这份经合组织（OECD）2026 年 2 月发布的人工智能研究论文，聚焦 2030 年前 AI 的潜在发展轨迹，基于专家洞见、实证数据和战略前瞻方法，分析了 AI 发展的趋势、核心不确定性，构建了四种主场景及多款变体，最终为政策制定者提供了应对 AI 多元发展可能的参考，核心结论为 2030 年前 AI 发展存在高度不确定性，无任何一种场景可被排除。以下是核心内容总结：
研究意义：AI 近年发展迅猛，能力持续提升，政府亟需理解其未来轨迹，以制定政策捕捉技术红利、应对潜在影响。
研究方法：融合前沿文献回顾、全球 AI 顶尖专家访谈评审、战略前瞻情景分析、历史趋势外推四种方式，分析基于 2025 年 10 月前的信息，未对各场景分配概率，仅提供合理发展方向参考。
评估框架：依托 OECD 测试版 AI 能力指标，从语言、社会互动、问题解决、创造力、元认知和批判性思维、知识学习与记忆、视觉、物理操作、机器人智能9 个维度，以 1-5 级（5 级为人类水平）评估 AI 能力。2024 年末最先进 AI 在各维度得分 2-3 级，能力呈现不均衡特征。
AI 在多类基准测试中表现快速提升，已在博士级科学问题、国际数学奥赛、编程竞赛等领域达到或超越人类水平，多语言翻译、数字任务处理接近人类表现，且自主完成长复杂任务的能力持续增强，在科学发现、制药研发等现实领域也有实际应用。
人类仍在持续学习、元认知与自主性、动态现实问题解决、创造力、物理操作、社交互动六大关键领域领先 AI，且 AI 存在稳健性不足、幻觉问题，对低资源语言推理表现差，跨场景泛化能力弱。
技术层面：规模定律的有效性是否持续、推理计算的规模收益能否泛化、记忆 / 持续学习 / 身体能力 / 元认知 / 创造力的突破难度；
输入层面：计算和数据扩展是否受电力、水资源、芯片产能限制，算法效率提升速度能否维持，AI 在自身开发中的软件工程赋能效果，以及法规、投资、地缘政治、能源政策等社会经济制度因素的影响。
论文基于发展速度将 2030 年前 AI 发展分为进展停滞、进展放缓、进展持续、进展加速四大主场景，各场景均有对应的能力指标评分、实现路径、历史类比，并衍生出不同能力发展失衡的变体，核心特征如下：
核心特征：2025 年后 AI 进展基本停滞，能力与 2025 年持平，仅在应用集成和用户友好性上优化，仍依赖人类大量支持，幻觉、泛化问题未解决，物理和社交能力薄弱；
变体：狭义工具 AI（编码 / 数学等窄任务问题解决能力提升至 3 级）、简单 AI 代理（元认知能力提升至 3 级，可自主完成简单数字任务）。
核心特征：AI 能力有增量提升但速度大幅放缓，知识库更完善、结构化推理达研究人员水平，幻觉减少，可自主完成人类数小时至数天的数字任务，记忆有所改善但持续学习仍弱，机器人星空智能科技能力仅限受控环境；
能力评分：语言、社会互动等多维度提至 3-4 级，物理操作、机器人智能仍为 2 级；
变体：简单机器人（物理操作、机器人智能提至 3 级）、社会限制 AI（创造力等维度评分降低，难以应对复杂现实社交互动）。
核心特征：2025-2030 年进展与 2020-2025 年相当，AI 可自主完成人类约一个月的数字专业任务，知识基础近乎全面，持续学习接近人类水平，机器人可处理工厂 / 仓库外的部分动态物理任务，具备基本人类社交技能；
变体：健忘 AI（记忆 / 学习能力仍为 3 级，拖累社交和问题解决）、仅数字 AI（物理操作、机器人智能仍为 2 级，数字领域能力进一步提升）。
核心特征：2025-2030 年进展超此前五年，AI 在多数认知维度达人类水平，可自主完成几乎所有数字专业任务，持续学习能力突破，机器人能处理多行业动态物理任务，可流畅融入人类社交环境；
能力评分：所有认知维度达 5 级（人类水平），物理操作、机器人智能达 4 级；
变体：人工通用智能（AGI）（物理操作、机器人智能也达 5 级，全维度匹配人类能力）、超智能（所有维度得分超 5 级，在数量或质量上超越人类能力）。
趋势外推：AI 能以 50% 成功率完成的任务长度（以人类完成时间计）呈指数增长，软件工程任务每 7 个月翻倍，自动驾驶等任务翻倍速度较慢；四大场景对应不同外推假设，如停滞为任务长度达当前 2 倍后平台期，加速为翻倍速度每次加快 10%。
专家共识：专家对 2030 年 AI 发展速度高度不确定、信心低，多数认为进展放缓 / 持续是最可能的场景，但也认可停滞 / 加速的合理性；专家预计语言、结构化推理、数字自动化等能力进展更快，物理操作、创造力、元认知等进展较慢，且对 AI 通用化还是专业化占主导、是否能形成稳健物理世界模型等问题存在分歧。
核心结论：当前实证证据无法排除任何一种场景及变体，2030 年前 AI 发展轨迹跨度极大，从与当前能力持平的停滞，到全面超越人类的加速均具合理性；这种高度不确定性源于 AI 创新的快速性，以及驱动 AI 发展的核心因素能否持续发挥作用的未知性。
政策启示：政策制定者在制定 AI 相关政策时，必须充分考虑所有潜在发展轨迹，既要制定策略捕捉 AI 技术带来的经济和社会红利，也要提前布局，管理 AI 进展停滞或加速带来的各类潜在影响，兼顾创新发展与风险防控。
