投入过多。结果是质量下降。"AI 保留了例行工单。重要的事情都由人类回来处理。公开做实验并承认结果，给予肯定。评分：C。

真正被写出来的代码

Amodei 的 90%。方向对了，分母错了。Google 称截至 2026 年中，75% 的新代码由 AI 生成，高于 2024 年底的 25%，尽管这里统计的是每一个被接受的自动补全，人类在部署前仍会审核。2026 年初的行业范围估计集中在 25-41%。

所以：六个月内写出 90% 的代码，没有。十二个月内基本包揽全部，差得远。代码编写方式的结构性转变，绝对发生了。预测描述了一场真实的革命，但每个数字都错了。90% 那条评分：C+；"基本全部"那条评分：F。

Eric Schmidt，2025 年 4 月："未来一年内，绝大多数程序员将被 AI 程序员取代。"

一年期限到了。程序员几乎在他们之前被雇用的地方都还在。真正的劳动力冲击比预测更狭窄也更残酷：斯坦福和 ADP 薪资数据显示，自 2022 年底以来，在 AI 暴露度最高的工作中，22-25 岁员工的就业率下降了约 16%，仍在萎缩。初级岗位受到冲击；绝大多数人保住了工作，只是获得了 Copilot 许可。评分：F。

还有一个完全没有人在预测列表里猜到的事实：Cursor 在大约十七个月内从年经常性收入 1 亿美元增长到 40 亿美元，2026 年 8 月 14 日 SpaceX 以 600 亿美元收购了该公司，创下有史以来最大的创业公司收购记录。我在检查的 2024 年预测列表中，没有一条包含"一个代码编辑器成为史上最大的创业公司退出案例"。

Meta 花费极其昂贵的一年

Mark Zuckerberg，2025 年 1 月，在 Joe Rogan 节目中："可能在 2025 年，我们 Meta……将拥有一个 AI，可以有效地成为你公司里的一名中级工程师，可以写代码。"在几周后的财报电话会议上，他又为 2025 年加了两条：Meta AI 成为首个十亿用户助手，以及 Llama 成为最先进且使用最广泛的模型。

三条一条都没发生。Llama 4 发布时反应平淡，而 Gemini 3 在 2025 年 11 月夺走了前沿模型榜首。而且 Meta 整年用钱包下了相反的赌注：130 亿美元收购 Scale AI 半数股权，报告的研究员薪酬方案在 1 亿到 4.5 亿美元之间，然后在 10 月裁掉了超级智能实验室 600 人，2026 年 5 月又裁员约 8000 人。

Meta 预测了一个能像中级工程师一样写代码的 AI，结果花了一年半时间创下了人类智慧的市场最高价。评分：F。

Elon Musk，2024 年 4 月：AI"比任何单个人类更聪明，大概在明年年底"。

到 2025 年底，旗舰 xAI 模型是 Grok 4，发布时号称"世界上最聪明的 AI"，在一个名为"人类最后考试"的基准测试中得分 25.4%。这个说法在考试面前没有存活下来。评分：F。

Mira Murati，2024 年 6 月：PhD 级别的智能"在特定任务上"大约十八个月内实现。

在数学上基本实现了：Google DeepMind 的 Deep Think 在 2025 年国际数学奥林匹克竞赛中正式获得金牌，比大多数 2024 年的预测提前了好几年。她用的限定词"在特定任务上"发挥了很大作用，而这正是她更张扬的同行们拒绝使用的限定词。保守版本实现了。不加限定词的版本，以 GPT-5 的"PhD 级别"品牌在 2025 年 8 月推出，结果糟糕到 Altman 承认 OpenAI"彻底搞砸了"发布。评分：B-。

怀疑论者的成绩单

Gary Marcus 在 2025 年 1 月 1 日发布了 25 条带日期的预测。业界大多数对他翻白眼。给他的可评分项打分：

"我们今年不会看到通用人工智能。"正确。

Agent 将在"2025 年被无限炒作，但远不可靠。"正确，参见前面的整个章节。

"AI 模型的利润将持续平平或不存在。"收入爆发了，但他说的是利润，而各实验室仍在烧钱。按字面意思正确。

2025 年可能没有"GPT-5 级别"的共识飞跃。GPT-5 发布了；但飞跃没有发生。精神上正确。

评分：A-。扣掉的那一分是因为这份清单里没有包含的东西：没有任何一条预测到一个 40 亿美元的编程工具赛道、IMO 金牌，或者 Agent 在唯一一个产出可验证的领域变得真正有用。2025 年最准确的预测者判断对了每一种失败，却错过了每一种成功。

而一个不舒服的二阶事实：正确没有给他带来任何东西。那些赌注押在他整个世界观对面的投资者，才是给 Cursor 定出 600 亿美元估值的人。预测准确率和财务回报走的是两套不同的记分牌，而且只有一个会复利增长。

如果你想用这个模式

把这 18 条预测分成两堆，噪音就消失了。

关于能力的预测——模型将能做什么——普遍应验良好，有时还提前实现。Agent 能完成的任务长度大约每四到七个月翻一番，来自 METR，这个趋势一直在。

关于部署的预测——企业会让 AI 实际做什么——几乎全线溃败。劳动力 Agent、十亿 Agent 平台、取代程序员、AI 员工：全都撞上了同样的墙——质量门槛、责任认定、集成成本，以及一个顽固的事实：一个完成 30% 任务的系统是演示，不是招聘。

Altman 说 Agent 会加入劳动力市场。它们加入了 IDE，因为 IDE 是唯一一个错误答案会被编译器而不是客户抓到的职场。

所以这是我自己在用的决策规则，拿真金白银在上头：当听到能力预测时，认真对待它，即使是那些看起来很离谱的，因为趋势线一直在赢。当听到带日期的部署预测时，把时间线翻倍，然后看看说这话的人在卖什么。

从现在起每个季度我都会给到期的东西打分，下一版开头会放上我自己的带日期预测，这样你也可以用同一套标准来审视我。打分是免费的。被打分才是代价。

如果你想知道我不工作的时候在做什么：我运营 Whizi。一个订阅、几百个模型、GPT、Claude、Kimi 等等。来把它用坏，然后告诉我发生了什么。