OpenAI大佬實錘！，AGI卡殼竟因人類打字慢

哈嘍，大家好，今天小睿這篇評論，主要來分析AGI（通用人工智能）的到來究竟缺什么？是更強大的模型，還是更多的算力？

OpenAI Codex負責人Alexander Embiricos近期拋出的觀點顛覆了很多人的認知：拖慢AGI進程的，竟然是人類的打字速度。

他還預測，2026年AI具備自我審查能力后，將觸發生產力「曲棍球桿式」飛躍，推動人類真正邁向AGI。

這一驚人言論，讓人機協作的效率瓶頸成為全球關注的焦點。

Embiricos在《Lenny's Podcast》播客中明確表示，人類的打字速度和多任務處理能力，正在成為通往AGI的關鍵限制因素。

這一觀點是AI行業大佬們的普遍共識，OpenAI CEO奧特曼就多次強調，AI進步不止靠做大模型，近期推出的AgentKit工具，核心目的就是降低人機協作摩擦，讓開發者更高效地構建智能Agent系統。

Anthropic CEO Dario Amodei今年4月也曾預測，AI 3到6個月可編寫90%的代碼，12個月內幾乎能編寫所有代碼，但人類仍需明確功能需求、設計思路，人機協作效率直接決定最終產出。

更早之前，馬斯克就預見到這一問題，他推動的Neuralink腦機接口項目，核心目標之一就是繞過人類打字限制。他曾形象地比喻：「人類對計算機說話，在計算機聽來就像非常緩慢的、帶有音調的喘息聲，有點像鯨魚的聲音」。

最典型的就是AI編程場景。OpenAI官方透露，安卓版Sora應用僅由4人小隊用28天完成上線，其中85%的代碼由GPT-5.1+Codex自動生成，版本穩定率達99.9%。

即便效率如此之高，過程中仍暴露了人機協作的瓶頸：Codex就像記憶為零的高級新手，每一次對話都需要人類用精準的提示詞告知需求，才能生成高質量代碼。整個開發過程中，監督、審查、邏輯確認、調試等人工介入環節，成了最耗時的關鍵部分。

國內某互聯網大廠的AI開發團隊也有類似經歷。據中國電子報2025年12月報道，該團隊在開發一款電商直播后臺系統時，借助主流AI編程工具生成了70%的基礎代碼，但后續的需求細化、邏輯校驗、異常場景適配等工作，仍需開發者反復編寫提示詞與AI交互。

團隊負責人表示，一名開發者日均要輸入近千條提示詞，打字速度和多任務切換的疲勞感，讓整體開發周期比預期延長了20%。

OpenAI前首席科學家Ilya Sutskever提到的「性能悖論」，也從側面印證了這一點。他舉例稱，讓AI修復Bug時，它可能修好舊Bug又引入新Bug，指出新Bug后又會把舊Bug帶回，陷入無限循環。

這說明當前大模型缺乏真正的理解與泛化能力，實際應用中必須依賴人類介入校正，而人類的輸入效率，直接制約了AI能力的發揮。

AGI的核心目標是解放人類，但一個悖論擺在眼前：在AGI到來之前，首先要把人類從審查AI輸出的繁瑣工作中解放出來。Embiricos認為，突破人類輸入瓶頸的關鍵，在于讓AI智能體具備自我審查能力。

「你可以讓一個智能體盯著你正在做的所有事情，但如果這個智能體不能同時驗證它自己的工作，那你依然會被卡住。」

Embiricos表示，只有重新構建系統，讓智能體在默認狀態下就足夠可靠，無需人類反復驗證，才能解鎖「曲棍球桿式」的生產力增長，前期增長平緩，一旦突破瓶頸就會陡然飆升。

他預測，從2026年開始，最早一批采用自主審查型AI系統的用戶，生產力將率先出現爆發式提升；

未來幾年內，越來越多大公司會跟進，這種增長最終會反哺AI實驗室，推動人類站在AGI的門檻上。不過他也強調，實現完全自動化的工作流程沒有統一路徑，每個場景都需要單獨設計。

谷歌DeepMind創始人哈薩比斯也認同這一思路，他認為當前人機協作只是過渡形態，AI需要進一步磨練推理能力、自主性與創造力。

他判斷，機器要掌握人類所能做的一切，可能還需要五到十年時間，而自主審查能力的突破，將是這一進程中的關鍵節點。

人類打字速度成為AGI短板的論調，實則揭示了人機協作的核心矛盾。未來AGI的突破，不僅需要更強的AI模型，更要打通人機交互的效率瓶頸。

隨著AI自主審查能力的提升，人類將從繁瑣的輸入與驗證工作中解放，真正實現與AI的高效協同，推動科技進步邁向新高度。