在通往通用人工智能（AGI）的道路上，一個意想不到的瓶頸正逐漸顯現——人類的打字速度。OpenAI Codex項目負責人亞歷山大·恩比里科斯（Alexander Embiricos）在近期播客訪談中提出，當前人機協作模式中，人類輸入效率已成為制約AI生產力突破的關鍵因素。這一觀點引發科技界廣泛討論，多位行業領袖均表示曾觀察到類似現象。
恩比里科斯在《Lenny's Podcast》節目中詳細解釋了這一觀點。他指出，現代AI系統雖具備強大處理能力，但仍需通過文本指令與人類交互。開發者在監控AI輸出、調整提示詞的過程中，需要同時完成多任務處理，這種認知負荷遠超單純打字速度的限制。以自動駕駛類比，當前開發者如同需要手動控制方向盤的駕駛員，既要規劃路線又要實時修正偏差。
OpenAI內部開發案例印證了這一判斷。安卓版Sora應用開發團隊僅用4人便在28天內完成項目上線，其中85%代碼由GPT-5.1與Codex自動生成。但項目負責人透露，監督AI輸出、邏輯驗證和調試等環節仍需人工介入，這些工作占據了項目總工時的60%以上。恩比里科斯強調："每次對話都需精確描述需求，就像指導零記憶的新手工程師，這種重復勞動嚴重拖慢了整體進度。"
科技界多位權威人士表達過類似擔憂。特斯拉CEO埃隆·馬斯克在神經鏈接（Neuralink）項目中曾指出，人類通過語音或文字傳輸信息的速度僅為計算機處理速度的百萬分之一，"這種差距如同鯨魚聲波與光纖信號的對比"。Anthropic首席執行官達里奧·阿莫代伊（Dario Amodei）預測，AI雖能在12個月內編寫大部分代碼，但功能定義和架構設計仍需人類參與。
當前AI訓練方法的局限性進一步放大了這個問題。前OpenAI首席科學家伊利亞·蘇茨克維（Ilya Sutskever）提到的"性能悖論"顯示，模型在修復代碼漏洞時常陷入無限循環，暴露出評測指標優化與實際場景需求的脫節。這種差距使得人機交互環節變得不可或缺，人類能力邊界由此成為系統效率的天花板。
突破這一瓶頸的關鍵在于賦予AI自主審查能力。恩比里科斯描繪了這樣的愿景：當智能體能夠自我驗證工作成果時，人類將從編寫提示詞和驗證輸出的重復勞動中解放。他預測這種轉變將引發"曲棍球桿式"增長——2026年起早期采用者將率先實現效率躍升，隨后大型企業逐步跟進，最終推動整個行業向AGI邁進。
這種變革需要重構現有系統架構。恩比里科斯承認不存在普適解決方案，每個應用場景都需要定制化設計。但他堅信進展將比預期更快到來："明年開始我們會看到首批案例，三年內主流企業都將完成轉型。"谷歌DeepMind創始人德米斯·哈薩比斯（Demis Hassabis）的判斷與之呼應，他認為實現完全自主的AI系統可能需要五到十年時間，當前人機協作仍是必要過渡形態。
