近日，OpenAI Codex項目負責人亞歷山大·恩比里科斯在播客訪談中拋出驚人論斷：人類打字速度與多任務處理能力正在成為通用人工智能（AGI）發展的關鍵瓶頸。這一觀點引發科技界熱議，多位行業領袖均從不同角度印證了人機協作效率對AI發展的制約作用。
恩比里科斯以自動駕駛汽車作類比，指出當前AI系統如同需要駕駛員持續干預的初級自動駕駛模式。開發者在操作Codex時，必須同時監控代碼生成、調整提示詞并驗證輸出結果，這種多線程工作模式導致人類思維速度與AI處理能力出現斷層。他特別強調提示詞工程的復雜性："精確表述意圖需要調動工作記憶進行多任務切換，這種認知負荷遠超單純提升打字速度的范疇。"
OpenAI內部開發案例印證了這一判斷。在安卓版Sora應用開發過程中，盡管85%代碼由GPT-5.1與Codex自動生成，但4人團隊仍需花費大量時間進行邏輯確認、調試和版本控制。恩比里科斯透露，系統每次迭代都需人工輸入詳細指令，這種"記憶歸零"式的工作模式嚴重制約了開發效率，暴露出當前AI系統在連續性任務處理上的缺陷。
行業觀察者發現，多位科技領袖都曾觸及類似議題。特斯拉CEO埃隆·馬斯克在闡述Neuralink項目時直言，人類通過語音或文字與計算機交互的效率極低，"計算機接收人類指令的速度，堪比聆聽緩慢的鯨歌聲"。Anthropic首席執行官達里奧·阿莫代伊則預測，AI雖將在12個月內具備編寫所有代碼的能力，但人類開發者仍需承擔功能定義、架構設計等關鍵決策工作。
這種制約效應在復雜系統開發中尤為明顯。OpenAI前首席科學家伊爾亞·蘇茨克維提出的"性能悖論"指出，當前模型在評測環境中表現優異，卻在實際應用中頻繁陷入邏輯循環。例如某模型在修復代碼漏洞時，會在新舊錯誤間反復跳轉，這種缺乏人類級理解能力的表現，凸顯出人機交互環節的重要性。
恩比里科斯提出的解決方案直指問題核心：賦予AI自主審查能力。他描繪了這樣的發展路徑：當智能體能夠自動驗證工作成果時，人類將從提示詞編寫和結果驗證等重復勞動中解放出來。這種變革將觸發"曲棍球桿式"生產力躍升——前期緩慢積累后突然實現指數級增長。據其預測，2026年將出現首批受益于這種模式的企業，隨后大范圍的技術普及將推動行業跨越AGI門檻。
谷歌DeepMind創始人德米斯·哈薩比斯從另一個維度補充了這一觀點。他認為當前AI系統在推理能力、自主性和創造力方面仍存在明顯短板，完全自主的系統可能需要五到十年時間才能成熟。這種判斷與恩比里科斯的預測形成呼應：在人機協作的過渡階段，提升交互效率與培養AI自主性將成為雙軌并進的發展策略。
技術社區已開始探索突破路徑。有開發者提議將設計、審查等決策環節前置，構建"人類定義需求-AI執行代碼"的流水線模式。這種改造若能實現，或將使開發效率獲得數量級提升。恩比里科斯強調，不同應用場景需要定制化解決方案，但自動化工作流的大方向已不可逆轉。隨著首批企業率先完成轉型，整個行業將加速邁向人機協作的新范式。
