2026年9月10日，BBC Newsnight的主播Victoria Derbyshire在直播中说出了”Oh my God”。

她刚刚听到的，是诺贝尔奖得主Geoffrey Hinton的亲口表达：认为AI在十年内消灭人类的概率有10%，”这个估计并不算不合理”。

这不是一个末日预言博主的YouTube视频。这是被称为”AI教父”的人，在全球收视率最高的新闻访谈节目之一，说出了他对自己亲手推动的技术的最新判断。

而他的时间线，正在以每次采访都在加速的方式收缩。

一、Hinton说了什么：从30年到10年

事件的起因是Anthropic研究员Jacob Coxon的那条推文。

2026年9月9日，Coxon宣布辞职，并写下：”这些AI公司正在用我们的生命赌博。建造AI的人真心相信它在本十年末之前可能杀死我们所有人。”这条推文在X上获得了超过150亿次浏览，触发了20多名国会议员呼吁立法，引发了全球媒体的密集报道。

BBC记者在Coxon推文爆发24小时内找到了Geoffrey Hinton。

在Newsnight的直播采访中，Hinton对主播Victoria Derbyshire说：

“10%的概率，对我来说不算是不合理的估计。但实际上没有人真的知道怎么给出一个合理的概率。”

当主播表示震惊说”哇，我的老天”，Hinton继续：

“说这个概率只有1%，将会是非常愚蠢的事情。”

然后他提到了一个数据点，让理解过AI发展历史的人格外不安——他更新了自己的时间线：

“我以前认为大概是30到50年。然后我把它缩短到10到20年。现在，我认为可能是10年，也许更短。还有一些人认为比这更快会发生。”

这是什么意思？这意味着世界上对深度学习理解最深刻的人，在过去三年里已经将自己的”AI灾难可能发生时间”从”下一代人之后”，更新到了”我们这一代可能亲历”。

他没有解释为什么时间线在压缩。但答案藏在2026年已经发生的事情里。

二、Hinton为什么有资格说这句话

理解Hinton的声明，需要先理解他是谁——不是简历意义上的”谁”，而是在AI历史中扮演了什么角色的”谁”。

1970年代：神经网络研究在AI领域几乎是一个边缘课题。当时主流的AI研究方向是符号主义——用逻辑规则和知识库来模拟智能。神经网络因为训练困难、计算需求大、理论基础薄弱，被多数人认为是死路。

Hinton选择在多伦多大学坚持这个被边缘化的方向，度过了漫长的学术寒冬。

2012年：他和学生Ilya Sutskever（后来创立OpenAI）、Alex Krizhevsky，用深度卷积网络在ImageNet图像识别竞赛中彻底碾压了所有对手。一夜之间，整个AI领域的研究方向开始转向神经网络。

这不是一个普通的技术突破。这是一种范式转变——而Hinton是让这个转变发生的核心人物之一。

2024年：他因深度学习的奠基性工作与John Hopfield共同获得诺贝尔物理学奖。颁奖词说他”通过人工神经网络的基础发现，促成了机器学习的可能”。

这个背景的重要性在于：Hinton不是一个对AI感到神秘和恐惧的局外人——他是最清楚深度学习架构如何运作、能做到什么、潜在极限在哪里的人之一。他在1960年代初开始思考神经网络，花了几十年追问”我们能不能让机器学会表征”，然后亲眼看到这个问题从理论到实践的全部过程。

更重要的是：他现在担忧的，正是他推动创造的东西。这种担忧不来自无知，而来自某种程度上的全知。

三、时间线收缩的背后：2026年发生了什么

Hinton没有说为什么他的时间线预测在压缩。但观察2026年的技术进展，可以大致看出是什么在驱动这种认知更新：

GPT-6 Astra：ExploitBench满分

2026年9月3日，OpenAI发布GPT-6 Astra。在ExploitBench（网络安全漏洞利用能力评测）上，Astra得到100%——也就是说，它在每一个测试案例中都能找到漏洞、开发出可用的利用工具。在此基础上，OpenAI还测试了它能否发现”公开前三个月内的真实零日漏洞”——结果Astra找到了两个此前未知的零日漏洞。

这是AI能力的一次不可忽视的跃迁，而且它发生在短短几个月之内。GPT-5.6 Sol（Astra的直接前代）的ExploitBench成绩是78.5%——而Astra是100%。

ARC-AGI-3：99.9%

ARC-AGI（抽象推理测试）被设计为专门难倒AI系统的人类常识推理评测。GPT-6 Astra在最新版本ARC-AGI-3上得到99.9%，几乎达到满分。ARC Prize Foundation的评估说这代表了”边界级别性能的有意义的跃升”。

RSI迹象

Anthropic对齐负责人Evan Hubinger在Coxon推文后的声明中提到，他担心的是”超级智能通过递归自我改进而出现，正如我们所说，这正在以比预想更快的速度发生”。这不是泛泛的担忧，而是来自负责评估这类迹象的人的专业判断。

合并效应

单独来看，上述每一件事都可以有不同的解读方式。但合并在一起，它们勾勒出了一条能力曲线在加速的图景——而这条曲线的走向，是Hinton更新时间线预测的底层数据源。

四、”10%”作为一种认识论声明

很多人在报道这个10%时，把它当成一个具体的概率预测。但更准确的理解是：Hinton在给出一种认识论声明，而不是精确的概率估算。

他最重要的表述不是”10%”，而是这两句：

  1. “没有人真的知道怎么给出一个合理的概率。”
  2. “说这个概率只有1%，将会是非常愚蠢的事情。”

这两句合在一起的意思是：我们处于极度不确定的领域，但这种不确定性本身就是危险信号，而不是没有风险的证明。”1%”是我们的默认直觉给出的数字，但这个直觉没有经过任何严肃的分析，它只是来源于人类面对新奇技术时的乐观偏误。

在风险管理领域，这类声明有一个经典类比：气候变化研究的早期。科学家们同样无法给出精确的”地球升温2°C的概率”，但他们能说的是：”说这个概率是零，将是非常愚蠢的事情。”那种不确定性本身就是采取行动的理由。

Hinton在做同样的事情：他不是在预测，而是在向公众传递一种认识论状态——一种”我们不知道边界在哪里，但我们肯定已经越过了某个阈值”的认知。

五、这次声明与2023年的不同之处

Hinton在2023年离开Google时已经说过他担忧AI。那次的表达引起了相当的关注，但在一定程度上被主流技术乐观主义淡化——”聪明的老人总是对新技术过于担忧”。

这一次不同，主要有三个原因：

第一，时机：Coxon推文的150亿次浏览，已经将”AI安全”推入了政治主流。当Hinton发言时，他的声明不再落入一片空白，而是落入了一个已经被激活的公众关注场域。

第二，具体化：Hinton这次给了数字（10%），给了时间线（10年），给了机制（网络攻击、致命病毒）。具体化让他的表达可以被引用、对比、讨论，而不是可以被轻易忽略的模糊担忧。

第三，合唱：这次发声不是孤立的。Coxon（前Anthropic研究员）、Hubinger（Anthropic对齐负责人）、Pachocki（OpenAI首席科学家）都在同一周作出了方向相近的表态。Hinton的声明不是一个老人的独自警报，而是一场多声部合唱中最有权威的声部。

六、Hinton和Coxon、Hubinger、Pachocki：一场历史性的联合表态

让我们把这一周所有的声明并排放在一起看：

Jacob Coxon（前Anthropic研究员）：

“这些公司正在用我们的生命赌博。建造AI的人真心相信它在本十年末之前可能杀死我们所有人。”

Evan Hubinger（Anthropic对齐负责人）：

“我真的相信AI可以杀死所有人类！我个人认为在下个十年内的概率超过10%。……我们尚未有解决超级智能对齐问题的计划，也没有明显走在正轨上。”

Jakub Pachocki（OpenAI首席科学家）：

“没有人为机器智能持续快速上升的后果做好了准备。”

Geoffrey Hinton（诺贝尔奖得主，深度学习先驱）：

“10%的概率，对我来说不算是不合理的估计。……我以前认为是30到50年。现在，我认为可能是10年，也许更短。”

这是AI领域历史上第一次，多位核心建设者——包括现任内部人员和历史奠基者——在同一个新闻周期里，以近似量化的方式公开表达对存在性风险的评估。

这与科技行业惯常的对外表达方式有深刻的反差。科技公司的外部沟通通常经过严格的法务和公关过滤，被激励向乐观方向倾斜。这一周发生的，是一种过滤失效——因为这些人认为有道德义务说出他们真正相信的事情。

七、政治链条：从BBC采访到国会听证的72小时

Hinton的BBC采访产生的政治效应是即时且可追踪的。

在Coxon推文后的72小时内，美国国会发生了以下事情：

  • 民主党众议员Lori Trahan（马萨诸塞州）在CNBC Squawk Box上说”我的电话被打爆了，来自两党的议员都想要行动”
  • 共和党众议员Nathaniel Moran（德克萨斯州）在X发文：”AI是创新的强大引擎，我们需要它蓬勃发展。但国会不能无视AI的现实和伴随的潜在风险。创新与安全并不互斥。”
  • 参议员Ted Cruz宣布将主导参议院对AI监管的保守派回应

这种两党快速响应，在美国政治的当前极化背景下是罕见的。它说明”AI安全”已经超越了意识形态边界，成为了一个不管左右都需要表态的议题——而Hinton的声明，是让这个议题从技术圈进入政治主流的关键放大器之一。

八、”10年”意味着什么，作为一代人的时间标尺

让我们用一个更具体的框架来理解”10年”这个时间标尺。

2026年，GenZ（1997-2012年出生）的最大成员29岁，最小的14岁。他们将在接下来10年里完成大学教育、进入职场、开始独立生活。如果Hinton和Hubinger的担忧是准确的，这一代人的青年时代将在一个AI能力超越人类的世界中度过。

1945年，参与曼哈顿计划的科学家们在广岛原子弹爆炸后才意识到他们创造了什么。在那之前，技术上的成功压制了伦理上的追问。

2026年，情况不同。在AI”广岛时刻”到来之前，建造者们自己已经在大声警告。

但从警告到集体行动之间，有一个悬而未决的制度问题：当Hinton对BBC说”我真的不知道我们应该怎么做”——这不是谦虚，而是诚实。人类有了核武器之后，花了30年建立核不扩散体系（尽管很不完美）。

AI能否在更短的时间内建立类似的集体治理机制？

当Geoffrey Hinton说”10年，也许更短”，他给出的不只是一个概率，而是一个时间窗口——在这个窗口里，我们需要建立的，是比建造AI本身更难的东西：约束我们自己的能力。

这需要什么？初步的方向包括：AI能力红线与同行评审机制（让外部研究者能够测试前沿模型的安全性）；国际对话框架（即使是竞争关系的大国也需要在某些基线上达成共识）；以及更快速的政策迭代机制（能够随技术发展实时更新的监管工具，而不是等五年立一次法）。

这些都很困难。但Hinton花了30年说服整个AI领域神经网络是对的。或许建立人类对自己创造物的治理体系，也可以从第一步开始——哪怕那第一步是承认我们不知道该怎么做。