AI Impacts 于 9 月公布《Advanced AI according to 1,580 researchers》（ESPAI2024）：1580 名 AI 研究者平均估计，未来 AI 进展导致人类灭绝或同等程度的永久性严重失能的概率为约 18%；中位数估计为 10%，51.1% 的受访者给出的概率不低于 10%；72% 支持加大对降低 AI 风险的研究投入。这份基于 2024 年数据的调查，在黄仁勋宣称"2030 年世界末日概率 0%"的同一天被媒体重新拾起——两个数字之间的落差，本身就是本周最值得写的新闻。
先交代方法与口径。ESPAI（Expert Survey on Progress in AI）自 2016 年以来已进行四次，是持续最久的大型 AI 研究者调查之一；样本为顶级 AI 会议（如 NeurIPS）的论文作者与相关研究者，2024 版回收 1580 份。报告同时指出：人类级 AI（HLMI）的时间线估计在历次调查间显著缩短，而对高级 AI 后果的深度担忧持续或加深——"来得更早"与"后果更重"两个趋势在同步收紧。
数字要拆开读。平均 18% 与中位数 10% 的差异说明分布右偏：少数研究者给出很高的概率，把平均值抬了上去；一半人认为至少 10%。这个分布本身比任何一个点估计都更有信息量——它不是"行业共识"，而是"行业没有共识，但担忧集中在下限不低的位置"。AI Impacts 的摘要口径是"平均 18%"，俄语与德语转述站给出 18.2%，以官方 PDF 的 18% 为准。
比灭绝概率更值得注意的，是
[1][2]风险排序。在十一类风险中，研究者最关切的不是机器人起义，而是 83% 的人认为 AI 会让虚假信息（如深度伪造）易于大规模传播——接近五分之四的研究者把"污染信息环境"排在风险榜首。这个结果与过去几周围绕模型越界、安全披露机制的讨论形成了互证：从业者最担心的风险不是模型变强本身，而是强模型把"难以分辨真假"变成常态。
局限与对照要写清楚。这是 2024 年的调查数据，2026 年 9 月才公布，样本与表述可能滞后于行业变化；"平均 18%"是统计口径，不等于任何个体的预测；研究者群体的风险认知受其所在机构、领域与新闻周期影响。它与黄仁勋的"0%"、阿莫代伊的"值得警惕但可控"共同构成 2026 年 9 月的风险光谱——三组人都不是在陈述事实，而是在给出可检验的判断。这份调查的价值在于：它把"研究者怎么想"从印象变成了可引用的分布。
[1][2]