不久前，美國AI企業Anthropic發布一篇題為《當AI構建自身》的重磅博文，用實打實的內部運營數據，戳破了行業一直以來的猜想：AI不再只是人類手里的工具，它們已經深度參與下一代人工智能的研發工作，AI造AI從科幻設想，落地成日常工作。

一邊是Claude在公司內部包攬超八成代碼編寫，研發效率成倍暴漲，技術迭代踩上加速飛輪；另一邊是手握頂尖技術的Anthropic，罕見向全球喊話，提議多國協同管控、必要時暫停前沿AI研發。一邊狂奔、一邊預警的矛盾現狀，正是當下全球AI行業最真實的縮影，遞歸自我改進的臨界點，正一步步向人類靠近。

一、從打雜到主力：Claude包攬八成代碼，程序員告別手寫日常

放在兩年前，AI幫忙補全幾行代碼、修改小范圍bug，還只是程序員提高效率的輔助手段，沒人想到短短一年多時間，AI能成為研發主力。數據顯示，2025年2月ClaudeCode正式上線之前，Anthropic內部由AI編寫并入代碼庫的內容僅占個位數，到2026年5月，這個數值飆升至80%。

工作模式的變化直接體現在工程師身上。2021至2024年，公司研發人員每日有效合入代碼量常年保持平穩；2025年AI開始自主運行調試代碼，產能曲線首次上揚；2026年模型可以獨立承接長線研發任務，曲線陡然暴漲，工程師人均產出達到2024年的8倍。不少在崗研發人員分享近況，自己已經連續五個月沒有手動敲過一行代碼，日常工作從編碼寫程序，變成梳理需求、驗收AI產出的成果。

當然Anthropic也客觀說明，8倍產能是從代碼行數統計得出，單純數字會高估實際價值，內部調研里，多數研究員客觀估算，搭載MythosPreview新版本后，個人綜合產出約是純人工時代的4倍。放眼全球同行，這種轉變早已不是個例：谷歌新上線代碼75%由Gemini生成，微軟內部三成源碼出自AI之手，國內多家頭部AI企業的自研項目，AI代碼占比也突破半數，程序員轉型代碼審核員成為行業大趨勢。

二、效率碾壓人類：修漏洞、優化實驗，AI用數小時干完人數年工作

不只是代碼量產速度領先，在解決復雜工程難題上，Claude的能力同樣實現跨越式成長。半年之內，開放性無標準答案的研發難題中，Claude解決成功率從26%攀升至76%，曾經需要人類工程師反復試錯的攻堅任務，如今AI獨立落地已成常態。

實戰案例最能直觀體現差距：一次集群故障導致上萬訓練任務崩潰，工程師只向Claude描述故障現象、開放集群權限，AI自主遍歷運行環境、定位隱蔽的參數標記，兩小時完成故障復現、漏洞修復，同等工作量人工最少需要兩三天。2026年4月的系統漏洞大掃除中，Claude一次性提交800余項代碼修復，直接把一類高頻API報錯概率壓低千倍，工程師事后核算，全部修復工作交由人工落地，需要耗費整整四年時間。

在模型訓練優化領域差距更加夸張：人類頂尖研究員耗費4到8小時，最多能把訓練效率提升4倍，而ClaudeMythosPreview優化同一段訓練代碼，直接實現52倍提速。除此之外，旗下Glasswing項目上線初期，就在全球各類軟硬件系統里篩出上萬處高危安全漏洞，行業防御的痛點從“找不到漏洞”變成“漏洞太多，補丁跟不上修復速度”。

目前業內用來衡量AI代碼質量有兩大標尺：代碼能否穩定運行、其他工程師能否看懂并二次迭代。第一條標準，Claude早已達標，人工中途叫停、修正AI任務的頻次持續走低；第二條雖仍有差距，但研發團隊預判，2026年內AI編寫代碼的綜合質量就能全面反超普通人類工程師。

三、僅剩最后一塊短板：“研究品味”，人類僅存的優勢岌岌可危

如今AI包攬了繁瑣的落地研發工作，從寫代碼、改bug、優化實驗到批量修復漏洞，重復性、試錯型的研發勞動已經被人工智能全盤接管，人類研究員僅剩一項獨有優勢：研究品味，也就是篩選研究方向、判斷課題價值、規避無效研發路徑的決策能力。

業內有一句通俗總結：天才是1%靈感加99%汗水，而當下99%的落地汗水，正在被AI快速自動化。縱觀AI發展史，真正顛覆性的架構靈感比如Transformer，數年才誕生一次，絕大多數技術迭代，都依靠反復試錯、修改缺陷、迭代優化落地，這套循環工作流恰好是Claude最擅長的領域。

在過往的技術突破里，人類曾篤定很多能力是AI無法掌握的，從理解冷笑話、模擬人類心理，到復雜邏輯解謎，這些曾經的人類專屬本領，接連被大模型逐個攻克。Anthropic團隊直言，研究品味大概率也只是AI暫時沒能吃透的技能，隨著遞歸自我改進持續落地，這項人類最后的壁壘，隨時可能被突破。

國內MiniMax、DeepSeek等廠商的自研模型同樣印證這個趨勢，M2.7大模型已經實現自主閉環迭代：自主分析實驗失敗原因、規劃修改方案、改動代碼、自測復盤，在部分研發環節自主完成半數工作量，自主迭代后模型性能提升三成，AI自主篩選課題的雛形已經出現。

四、三種未來推演：行業押注兩條路徑，60%概率迎來完全自我進化

結合當前技術進度，Anthropic對AI未來發展梳理出三種發展劇本，其中團隊最不看好發展停滯，更傾向后兩種演化方向。

第一種是增長觸頂、能力停滯。受限于芯片產能、電力供給、算力成本或是人類獨有的研究品味，AI自我改進的增長曲線抵達S型頂端，技術發展慢慢放緩。即便如此，現有AI帶來的行業變革也無法倒退，海量自動化工具已經滲透科研、制造、互聯網全產業鏈，世界回不到純人工研發時代，只是這套方案被業內判定概率最低，現階段所有AI能力曲線依舊保持上揚。

第二種是人機協同穩步加速，人類牢牢把控研發方向。AI負責全流程落地研發，人類掌舵頂層決策，小型AI團隊就能完成過去上萬人的研發體量，也是當下行業最有可能落地的未來。但高效背后暗藏隱患，這套技術既可以加速新藥研發、新材料突破，也能被用來搭建全民監控、精準信息操控系統，技術雙刃劍屬性愈發凸顯。

第三種是完整遞歸自我改進，AI脫離人類管控自主迭代下一代模型，也就是業內所說的RSI終極形態。公司聯合創始人JackClark公開預判，2028年底前實現完整自我進化的概率達到60%。一旦落地，AI迭代速度不再受人類研發效率約束，僅由可用算力決定，歷代模型的隱性缺陷會在自主迭代中持續放大，最終走向難以預判的未知方向，這也是全行業最大的安全隱患。

五、矛盾的選擇：技術狂奔卻呼吁剎車，全球協同管控成破局關鍵

整篇博文最富戲劇性的地方，就是Anthropic一邊用數據證明AI自我進化飛速提速，一邊鄭重向全球提出倡議：多國協同管控前沿AI，在必要時同步按下研發暫停鍵，留出時間完善社會制度與AI安全對齊研究。

但企業明確，盲目單方面停工毫無意義：倘若只有自律的企業放緩腳步，追逐利益的廠商會加速搶占技術優勢，最終造成行業惡性內卷。想要實現有效管控，需要全球頭部實驗室、主要經濟體同步制定可落地、可核驗的約束規則，類似核武器管控的全球協同協議，才可以平衡創新與安全。

這份呼吁發布后，行業觀點兩極分化：一部分科研人員認可風險預警，歐盟已經延后高風險AI法規落地時間、細化分層監管，美國也將頭部企業前沿模型納入政府前置安全審查；另一部分投資人與競品企業提出質疑，認為Anthropic借安全噱頭限制同行研發，為自身IPO鋪路炒作。

AI造AI的時代已經實實在在到來，遞歸自我改進的飛輪正在緩緩轉動，從80%自研代碼、數十倍研發提速，到不斷縮小的能力差距，每一組數據都是技術加速的印記。技術躍進能帶動生物醫藥、能源、高端制造全行業跨越式升級，卻也暗藏失控風險。

眼下人類正站在關鍵分界點，既不能因噎廢食停下創新腳步，也不能放任AI無約束野蠻生長，如何在技術突破和安全管控之間找到平衡點，是未來數年全球各國、各大科技企業需要共同解答的難題。