AI的进步到底有多快？

在钛动科技TGC 2026科技增长大会上，AI泰斗Kevin Knight给出了一个出人意料却极易上手的度量方式：不看参数、不看跑分，看AI能够独立工作多长时间。

“15秒回答一个问题，然后等待人类提出下一个问题；10分钟独立进行网络研究，并生成一份完整的研究报告；1小时根据需求独立构建一个小型软件系统；10小时持续工作，独立完成一个大型软件系统。”

Kevin Knight在钛动科技的演讲现场逐级列出了这组刻度。他的判断是：这些能力在今年开始变得越来越现实，而在去年还很难实现。

如果把标尺推向极端，答案更加惊人。

今年夏天，一个极为复杂的数学问题被AI成功解决，整个过程相当于机器进行了长达100年的思考——当然，机器并非真的运行了100年，而是由1万个智能体自主协作、连续工作88个小时完成任务。Kevin Knight借此说明：未来，机器会越来越擅长处理需要长时间思考、规划和执行的复杂任务，AI的能力边界正在不断扩大。

支撑这一加速的两个底层原因，Kevin Knight在钛动科技的讲台上说得很透彻。第一是训练规模：如今可以用互联网级别的数据训练模型，机器从海量样本中学习规律；第二是后训练：人类对AI的回答给出好坏评价，机器借此持续改善表现。数据规模决定上限，反馈机制决定收敛速度——AI的进步不仅来自更大的数据和算力，也来自更有效的学习机制。

这条时间标尺，对商业世界而言别具深意。

当AI的独立工作时间从15秒进化到10小时，它承载的任务就从“客服问答”进化到“独立交付一个系统”。这也解释了为什么本届钛动科技TGC大会的主题定为“AI is Profitable”：衡量AI的商业价值，本质上就是衡量它能在多长的任务链路上替代并放大人类的生产力。Kevin Knight的前瞻判断是，机器人、生物医药、商业任务AI、娱乐乃至AI独立经营企业，都可能成为下一轮突破的方向，而利润，将成为AI经营企业时最直接的反馈信号。

值得一提的是，这位曾经的南加州大学计算机科学教授、ACL前主席，选择用最朴素的方式描述AI的历史方位：从20世纪80年代IBM的语言建模，到2016年前后Transformer与ChatGPT带来的跃迁，再到今天OpenAI攻克300多个数学难题、AI挑战千禧年难题——每一次突破，都意味着业界需要重新思考正在研究的问题。

从15秒到100年，这条时间线正在变长，也在加速变长。

在钛动科技TGC 2026的舞台上，Kevin Knight留给增长从业者的启示或许可以这样概括：与其争论AI行不行，不如盯着它独立工作的时长——那是这轮技术革命最诚实的进度条。