当研究者自己给出的“灭绝概率”接近五分之一，这个数字本身就值得被认真对待。

发生了什么

据 The Decoder 报道，一项覆盖 1500 多名顶尖 AI 研究者的调查显示，受访者对“AI 导致人类灭绝情景”的平均概率估计为 18%，该数据对应的是 2024 年。报道同时提到，这一数字仍在持续变化。

讨论并非始于问卷。Anthropic 研究者 Jacob Coxon 的一条推文引发了关于 AI 存在性风险的激烈争论；OpenAI 研究者 Daniel Selsam 用“滴答作响的定时炸弹”来形容这一风险；一位前 DeepMind 研究者则直接表示 AI 可能杀死所有人。这些表态来自一线研究者，而非外部评论者。

为什么重要

18% 不是一个实验室里的抽象参数，而是一群最了解模型能力边界的人，在被问及最坏情况时给出的平均判断。它的意义不在于预测是否准确，而在于它揭示了一种内部共识的缺失：同一批人既在推动能力前沿，也在为可能的失控定价。

更值得注意的是表达方式的变化。过去，存在性风险多由少数安全研究者或外部哲学家提出，容易被主流研究者视为“离题”。如今，来自头部实验室的研究者愿意公开使用“灭绝”“定时炸弹”这类词汇，说明这类讨论正在从边缘进入日常技术对话。这既是安全文化扩散的信号，也可能是一种防御性表态——在监管与公众审视加剧的背景下，提前承认风险比事后解释更安全。

影响与看点

对行业而言，最直接的影响是安全议题的“定价权”正在转移。当一线研究者自己给出高概率估计，模型发布方将更难把安全评估当作可选项，评估结果也可能成为发布节奏的一部分。

对开发者来说，这意味着日常工具链会逐步被安全约束渗透：更强的行为监控、更严格的部署门槛、更明确的滥用检测，都会以工程需求的形式落到具体项目上。短期看是额外成本，长期看可能重塑谁能发布模型、以什么条件发布。

对普通用户，这类调查的价值在于提供一个校准锚点：AI 风险讨论不再只是媒体渲染，而是有研究者群体自身的判断作为参照。

需要克制的是，18% 是主观概率的平均值，样本、提问方式与时间点都会显著影响结果，它不能被当作精确的预测。真正值得追踪的不是这个数字本身，而是它接下来往哪个方向移动，以及有多少研究者愿意在公开场合承认自己的估计。