人类打字速度竟成AGI最大瓶颈？OpenAI负责人预测2026年将迎来爆发式增长

近日，OpenAI旗下Codex项目的负责人Alexander Embiricos提出了一个引人注目的观点：人类自身的打字速度正在成为通往AGI（通用人工智能）道路上的隐形障碍。Embiricos还大胆预测，到2026年，当AI开始在某些领域具备自我审查能力时，生产力将出现“曲棍球杆式”的飞跃式增长，从而带动人类迈向AGI时代。

阻碍AGI发展的，竟然是人类的打字速度？没错，这正是OpenAI Codex负责人Alexander Embiricos在近期播客中抛出的惊人论断。

在《Lenny"s Podcast》节目中，Embiricos表示，目前人机协作中最拖后腿的环节，正是人类输入信息的速度和多任务处理能力的局限。

Lenny（左）与Alexander Embiricos（右）在播客中对谈

当主持人Lenny问及AGI的时间表时，Embiricos谈到了当前观察到的关键限制因素：人类的打字速度和多任务处理能力。他指出，即使AI模型再强大，也需要人类通过提示词来引导和验证，而这一过程受制于人类的工作记忆切换和输入效率。

事实上，除了Embiricos，OpenAI的Sam Altman、Anthropic的Dario Amodei以及埃隆·马斯克等业界领袖也多次提及类似问题。他们普遍将其描述为人机协作中的“沟通摩擦”或“交互延迟”。例如，Altman近期在介绍AgentKit时强调，该工具旨在降低开发者构建智能Agent系统的摩擦，避免在分散工具间低效切换。

同样，Anthropic CEO Dario Amodei在2025年4月预测，AI可能在3到6个月内编写90%的代码，并在12个月内“基本完成所有代码编写”。但他补充说，人类仍需明确功能需求、设计思路并做出关键决策，因此短期内人类开发者依然不可或缺。

更早之前，马斯克就预见到了这一瓶颈。他在谈及Neuralink脑机接口项目时表示，开发脑机接口的目的之一正是为了绕过人类打字速度的天然限制。他将人类与计算机的沟通比作“缓慢而带有音调的喘息声”，效率极低。

这些观点共同揭示了：随着AI能力的指数级跃升，人类输入速度的相对滞后正成为制约生产力进一步释放的关键。就像早期计算机时代程序员需要手动输入每一行代码，如今我们正站在新一轮人机交互变革的前夜。

有网友形象地评论：“如果打字速度是瓶颈，那我们就是系统中速度最慢的环节了。”

AGI之路上的隐形障碍：人类多任务处理能力

Embiricos的观点并非空穴来风，而是基于对AI代理系统实际应用的深刻洞察。他指出，当前AI模型虽然能处理复杂任务，但仍高度依赖人类通过文本输入进行指导和验证。而人类的打字速度及多任务处理能力已无法跟上AI的响应速度。

核心难点在于提示词工程——人类需要精确表述意图。但多任务处理涉及工作记忆的频繁切换，每次切换都消耗时间和精力，导致提示词工程效率低下。在Codex的使用过程中，开发者需同时监控AI输出、调整提示，类似于驾驶员手动操控自动驾驶汽车，其中涉及的任务量远超单纯的打字速度问题。

以安卓版Sora应用的开发为例：据OpenAI官方透露，该应用仅由4人团队在28天内完成上线，其中约85%的代码由GPT-5.1+Codex自动生成，实现了99.9%的版本稳定率。尽管传统几个月的工时被压缩到28天，但过程中也暴露了AI编程的软肋：Codex就像一名记忆为零的新手高级工程师，每一次对话都必须通过清晰的提示词指导，而人类的监督、审查、逻辑确认和调试工作成了整个工程中最慢、最关键的环节。

这一切都需要人工思考并输入提示词，于是打字速度突然成为了真正的生产力障碍。

OpenAI前首席科学家Ilya Sutskever提到的“性能悖论”也间接印证了Embiricos的判断：模型在评测中表现优异，但一到实际场景就掉链子。他举例说，让AI修一个Bug，它修好了却引入新Bug；指出新Bug后，它又把旧Bug带回来，陷入无限循环。这暴露了当前大模型更多是在优化评测指标，而非生成真正类人的理解与泛化能力。因此，即使最先进的AI模型，在实际应用中仍需人机交互，人类能力成了AI生产力的瓶颈。

正如网友Jeff Lurie所言，Embiricos提出的“人类打字速度瓶颈”重新定义了生产力的限制。这迫使我们在通往AGI的道路上，不仅要考虑打造更强的模型，还要突破人类自身的输入速度障碍，推动人机关系的重新审视。有网友提出，在AI编码场景中，如果将审查、判断、设计前置，再让AI编码，可以成倍提高开发速度。

AGI的实现，需要进一步解放人类

AGI的初衷是解放人类，但这里存在一个悖论：在AGI到来之前，我们需要先把人类从繁琐的审查工作中解放出来。Embiricos表示，要突破“人类打字速度瓶颈”，必须让AI智能体能够自我审查工作，不再依赖人类：“你可以让一个智能体盯着你正在做的所有事情，但如果它不能同时验证自己的工作，你依然会被卡住。”

因此，问题最终回到人类自身：你是否真的有精力去审查那么多代码？在Embiricos看来，解决之道就是让AI能够自动审查工作，将人类从编写提示词和验证输出的循环中解放出来，从而摆脱人类速度的限制。

“如果我们能够重新构建系统，让智能体在默认状态下足够有用，我们就会开始解锁那种‘曲棍球杆式’的增长。”当AI的自动化能力足够强大，就可能实现前期平坦、后期陡然上升的增长曲线。

Embiricos认为，实现完全自动化的工作流程并不存在放之四海而皆准的路径，每种使用场景都需要单独设计。但他预计，朝着这种爆发式增长的进展很快就会出现。“从明年开始，我们会看到一批早期采用者的生产力率先出现曲棍球杆式提升；在接下来的几年里，越来越多的大公司也将实现类似的生产力飞跃。”

Embiricos表示，到了2026年，随着最早一批采用者实现效率的跃升，以及后续大公司的跟进，我们也将迎来AGI。“这种曲棍球杆式的增长最终会反哺到AI实验室，而那时我们基本上就已经站在AGI的门槛上了。”

沿着Embiricos的思路，通往AGI的真正突破点在于打破人机协作的制约，让AI智能体能够自主工作，不再依赖人类。正如谷歌DeepMind创始人Demis Hassabis所言，在更具自主性和代理能力的系统到来之前，人机协作仍是必要的过渡形态。他认为AI需要磨练自身的推理能力、自主性与创造力，目前在这方面仍有一些缺失。“机器要掌握人类所能做的一切，可能还需要五到十年时间。”这与Embiricos的预测相互呼应。

参考资料：

https://www.businessinsider.com/openai-artificial-general-intelligence-bottleneck-human-typing-speed-2025-12