昨晚看到一篇 Anthropic 發布的文章，標題直譯過來大意是：AI正在加速自身的迭代。

內容很長，雖然我覺得有 Anthropic 在上市前搞事情的節奏，但也還是值得一看。

他們在這篇長文里也放了一些讓人震驚的數據和觀點，看似在擔憂，但我覺得更像炫技。

先說幾個關鍵數字。

截至2026年5月，Anthropic代碼庫中超過80%的代碼，是Claude寫的。

然而，在去年2月Claude Code發布之前，這個數字還是個位數。

再看工程師的產出。

2026年第二季度，Anthropic每位工程師每天合并的代碼量是2024年的8倍。

不是因為人變勤快了，而是因為大部分代碼已經不是人寫的了，工程師的角色從「寫代碼」變成了「指導和審查代碼」。

還有一個數字更有沖擊力。

在最開放、最模糊、連答案長什么樣都不確定的編程任務上，也就是我們常說的「一句話需求」，Claude的成功率在今年5月達到了76%。

6個月前，這個數字是26%。

Anthropic內部已經有不少工程師認為，Claude寫的代碼質量跟人類工程師打平了，他們預計年內會超過人類。

你可能會覺得，寫代碼快又怎樣？不就是個效率提升嗎？

我覺得，不是。

這件事真正可怕的地方在于，AI不只是在幫人寫代碼，它在幫人類造AI，也就是自己迭代自己。

Anthropic做了一個實驗，每次發新模型，他們都會給Claude一段訓練小型AI模型的代碼，讓它在保證正確性的前提下優化到最快。

2025年5月，Claude Opus 4做到了3倍加速。2026年4月，Claude Mythos Preview做到了52倍。

作為參照，一個熟練的人類研究員需要4到8個小時才能勉強做到4倍。

也就是說，在一個定義清晰的研究實驗框架里，Claude用不到一年時間，從「非常有幫助」變成了「遠超人類」。

當AI在加速自身的迭代，且速度越來越快，如果這個趨勢推到極致，終點就是一個能完全自主設計和開發自己下一代的AI系統。

首先，他們自己承認還沒有走到那一步。然后也說了，它到來的速度可能遠超大多數機構的預期和準備。

如果你們感興趣，可以去看下原文，信息量還是很大的。

但今天我想聊的不是技術本身，而是當AI開始加速進化自己的時候，人的優勢到底在哪里？

我從這篇文章里找到了一個很關鍵的判斷，這里跟你們分享一下。

Anthropic把員工的工作分成了三個層級。

第一級，執行別人指定好的任務。比如「導出按鈕壞了，請修一下」。

第二級，拿到一個目標，自己設計實現路徑，比如「排查一下網絡在高負載時為什么變慢」。

第三級，決定哪些問題值得去解決，比如「團隊下個季度應該做什么」。

Claude現在已經很擅長第一級和第二級了，但在第三級，Claude與人類之間仍然存在顯著差距。

這句話翻譯成人話就是：AI已經能干活了，而且干得又快又好。但「決定干什么」這件事，它還不行。

這就是人目前最大的優勢。

Anthropic用了一個詞來形容這個優勢：研究品味和判斷力。

什么意思？

就是面對無窮多的可能方向，你能判斷哪些問題重要、哪些結果可信、什么時候一條路走不通該及時止損。

說白了，這不是執行力的問題，而是審美、認知、經驗的綜合作用結果。

他們在文章里引用了愛迪生那句話，「天才是1%的靈感加99%的汗水」。然后說，那99%的汗水正在被越來越多地自動化。

這句話如果你仔細想，其實藏了兩層意思。

第一層，執行層面的事情人不用再親手干了。寫代碼、跑實驗、產出結果，這些工作在人力時間上的成本趨近于零。

第二層，那1%的靈感變成了唯一值錢的東西。

過去，一個人值不值錢很大程度上取決于他能不能把活干好。

代碼寫得好、產品做得好、PPT做得漂亮、數據分析做得細致，這些是執行力，是過去職場里最被看重的能力。

但現在，執行力正在被AI抹平。

你代碼寫得再好，Claude寫得更好。你PPT做得再漂亮，AI做得更快。你數據分析做得再細致，AI能同時跑一百個方向。

當執行力不再稀缺的時候，什么變得稀缺？

判斷力、方向感、品味、選擇能力。

說到底，就是你能不能在AI已經能替你做所有事的前提下，知道該讓它做什么。

這是第一個結論：未來最值錢的能力，不是動手能力，而是判斷能力。

但我還想多說一層。

Anthropic在文章里提到了一個概念，叫阿姆達爾定律。

簡單說，就是你加速了流程中的一個環節，瓶頸就會轉移到下一個環節。

他們自己就遇到了這個問題，Claude寫代碼寫得飛快，結果人工代碼審查變成了新瓶頸。

各種新想法、新工具、新實驗爆炸式涌現，遠超組織的消化能力。

你看，AI把執行效率拉到了極致，但組織的消化能力、人的理解能力、決策的速度，這些并沒有同步加速。

Anthropic自己在文章最后也說了一段很有意思的話：再多的智能也無法縮短一種藥物在幾十年使用中才能暴露的效應，無法讓選舉早于憲法規定的時間舉行，也無法在一個周末把陌生人變成老朋友。

這句話什么意思？

意思是，有些事情不是算力能解決的。人際關系、信任建立、經驗積累、對世界的理解深度，這些東西需要時間，需要真實的生活經歷，需要犯錯和糾正。

AI能幫你跑完99%的汗水，但它替代不了你作為一個人在這個世界里真實活過、真實思考過、真實選擇過的那些東西。

這是第二個結論：人的不可替代性，不在于你能做什么，而在于你是誰、你經歷過什么、你基于什么做判斷。

那么，在這個不可逆的AI自迭代過程中，我們應該做點什么？

我說幾點自己的想法。

第一，趕緊把AI用起來。

把AI當執行層的放大器，不要還停留在「偶爾問問AI」的階段。

Anthropic的工程師現在每天合并的代碼量是兩年前的8倍，不是因為他們更努力了，而是因為他們把執行的活全交給了AI，自己專注在指導和審查上。

這個模式對所有知識工作者都適用，讓AI幫你寫、幫你跑、幫你試，你只管判斷和選擇。

第二，刻意訓練你的判斷力和選擇能力。

判斷力來自大量真實的決策經驗，來自對結果的復盤，來自不斷在實踐中校正自己的認知模型。

Anthropic那篇文章里有一句話我印象很深：所謂「研究品味」可能只是又一項AI能力，AI系統會在這上面失敗一段時間，然后變好。

你看，連Anthropic自己都覺得，判斷力這個優勢可能也是暫時的。那我們更要抓緊這個窗口期，讓自己在判斷力上建立足夠深的積累。

第三，找到你自己獨特的經驗和視角。

AI的知識是平均化的，它讀過所有論文、所有代碼、所有案例。但它沒有你的人生，你做過什么行業、踩過什么坑、服務過什么用戶、經歷過什么失敗。

這些東西。是AI無法復制的，也是你做判斷時最獨特的輸入，也就是我在AI個體戶計劃里讓大家沉淀的「真人設數據」。

第四，適應「人在金字塔頂端」的新工作模式。

Anthropic在文章里描述了一個未來，一家100人的公司可以做出1000人甚至10000人公司的體量，因為每個員工都坐在一個由AI智能體組成的金字塔的頂端。

這意味著，未來的工作不是你一個人做一攤事，而是你一個人指揮一群AI做一大攤事。

你的核心能力變成了：定義問題、設定目標、分配任務、驗證結果。

說到底，就是從「執行者」變成「指揮者」，這跟我們AI個體戶計劃的方向是高度一致的。

最后我在想，當AI把活都干完了，那人的價值感從哪里來？

尤其是當你不再需要親手解決問題，你怎么確認自己的存在是有意義的？

這個問題，可能比「AI會不會取代我的工作」更值得每個人認真想想。

我自己的答案是，把注意力從「我能做什么」轉向「我要做什么」。

執行力可以外包給AI，但方向感不能、審美不能、價值判斷不能。

你想過什么樣的人生、想解決什么問題、想為誰創造什么價值，這些選擇本身，就是你作為人最不可被替代的東西。

AI在加速進化自己，這個趨勢大概率不會停，也停不了。

留給我們的時間，確實不多了。

在這個不可逆趨勢下，我們不要跟AI比執行，要去做AI做不了的那1%。

那1%。

就是你的判斷、你的選擇、你的人生。

················· 唐韌出品 ·················

用AI思維發現下一個機會

安可時刻

昨晚在跟第一期 AI 個體戶計劃的同學進行月度復盤，發現一些有趣的現象。

第一期結束至今快半年了，有同學粉絲翻了 25 倍、有同學第一天就開始變現、還有人發現自己并不擅長寫文章，但優勢是做視頻。

但毋庸置疑，做出結果和數據來的都無一例外深度擁抱了 AI。

最近有個感覺，知道 AI 的人越來越多了，但真正用 AI 開始做事的人還寥寥無幾。

這個月底，我們深圳班就要開課了，不想錯過這一輪機會的可以來聯系我。