Altman放话：2028年，超级智能将超越人类

“2028年底，人类将迎来早期形态的超级智能，数据中心承载的智能体量有望超越人类生物大脑总和。”近日举行的新德里印度人工智能影响峰会上，OpenAI CEO山姆·奥尔特曼（Sam Altman）表达了上述观点。

全球AI领域焦点正从生成式模型的迭代优化，逐步转向超级智能的落地时间表与规则探讨。

奥尔特曼与Meta超级智能实验室负责人亚历山德·王（Alexandr Wang）同台定调：AI将从辅助工具，走向在推理、创造与问题解决上根本性超越人类的新阶段。

会上，奥尔特曼呼吁建立参照“国际原子能机构（IAEA）”模式的全球AI监管机构，以应对这一划时代跃迁。当然，这并非空泛呼吁，此前IAEA通过全球协同监管，实现了核能技术的可控发展，奥尔特曼试图将这一模式复制到超级智能领域，规避技术失控风险。

亚历山德·王则提出“个人超级智能”路线，地区性的人才与市场将成为普惠化超级智能的关键阵地，而中国电信此前推出的“星辰超级智能体”，已在信贷审核、网络运维等场景实现自主拆解任务、协同完成复杂工作，成为“个人超级智能”落地的雏形参照。

这场高调宣言，是全球AI产业、资本与技术研发深度绑定的集中亮相，标志着超级智能竞赛已进入规模化推进阶段。

超级智能时间表：技术迭代与产业布局同频

当前，全球AI巨头已全面转向超级智能研发，核心目标是突破现有模型局限，实现从“辅助人类”到“超越人类”的能力跃迁。

OpenAI、Meta等头部企业纷纷加大研发投入，放松内部技术迭代约束，优先保障超级智能相关技术的快速落地，其核心逻辑是抢占下一代AI技术的话语权，避免在技术迭代中掉队——这一点与此前AI企业在通用模型研发中的谨慎态度形成鲜明对比，也凸显了超级智能在行业发展中的核心地位。

从全球布局来看，科技巨头正加速推进超级智能技术的全球化落地，通过技术输出、人才合作等方式，扩大自身技术影响力，抢占全球市场份额。亚历山德·王提出的“个人超级智能”路线，正是依托这一优势，试图实现超级智能的普惠化应用，打造差异化竞争优势。

这一背景下，资本已提前入场，成为超级智能竞赛的重要推手。

支持AI技术加速研发的超级政治行动委员会Leading the Future，2025年末手握约3900万美元资金，来自OpenAI联合创始人格雷格·布罗克曼（Greg Brockman）与风投家马克·安德森（Marc Andreessen）等，核心用途是资助超级智能相关基础设施建设与技术研发。

典型案例便是该委员会重点支持爱达荷州数据中心建设，推动审批流程简化，为超级智能所需的大规模算力基础设施“开绿灯”。行业共识是：超级智能不只是算法竞赛，更是能源、芯片与物理基础设施的军备竞赛，资本的持续注入的是技术落地的关键支撑。

但行业内部并非铁板一块，关于超级智能的发展路径与节奏，出现了明显分歧。

以奥尔特曼、萨克斯为代表的技术加速派，主张快速推进技术迭代与落地，将超级智能视为推动产业升级的核心引擎，举例称若超级智能落地医疗领域，可将新药研发周期从10年压缩至1年，带动生物医药产业爆发式增长。

以部分行业学者、环保人士为代表的谨慎派，则警惕技术落地带来的就业冲击、环境压力与安全风险，拿出自动驾驶AI替代卡车司机、AI文案替代初级内容创作者的案例，质疑超级智能将导致大规模失业，加剧社会两极分化。

这种分歧也导致部分企业在技术推进中适当放缓节奏，兼顾技术创新与社会影响。

从话语策略看，行业将关键词从AGI（通用人工智能）切换为超级智能。技术演进表述为“必然、不可逆、超越人类”，为下一代AI技术的商业化与产业化铺路。

一旦奥尔特曼的2028预言兑现，智力边际成本将趋近于零，药物研发、法律服务、内容生产等行业将被彻底重构。

例如当前AI辅助律师处理案件检索需数小时，而超级智能可瞬间完成案例匹配、法律条文解读与辩护方案生成，直接冲击初级法律从业者岗位。

但高度集中的数据中心模式，也带来能耗、供电与地方抵抗等刚性约束，亚利桑那州凤凰城就因数据中心能耗过高、挤占居民用电，引发当地民众抗议，成为超级智能基础设施落地的现实阻力。

能耗正当化：AI训练类比为“人类培育”

峰会期间，奥尔特曼另一组引发争议的表态，直指AI最敏感的能耗与水耗议题。

他公开反驳“AI过度消耗资源”的批评，称相关担忧“过时或完全虚构”，并提出一套全新比较框架：不应只对比单次AI推理与人脑思考的能耗，而应计入人类成长、教育、生存所需的全生命周期成本。

按此口径，大规模计算集群的能源投入，反而比培养同等认知能力的人类更“高效”——他举例称，培养一名资深药物研发科学家需25年（从教育到成长为专家），消耗大量粮食、能源与教育资源，而超级智能模型通过训练，可在3个月内掌握全球药物研发知识，能耗仅相当于这名科学家20年消耗能源的1/50。

他同时为数据中心用水辩护，称现代闭式循环冷却技术已大幅降低资源依赖，旧有蒸发冷却系统的负面叙事与现实脱节，举例说明OpenAI位于得克萨斯州的数据中心，采用闭式循环冷却技术后，水耗较传统数据中心降低70%，每处理1PFlops算力的水耗，仅相当于居民一天的用水量。

这一修辞转向，是OpenAI对“计算优先”模式的战略性正当化：

将AI训练类比为“人类培育”，以此缓解行业与社会对资源消耗的担忧、为GPT-6等下一代模型的巨量能源与资本开支铺路。

若AI被定义为“更高效的智能生产方式”，其高能耗便可被解读为生产率净增益，而非环境净损失——这一点在OpenAI与微软合作的Azure云数据中心体现得尤为明显，双方宣称，该数据中心的AI算力产出，相当于10万名人类工程师的工作效率，而能耗仅为同等人力的1/10。

但这套逻辑面临现实与科学双重挑战。人类大脑功耗仅约20瓦，而前沿大模型一次完整训练耗电量，相当于数千美国家庭一年用电——例如GPT-5模型训练一次，能耗约为1.2万兆瓦时，相当于美国一个3000人小镇一年的总用电量。

奥尔特曼强调的是信息处理规模效率，而非热力学效率——在物理底层，硅基智能仍远落后于生物智能。

Zoho CEO斯里达尔·文布（Sridhar Vembu）等业内人士直接反驳：将技术与人类等价，忽视了生命的内在价值与不可替代的社会需求，举例称AI可生成诗歌，但无法复刻人类诗人的情感体验；可诊断疾病，但无法给予患者人文关怀。

长期看，AI能耗与全球可持续目标的冲突将持续激化。

预测显示，2030年AI相关电力需求将大幅增长，老旧电网难以承接，最典型的案例便是美国加州，2025年夏季因AI数据中心能耗激增，导致多次电网负荷预警，加州电力公司不得不限制数据中心运行，这也印证了奥尔特曼的“能耗无害论”与现实的脱节。

当前，全球科技企业正试图通过技术优化、清洁能源应用等方式缓解这一矛盾，探索超级智能与可持续发展的平衡路径。

这或许也意味着，超级智能竞赛正式进入技术与资本的主航道。奥尔特曼的2028时间表、科技巨头的研发投入、资本的全力押注、能耗议题的话语重构，共同构成超级智能产业发展的完整图景。

未来24个月，AI行业将走向高度集中：只有极少数玩家能承担超级智能的资本与资源门槛，中国电信“星辰超级智能体”的落地案例，也预示着超级智能的竞争已从单纯的技术比拼，延伸到产业落地能力的较量。Meta力推的“个人超级智能”，则预示着巨头将把顶级能力封装进消费硬件，从对话机器人走向主动式智能体。

超级智能究竟是产业升级的引擎还是社会发展的挑战？这一命题将深度影响全球AI产业的发展走向，并决定下一代AI技术的治理模式。

而OpenAI们真正需要回答的问题是：当智能可以被规模化生产，人类的位置，又该如何安放？（本文首发钛媒体App , 作者｜硅谷Tech news，编辑｜秦聪慧）