研究：顶尖 AI 专家严重低估该领域发展速度

Forecasting Research Institute 的研究发现，顶尖 AI 专家持续低估 AI 进展速度。AI 在国际数学奥林匹克达到金牌水平的时间比专家预测中位数提前五年，Anthropic 的年化收入约为专家预测的五倍。但自动驾驶等现实应用的预测表现更为复杂。

以往对 AI 进展的判断多依赖专家预测，而该研究显示专家在能力突破与商业收入上系统性偏保守。这意味着基于专家共识做技术路线和投入节奏规划，可能低估窗口期，提前布局与延后入场的差距被拉大。

研究所揭示的是预测偏差机制，而非单一技术突破。专家在基准任务上倾向于低估能力提升速度，在商业指标上低估需求与付费的放大效应，但在自动驾驶等需软硬件协同、监管与场景落地的领域，预测与实际表现更接近。

对产品与研发而言，按专家预测设定路线图可能过于保守，需缩短模型能力复盘的节奏并保留快速接入新能力的架构余量；对预算与收入模型，需准备比外部预测更陡的增长或成本曲线；落地节奏仍应按具体场景验证，而非整体提前。

• 在规划流程中引入短周期的 AI 能力与成本预测校准机制，定期用公开基准与实际收入数据修正内部预期。
• 针对 IMO 级别推理能力提前设计可复用接入层，使产品在新模型发布后能快速上线相关功能而非重新开发。
• 对自动驾驶等落地较慢的品类，单独建立以场景验证为核心的路线图，避免被整体乐观预期带偏投入。
• 把专家预测与实际进展的偏差做成内部情报产品，供投资与立项决策参考。

• 该研究的样本范围、专家名单和统计方法未在证据中说明。
• Anthropic 年化收入的具体数值、统计口径和对比时间点未披露。
• 自动驾驶等现实应用预测更复杂的判断依据未给出具体案例或数据。
• 研究结果是否区分不同子领域与不同预测时间窗口，证据中未体现。