Solana联合创始人Anatoly Yakovenko：AGI仍很远

Anatoly Yakovenko称AGI仍然很远。他以自己的测试项目Percolator为例说，若自己全职手写代码，项目本可已经交付。AI真正出色的是设计与规格研究，以及用模糊测试找bug，直到模型后来被收紧。

他给出两步流程：先用AI做规格研究，规格仍由人写，再让AI找规格漏洞；代码也由人写，再让AI找代码漏洞。他判断这样质量会更好，但真正交付到市场的好产品数量，未必高于大模型普及之前。

这与他更早把AI写成专家倍增器并不矛盾。2025年他在TechCrunch Disrupt上说，自己会盯着Claude干活，能嗅到它何时跑偏，会议走神往往是因为在看模型输出。此刻他把分工写死：人负责写出规格和代码，模型负责检索与找茬。

同一周前后，他也用“万亿美元市值上的盈利”回应放缓前沿的主张，并嘲笑让Codex少耗token。一边否认通用智能已到，一边反对把减速写成安全共识。Percolator被当成反例：有模型帮忙，交付仍慢于熟手单干。

信息增量在把AGI时间表从口号拉回具体仓库。他不否认模型能查漏，但拒绝把查漏升格成能独立出货的智能。

市场机制上，这是叙事对冲。买盘是继续押注Solana高吞吐、链上应用和AI代理结算的资金；卖盘是把“AGI很近”写成一切协议都将被自动重写的交易者。资金流向仍能人手交付的基础设施，而不是纯代理生成的应用泡沫。受益方是仍把核心协议当手工艺的公链团队；承压方是把编程代理直接等价于产品公司的估值故事。

来源：公开信息

ABAB AI 解读

Yakovenko的判断来自同一条工程路径：高通和操作系统专利出身，再用Proof of History把时间戳做成链上时钟。他衡量智能的尺子不是基准分数，而是一个名为Percolator的项目能不能按时出货。模型能帮他搜规格、做fuzz，但不能替他把系统带过线，所以AGI被写成仍然很远。

资本路径和他公开投资一致。Solana要的是持续迭代的协议，不是一次生成的应用。他给机器人、交易基础设施和开发工具投过种子，同时把AI定位成专家的倍增器。动机很硬：链上系统出错的成本是资金，不是演示视频；因此规格和代码必须留在人手里，模型只准找茬。

类似位置上，这更接近Karpathy“AGI还有十年”和“智能体想法本身很差”的工程派，而不是实验室把时间表收到两三年的叙事。行业阶段是编程代理从“能写函数”进入“仍不能对实验设计负责”。谁能把模型和人手焊成一条质检流水线，谁就先拿到可靠交付。

结构变化属于技术替代的半成品期。查漏和检索先被替代，架构和出货权还没有。机制是：模型把检索成本打到接近零，于是规格漏洞和测试漏洞暴露得更快；但更快暴露不等于更快上市，真正的瓶颈回到能签字的工程师工时。

ABAB News · 认知定律