近日，OpenAI Codex项目负责人亚历山大·恩比里科斯在播客访谈中抛出惊人论断：人类打字速度与多任务处理能力正在成为通用人工智能（AGI）发展的关键瓶颈。这一观点引发科技界热议，多位行业领袖均从不同角度印证了人机协作效率对AI发展的制约作用。
恩比里科斯以自动驾驶汽车作类比，指出当前AI系统如同需要驾驶员持续干预的初级自动驾驶模式。开发者在操作Codex时，必须同时监控代码生成、调整提示词并验证输出结果，这种多线程工作模式导致人类思维速度与AI处理能力出现断层。他特别强调提示词工程的复杂性："精确表述意图需要调动工作记忆进行多任务切换，这种认知负荷远超单纯提升打字速度的范畴。"
OpenAI内部开发案例印证了这一判断。在安卓版Sora应用开发过程中，尽管85%代码由GPT-5.1与Codex自动生成，但4人团队仍需花费大量时间进行逻辑确认、调试和版本控制。恩比里科斯透露，系统每次迭代都需人工输入详细指令，这种"记忆归零"式的工作模式严重制约了开发效率，暴露出当前AI系统在连续性任务处理上的缺陷。
行业观察者发现，多位科技领袖都曾触及类似议题。特斯拉CEO埃隆·马斯克在阐述Neuralink项目时直言，人类通过语音或文字与计算机交互的效率极低，"计算机接收人类指令的速度，堪比聆听缓慢的鲸歌声"。Anthropic首席执行官达里奥·阿莫代伊则预测，AI虽将在12个月内具备编写所有代码的能力，但人类开发者仍需承担功能定义、架构设计等关键决策工作。
这种制约效应在复杂系统开发中尤为明显。OpenAI前首席科学家伊尔亚·苏茨克维提出的"性能悖论"指出，当前模型在评测环境中表现优异，却在实际应用中频繁陷入逻辑循环。例如某模型在修复代码漏洞时，会在新旧错误间反复跳转，这种缺乏人类级理解能力的表现，凸显出人机交互环节的重要性。
恩比里科斯提出的解决方案直指问题核心：赋予AI自主审查能力。他描绘了这样的发展路径：当智能体能够自动验证工作成果时，人类将从提示词编写和结果验证等重复劳动中解放出来。这种变革将触发"曲棍球杆式"生产力跃升——前期缓慢积累后突然实现指数级增长。据其预测，2026年将出现首批受益于这种模式的企业，随后大范围的技术普及将推动行业跨越AGI门槛。
谷歌DeepMind创始人德米斯·哈萨比斯从另一个维度补充了这一观点。他认为当前AI系统在推理能力、自主性和创造力方面仍存在明显短板，完全自主的系统可能需要五到十年时间才能成熟。这种判断与恩比里科斯的预测形成呼应：在人机协作的过渡阶段，提升交互效率与培养AI自主性将成为双轨并进的发展策略。
技术社区已开始探索突破路径。有开发者提议将设计、审查等决策环节前置，构建"人类定义需求-AI执行代码"的流水线模式。这种改造若能实现，或将使开发效率获得数量级提升。恩比里科斯强调，不同应用场景需要定制化解决方案，但自动化工作流的大方向已不可逆转。随着首批企业率先完成转型，整个行业将加速迈向人机协作的新范式。
