在通往通用人工智能（AGI）的道路上，一个意想不到的瓶颈正逐渐显现——人类的打字速度。OpenAI Codex项目负责人亚历山大·恩比里科斯（Alexander Embiricos）在近期播客访谈中提出，当前人机协作模式中，人类输入效率已成为制约AI生产力突破的关键因素。这一观点引发科技界广泛讨论，多位行业领袖均表示曾观察到类似现象。
恩比里科斯在《Lenny's Podcast》节目中详细解释了这一观点。他指出，现代AI系统虽具备强大处理能力，但仍需通过文本指令与人类交互。开发者在监控AI输出、调整提示词的过程中，需要同时完成多任务处理，这种认知负荷远超单纯打字速度的限制。以自动驾驶类比，当前开发者如同需要手动控制方向盘的驾驶员，既要规划路线又要实时修正偏差。
OpenAI内部开发案例印证了这一判断。安卓版Sora应用开发团队仅用4人便在28天内完成项目上线，其中85%代码由GPT-5.1与Codex自动生成。但项目负责人透露，监督AI输出、逻辑验证和调试等环节仍需人工介入，这些工作占据了项目总工时的60%以上。恩比里科斯强调："每次对话都需精确描述需求，就像指导零记忆的新手工程师，这种重复劳动严重拖慢了整体进度。"
科技界多位权威人士表达过类似担忧。特斯拉CEO埃隆·马斯克在神经链接（Neuralink）项目中曾指出，人类通过语音或文字传输信息的速度仅为计算机处理速度的百万分之一，"这种差距如同鲸鱼声波与光纤信号的对比"。Anthropic首席执行官达里奥·阿莫代伊（Dario Amodei）预测，AI虽能在12个月内编写大部分代码，但功能定义和架构设计仍需人类参与。
当前AI训练方法的局限性进一步放大了这个问题。前OpenAI首席科学家伊利亚·苏茨克维（Ilya Sutskever）提到的"性能悖论"显示，模型在修复代码漏洞时常陷入无限循环，暴露出评测指标优化与实际场景需求的脱节。这种差距使得人机交互环节变得不可或缺，人类能力边界由此成为系统效率的天花板。
突破这一瓶颈的关键在于赋予AI自主审查能力。恩比里科斯描绘了这样的愿景：当智能体能够自我验证工作成果时，人类将从编写提示词和验证输出的重复劳动中解放。他预测这种转变将引发"曲棍球杆式"增长——2026年起早期采用者将率先实现效率跃升，随后大型企业逐步跟进，最终推动整个行业向AGI迈进。
这种变革需要重构现有系统架构。恩比里科斯承认不存在普适解决方案，每个应用场景都需要定制化设计。但他坚信进展将比预期更快到来："明年开始我们会看到首批案例，三年内主流企业都将完成转型。"谷歌DeepMind创始人德米斯·哈萨比斯（Demis Hassabis）的判断与之呼应，他认为实现完全自主的AI系统可能需要五到十年时间，当前人机协作仍是必要过渡形态。
