Solana聯合創始人Anatoly Yakovenko：AGI仍很遠

Anatoly Yakovenko稱AGI仍然很遠。他以自己的測試項目Percolator爲例說，若自己全職手寫代碼，項目本可已經交付。AI真正出色的是設計與規格研究，以及用模糊測試找bug，直到模型後來被收緊。

他給出兩步流程：先用AI做規格研究，規格仍由人寫，再讓AI找規格漏洞；代碼也由人寫，再讓AI找代碼漏洞。他判斷這樣質量會更好，但真正交付到市場的好產品數量，未必高於大模型普及之前。

這與他更早把AI寫成專家倍增器並不矛盾。2025年他在TechCrunch Disrupt上說，自己會盯着Claude幹活，能嗅到它何時跑偏，會議走神往往是因爲在看模型輸出。此刻他把分工寫死：人負責寫出規格和代碼，模型負責檢索與找茬。

同一周前後，他也用“萬億美元市值上的盈利”回應放緩前沿的主張，並嘲笑讓Codex少耗token。一邊否認通用智能已到，一邊反對把減速寫成安全共識。Percolator被當成反例：有模型幫忙，交付仍慢於熟手單幹。

信息增量在把AGI時間表從口號拉回具體倉庫。他不否認模型能查漏，但拒絕把查漏升格成能獨立出貨的智能。

市場機制上，這是敘事對沖。買盤是繼續押注Solana高吞吐、鏈上應用和AI代理結算的資金；賣盤是把“AGI很近”寫成一切協議都將被自動重寫的交易者。資金流向仍能人手交付的基礎設施，而不是純代理生成的應用泡沫。受益方是仍把核心協議當手工藝的公鏈團隊；承壓方是把編程代理直接等價於產品公司的估值故事。

來源：公開信息

ABAB AI 解讀

Yakovenko的判斷來自同一條工程路徑：高通和操作系統專利出身，再用Proof of History把時間戳做成鏈上時鐘。他衡量智能的尺子不是基準分數，而是一個名爲Percolator的項目能不能按時出貨。模型能幫他搜規格、做fuzz，但不能替他把系統帶過線，所以AGI被寫成仍然很遠。

資本路徑和他公開投資一致。Solana要的是持續迭代的協議，不是一次生成的應用。他給機器人、交易基礎設施和開發工具投過種子，同時把AI定位成專家的倍增器。動機很硬：鏈上系統出錯的成本是資金，不是演示視頻；因此規格和代碼必須留在人手裏，模型只准找茬。

類似位置上，這更接近Karpathy“AGI還有十年”和“智能體想法本身很差”的工程派，而不是實驗室把時間表收到兩三年的敘事。行業階段是編程代理從“能寫函數”進入“仍不能對實驗設計負責”。誰能把模型和人手焊成一條質檢流水線，誰就先拿到可靠交付。

結構變化屬於技術替代的半成品期。查漏和檢索先被替代，架構和出貨權還沒有。機制是：模型把檢索成本打到接近零，於是規格漏洞和測試漏洞暴露得更快；但更快暴露不等於更快上市，真正的瓶頸回到能簽字的工程師工時。

ABAB News · 認知定律