大家好，这里是最佳拍档，我是大飞。AI最前沿的公司，竟然第一个想要按下AI的暂停键？2026年6月5日的凌晨，Anthropic在官方博客发布了一篇标题为《当AI开始建造自己》的长文。这篇文章发布仅仅十几个小时，全球浏览量就已经超过1000万，几乎所有科技圈、投资圈、政策圈的人都在疯狂转发和讨论。

这篇文章由Anthropic的联合创始人杰克·克拉克（Jack Clark）以及公司内部研究机构的负责人玛丽娜·法瓦罗（Marina Favaro）共同署名。文章的核心观点用一句话就能说清楚：**AI正在以超出所有人预期的速度，参与到自身的开发进程当中。**如果这个趋势继续发展到极端，未来的某一天，AI将能够在完全没有人类介入的情况下，自主设计、自主测试、自主训练出比自己更强大的下一代AI。

基于这个判断，Anthropic向全球所有主要的AI实验室发出了一个史无前例的呼吁：请考虑暂停前沿AI的开发，或者至少一起建立一套可以互相核查的减速机制。听到这里，可能很多朋友第一反应会觉得很奇怪，因为就在这篇文章发布的前几天，Anthropic刚刚完成了最新一轮的融资，公司估值直接冲到了9650亿美元，正式超过了OpenAI，成为了全球估值最高的私营AI公司。而且就在同一周，Anthropic已经向美国证券交易委员会秘密递交了S-1注册声明草案，正式启动了IPO的筹备流程。更夸张的是它的营收数据，Anthropic的年化营收正在以一种近乎爆炸的速度增长，2025年底的时候还只有大约90亿美元，短短半年时间，现在已经攀升到了接近470亿美元，预计到这个月底，就会突破500亿美元大关。一家在商业上势头如此迅猛、马上就要登陆公开市场、即将迎来自己商业巅峰的公司，对着整个行业喊，大家慢一点，我们先停一停，这怎么看都显得非常违和，甚至有点匪夷所思。

也正因为如此，这篇文章发布之后，立刻就引发了关于Anthropic真实动机的巨大争议。有人说这是Anthropic作为行业领先者的责任和担当，也有人说这是它为了巩固自己的垄断地位，故意抬高行业门槛的商业手段。不过在我们深入讨论这些动机之前，还是先来了解一下这篇文章本身。其中的大量内部数据，正在向我们揭示一个越来越清晰、也越来越让人感到不安的趋势：AI研发的自动化，已经不再是科幻小说里的情节，也不是遥远未来的可能性，它正在我们眼前发生。

递归自我改进：研发闭环的来临

为了深入理解这一趋势，首先我们要明确一个核心概念，那就是这篇文章从头到尾都在围绕的“递归自我改进”（Recursive Self-Improvement: AI系统能够自主完成设计、测试、训练下一代AI的完整流程，简称RSI）。这个概念其实并不是什么新鲜东西，早在几十年前，人工智能的先驱们就已经提出过这个想法。简单来说，递归自我改进指的就是AI系统能够自主完成设计、测试、训练下一代AI的完整流程。在这个过程中，人类不再扮演任何关键角色。一旦这个闭环形成，AI的能力提升就会进入一个自我加速的循环，它的进步速度会越来越快，快到人类根本无法理解和跟上的程度。

在过去很长一段时间里，递归自我改进都被认为是一个非常遥远的理论概念，很多人甚至觉得它可能永远都不会实现。但是就在过去的这一年里，情况发生了根本性的变化。几乎所有的头部AI公司，都开始把大量的资源投入到这个方向，AI研发自动化正在快速成为整个行业的共识。我们先来看OpenAI，作为目前全球最受关注的AI公司，OpenAI早就已经把AI参与AI研发，列入了公司的最高优先级事项。它的安全团队专门设立了递归自我改进准备（Recursive Self-Improvement Preparedness）相关的岗位。这些岗位的核心任务，就是研究当AI能够显著加速自身研发的时候，可能会带来什么样的能力跃迁，以及我们需要提前做好哪些准备来应对潜在的风险。OpenAI此前也公开透露过他们的内部目标：在2026年前后，打造出能够达到研究实习生水平的AI系统；而到2028年，他们希望实现能够独立承担完整研究任务的自动化AI研究员。

再来看谷歌DeepMind（Google DeepMind），它走的是一条更偏向算法发现的技术路线。DeepMind的AlphaEvolve，就是让AI自主提出算法方案、自主运行实验、自主筛选结果，然后再把筛选出来的优秀方案反馈回系统，进行下一轮的迭代。目前这套系统已经被应用到了很多实际场景中，比如谷歌数据中心的调度优化，以及AI训练效率的提升。根据报道，AlphaEvolve甚至找到了56年来首个对斯特拉森（Strassen: 斯特拉森矩阵乘法算法）算法的改进。从某种意义上来说，这也是谷歌DeepMind对“奇点”判断的重要依据之一：当AI开始参与、甚至推动新的科学发现和算法创新的时候，技术进步就会进入一个前所未有的加速循环。

除了这些头部巨头之外，越来越多的创业公司也开始围绕自动化AI研发这个方向进行布局。比如由田渊栋参与创立的Recursive Superintelligence公司，还有把构建擅长AI研发的系统直接写入公司使命的Mirendil，都是这个趋势的典型代表。虽然这些公司选择的技术路径各不相同，但是它们瞄准的都是同一个终极目标：让AI从一个辅助人类研发的工具，变成研发过程的核心参与者，并且最终承担越来越多，甚至是全部的研发工作。

内部数据揭示：AI接管研发的现状

虽然全行业都在朝这个终极目标狂奔，但现实中的进度究竟如何？正是在这样一个全行业都在疯狂加速的大背景下，Anthropic发布了这篇长文。它在文章中明确表示，递归自我改进目前还没有发生，也不一定会必然发生，但是它到来的速度，可能比大多数机构准备好的时间要快得多。那么问题来了，AI现在到底已经在多大程度上接管了AI研发呢？

Anthropic在文章中公布了三组此前从未对外公开过的内部数据。第一组数据是关于AI的代码能力。截至2026年5月，Anthropic合并到生产代码库中的代码，有超过80%是由Claude编写的。对比一下，在2025年2月Claude Code正式上线之前，这个比例还只是个位数。也就是说，仅仅用了一年零三个月的时间，Claude就从一个几乎不会写生产代码的AI，变成了Anthropic代码库的主要贡献者。与之对应的是工程师生产力的巨大提升，2026年第二季度，Anthropic工程师人均每天合并的代码量，达到了2024年的8倍。当然，文章也专门补充说明，代码行数衡量的只是代码的数量，而不是代码的质量，所以8倍这个数字很可能高估了真实的生产力提升。但是无论如何，这个趋势是非常清晰的：工程师的角色正在发生根本性的转变，从过去那个亲自写代码的执行者，逐渐变成了给AI指引方向。而且更重要的是，Claude写的代码质量还在以非常快的速度提升。Anthropic内部一直在跟踪一个指标，那就是工程师在使用Claude Code工作的过程中，需要纠正AI的错误，或者中途接管任务的频率。这个频率在过去的一年里一直在持续下降。到2026年5月，Claude处理最高难度开放式任务的成功率，已经达到了76%，而在六个月之前，这个数字还只有26%，短短半年时间就上升了50个百分点。

第二组数据涉及了AI的科研能力。Anthropic有一个内部的基准测试，测试的方法很简单：给Claude一段训练小型AI模型的CPU代码，要求它在不改变代码正确性的前提下，尽可能地提升运行速度。2025年5月的时候，当时最先进的Claude Opus 4模型，在这个测试中的平均加速比大约是3倍。而到了2026年4月，最新的Claude Mythos Preview模型，这个数字已经达到了大约52倍。对比一下，一名熟练的人类AI研究员，通常需要花费四到八个小时的时间，才能让这段代码达到大约4倍的加速。虽然Anthropic特别提醒，这个绝对加速倍数会受到起始代码本身优化空间的影响，不应该把它直接解读为真实世界中AI训练速度的提升倍数。但是仅仅一年的时间，这个倍数的提升也足够值得我们重视了。

第三组数据来自于日常的工程实践。2026年4月，Claude自主修复了超过800个API错误，并且将该类错误的发生率降低了约1000倍。负责这个项目的工程师估计，如果同样的工作交给人类来做，大概需要四年的时间才能完成。为什么会有这么大的差距呢？因为修复别人写的Bug，本来就是一个非常漫长而痛苦的过程。人类很难同时记住那么多不熟悉的代码上下文，也很难在短时间内排查出所有可能的问题。但这类任务恰恰是AI的优势所在，它可以在极短的时间内阅读和理解整个代码库，并且系统性地找出所有潜在的错误。

科研决策转移：当AI开始指导人类

从单纯的代码执行到自主科研，这种能力上的跃迁带来了更深刻的变化。除了这三组核心数据之外，文章还公布了一个非常有意思的实验。2026年4月，Anthropic的研究人员将多个Claude智能体交给了一个AI安全领域的经典开放问题：弱模型能否可靠地监督强模型呢？这个问题困扰了AI安全领域很多年，至今都没有一个完美的答案。在实验中，这些Claude智能体自行提出研究假设、自行设计实验方案、自行运行测试，并且在并行的智能体之间共享发现，不断迭代优化。实验的结果非常惊人：两位人类研究员花了整整一周的时间，只弥补了这个任务性能上下限之间约23%的差距；而Claude智能体累计运行了800小时之后，弥补了97%的差距。也就是说，在这个特定的AI安全研究问题上，AI的表现已经远远超过了人类研究员。

更值得我们警惕的是，AI提升的不只是执行任务的能力，连下一步该做什么的判断能力也在同步增强。Anthropic内部做了一项回溯评测，他们把过去几年里研究人员在项目推进过程中走过的弯路，也就是那些最终被证明是错误的研究方向，拿给不同版本的Claude模型，让它们提出替代方案。结果显示，最新的Claude Mythos Preview模型给出的研究路径，有64%的概率被独立评审认为，优于当时人类研究者的实际选择。这意味着，AI已经不再仅仅是帮助研究者完成他们已经想好的工作，它正在越来越多地参与到研究方向本身的选择当中。过去，人类研究员负责决定我们要做什么，AI负责帮忙怎么做，而现在，AI已经开始告诉人类，我们应该做什么了。

所有这些数据和实验拼在一起，指向的是同一个不可逆转的大趋势：AI正在接管越来越多原本由研究人员亲自完成的工作：

• 写代码
• 调试系统
• 运行实验
• 分析结果

这些过去占据了研究人员90%以上时间的研发环节，正越来越多地由AI来完成。而人类的角色，则逐渐从研发的执行者，变成了研发的监督者和最终决策者。正因为看到了这样的趋势，杰克·克拉克对递归自我改进的时间表判断，一直都相当激进。他在2026年5月估计，到2028年底出现完全自动化AI研发的概率约为60%，而到2027年底，这个概率也已经达到了30%。如果克拉克的这个判断是正确的，那么我们现在面临的问题，很快就会从递归自我改进是否可能出现，变成当它真的出现时，我们该怎么办了。

全球博弈与治理：踩下减速机制的挑战

在这种技术的倒逼之下，治理框架的构建显得尤为关键。也正因为如此，Anthropic这篇文章真正想讨论的，其实不只是技术本身，还有技术发展过快之后，我们整个社会所面临的治理问题。在文章中，Anthropic提出了AI未来发展的三种可能的图景：

第一种是AI的能力增长逐渐放缓，但是现有的能力已经足够广泛地扩散到各个行业，深刻地改变我们的生产和生活方式。第二种是AI继续带来复合型的效率提升，人类仍然负责设定整体的研究方向，但是越来越多的执行环节被自动化。第三种，也是最激进、最不可预测的一种，是AI系统真正具备了完整的递归自我改进能力，开始完全自主地构建下一代更强大的模型。

Anthropic最担心的就是后两种情形，因为它们留给社会、政府和安全研究的准备时间，都非常有限。尤其是第三种情形，一旦递归自我改进的闭环真正形成，AI的能力提升速度将会彻底脱离人类的控制。我们可能根本没有时间去制定相应的规则和治理框架，也没有时间去适应它所带来的巨大变化。在文章的最后，Anthropic将解决问题的答案落到了“减速”与“核查”这两个关键词上。它认为，如果我们能够有效地放慢前沿AI的开发速度，让社会制度和AI对齐研究能够跟上技术的进展，这很可能是一件对全人类都有益的好事。但是它同时也强调，单方面的暂停是没有任何意义的，因为它只会改变谁是行业的领先者，并不会让整个行业获得真正的讨论和准备时间。真正有用的暂停，必须是由多个国家、多家前沿实验室在完全相同的条件下共同减速，并且每一方都能够验证其他参与者确实停了下来。

说到这里，我们就不得不回到视频开头那个问题：作为一家势头正猛并且即将上市的公司，Anthropic呼吁停止AI开发的动机，真的像它说的那么纯粹吗？

首先我们必须承认，公开讨论前沿AI的潜在风险，确实是Anthropic的一贯作风。从成立至今，这家公司确实已经多次发布关于模型能力、安全治理和监管框架的研究与政策文件。只不过这一次，它讨论的对象从通用人工智能（Artificial General Intelligence: 具有达到或超越人类水平的综合认知能力的系统）变成了递归自我改进（RSI）。杰克·克拉克在接受Axios采访的时候，也对这个问题做出了解释。他说，我们一直发现最好的做法是让大家理解这个概念，让人们了解即将发生什么。他表示，这篇文章背后的核心判断是：与一些流行观点相反的是，AI的进步在未来几年将会加速，保持不变或者放缓的可能性不大。他还说，Anthropic希望立法者在真正频繁听到递归自我改进这个词之前，就提前了解这个话题，并且开始思考相应的对策。

但是这个解释显然无法消除所有的质疑。风险投资人大卫·萨克斯（David Sacks），同时也是特朗普的重要科技顾问，近期就在播客中公开批评了Anthropic。他认为，所谓的全球核查机制听上去是在防范风险，但实际效果很可能是抬高整个行业的准入门槛。按照他的逻辑，能够满足如此严格的审查、合规和安全要求的，往往只有Anthropic、OpenAI、谷歌这样拥有雄厚资金和算力的大公司。而开源模型天然分散在全球各地运行，根本不可能被统一监管。最终的结果可能不是让AI变得更安全，而是让少数几家头部公司获得更大的市场优势，甚至形成事实上的垄断。

类似的质疑之前也出现在了Anthropic的产品层面。比如在推出最新模型Mythos的时候，Anthropic对模型的访问权限进行了非常严格的限制，理由是这个模型的能力过于强大，可能被用于攻击关键基础设施。支持者认为这是一种负责任的安全措施；但是批评者则质疑，Anthropic是否在有意强化自己“末日先知”式的形象，以此来突出自身的技术领先地位，吸引更多的投资和客户。

除此以外，还有一个更现实也更根本的问题：即便我们所有人都相信递归自我改进存在巨大的风险，真的有人能停下来吗？我们现在所处的，是一个全球AI竞争异常激烈的环境。对于任何一家AI公司来说，谁在别人暂停的时候继续跑，谁就可能继承领先地位。领先地位意味着更多的投资，更多的客户，更多的数据，以及更快的技术迭代速度。在这样的激励机制下，没有任何一家公司愿意率先按下暂停键，因为那无异于主动放弃自己的竞争优势。而对于国家来说，情况也是一样的。AI已经被公认为是下一代技术革命的核心，是未来国家竞争力的关键。没有任何一个国家愿意在这场竞争中落后，更不用说主动暂停自己的发展。

Anthropic在文章最后提出的方案是，它将在未来的几个月里，组织全球的政策制定者、研究人员以及其他AI公司参与讨论，共同探索构建一套可核查的暂停机制。按照它的设想，多个国家的多个前沿实验室，需要在相同的条件下同时停止开发，并且每一方都能够验证其他参与者确实停了下来。“如果”这样的机制真的能够建立起来，Anthropic表示自己预计会减速或暂停。当然，我相信所有人都清楚，“如果”这两个字，看似轻松，实则困难无比，甚至比实现递归自我改进本身还要困难。

好了，今天这期视频的核心其实只有一个问题：当AI开始建造自己的时候，人类到底应该怎么办？Anthropic的这篇文章，无论它的动机是什么，至少把这个问题摆在了所有人的面前。它提醒我们，技术的发展不会自动等待人类的准备，我们必须在技术到来之前，就开始思考它所带来的影响和挑战。对于很多人来说，递归自我改进还是一个非常遥远的概念，它似乎和我们的日常生活没有太大的关系。但是就在一年多以前，Claude还只能写不到10%的生产代码，而现在，它已经写了80%。技术的进步往往是指数级的，当我们意识到它到来的时候，它可能已经改变了一切。

那么大家觉得，Anthropic的建议靠谱么？AI的发展速度真的能够停下来么？欢迎在评论区留言。感谢收看，我们下期再见。