一家公司拿自家代碼庫的提交記錄告訴你「飛輪正在加速」，轉頭又請求世界，給它保留一個「踩剎車」的選項。

2026 年 6 月，Anthropic 發佈了一篇刷屏長文《When AI builds itself》（當 AI 開始造 AI，由 Marina Favaro 與聯合創始人 Jack Clark 合著）。[1][2] 文章用一組相當硬核的內部數據，把「遞歸自我改進」（Recursive Self-Improvement，RSI）這個長期停留在理論裡的詞，砸到了檯面上——核心論據是：截至 2026 年 5 月，合入 Anthropic 代碼庫的代碼裡，超過 80% 由 Claude 編寫。[1][4]

但最戲劇性的一幕是：就在鋪陳完「我們跑得有多快」之後，Anthropic 筆鋒一轉，罕見地公開呼籲——必要時，世界應當保留「減速或暫停前沿 AI 開發」的選項。[1][3]

這篇文章的「AI 安全」那一面，全網已經講得夠多了。讀馬君想做一件不一樣的事：把它放回黃仁勳的「五層蛋糕」框架裡，看它對芯片與能源這兩層意味著什麼。但開篇必須把一句話說在最前面——

本文引用的幾乎所有驚人數字，都是 Anthropic 關於「自己」的自述，未經獨立第三方審計，且來自一個有強烈融資與敘事動機的當事方。它們是有價值的信號，但需要打折看。

一、結論先行

拋開末日敘事，這篇長文裡最該被產業讀懂的，是它順手揭示的一條鐵律：

一旦「研究品味」這最後一格也被點亮，AI 進步的速度，將只由算力供給決定。[1]

把這句話放回五層蛋糕，含義很重：它等於把芯片（chips）與能源（energy）兩層的戰略地位推到了極限——當寫代碼、跑實驗、甚至判斷「下一步該怎麼走」都被自動化，算力就成了唯一的油門。這是對算力需求最猛的多頭敘事。

但同一枚硬幣的反面，也要立刻擺出來：

  • 數字要打折——核心指標全部是 Anthropic 自述、未獨立審計，部分甚至是「讓 Claude 給 Claude 當裁判」打出來的；公司自己都承認其中一項（8 倍）「高估了真實生產力」。[1]
  • 敘事有動機——「我們快到要喊停了」這句話本身，就是一家前沿實驗室最好的能力廣告與融資敘事。
  • 最該警惕的盲點——「算力即唯一變量」的多頭故事，恰恰把 Anthropic 自己列出、卻判為「最不相信」的那個劇本忽略了：趨勢停滯，瓶頸卡在芯片、電網與供應鏈。[1] 而那，正是對算力產業最關鍵的分支。

二、Anthropic 到底自述了什麼（數據模塊）

先把文章裡的關鍵數字擺成一張表——每一項都請讀成「Anthropic 說」，而非「事實是」。

維度自述數字口徑
代碼佔比合入代碼庫的代碼超 80% 由 Claude 編寫（2026-05）；Claude Code 發佈（2025-02）前還是「個位數」Anthropic 自述 [1][4]
工程產出人均日合入代碼量約為 2024 年的 8 倍（公司自承代碼行數「高估了生產力」）；130 名研究員內部調查（2026-03）中位數自評約 4 倍Anthropic 自述 [1]
最開放任務成功率約 26%→76%（2026-05，半年提升約 50 個百分點）Anthropic 自述 [1]
訓練代碼優化提速Opus 4（2025-05）約 3× → Mythos Preview（2026-04）約 52×；熟練人類研究員 4～8 小時做到約 4×Anthropic 自述 [1]
「研究判斷力」（擇優下一步）Opus 4.5（2025-11）51% → Mythos Preview（2026-04）64% 概率給出比人類更優的下一步Anthropic 自述 [1]
端到端開放難題兩名人類研究員一週追回 23% 性能差距；Claude 智能體用約 800 累計小時、約 1.8 萬美元算力追回 97%Anthropic 自述 [1]
工程「大掃除」2026-04 一次性提交 800+ 修復、把一類 API 錯誤壓低 1000×，估算人工需 4 年Anthropic 自述 [1]

數字很嚇人，但讀法要冷靜：代碼行數衡量的是數量而非質量，8 倍是上限值；130 人調查裡中位數的 4 倍，是更可信、也更誠實的那個數。[1] 後面所有推論，都該建立在「4 倍量級、且未經外部復現」這個更保守的地基上。

三、這是「遞歸自我改進」嗎？——把驚悚翻譯成機制

RSI 的定義很簡單：AI 自己設計、訓練、迭代自己的繼任者，當 AI 改進 AI 的速度超過人類改進 AI 的速度，飛輪就脫離人類的手、開始自轉。

Anthropic 的論證路徑是這樣的：它已經撞上了兩堵「阿姆達爾定律」的牆——整體速度被那個沒提速的環節卡住。第一堵是代碼審查排隊（Claude 寫得太快，人審不過來）；第二堵是想法與工具的產出爆炸（多到公司消化不了）。[1] 於是人類僅存的比較優勢，被收窄到一個詞：「研究品味」——判斷哪些問題值得做、哪些結果可信、哪條路是死衚衕。

而 Anthropic 對「研究品味」也不留情面：它指出 AI 的進步很少靠靈光一現（Transformer 那種範式級靈感幾年才出一次），絕大多數進步靠的是「放大→看哪裡壞了→修好→再試」——而這恰恰是 Claude 最擅長的工作流；至於「研究品味」，「可能只是又一個 AI 暫時不會、然後突然就會了的能力」。[1]

落到時間表上，聯合創始人 Jack Clark 給出過一個具體數字：2028 年底前，出現遞歸自我改進的概率為 60%。[5]

提示：「60%／2028」是 Jack Clark 的個人公開預測、屬第三方觀點，不是事實；它建立在一組能力基準的外推之上，而外推本身就可能出錯。

這一節，是全文最該打折的地方。 這些基準大多是 Anthropic 內部的任務、由 Claude 評判 Claude，對真實世界研究的泛化能力存疑；而「研究品味終將被攻克」是一個推測，不是證據。

四、放回五層蛋糕：為什麼這對「芯片 + 能源」是最猛的多頭敘事

現在回到讀馬君真正關心的問題。Anthropic 給出了三種未來，其中它押注最後兩個，而對產業衝擊最大的，是「劇本三」裡的那句話：

完全的遞歸自我改進：AI 進步的速度只取決於算力供給，人類退居驗證和監督。[1]

把這句話翻譯成產業語言：如果 RSI 成真，算力（chips 層）與電力（energy 層），就從「AI 需求的一個變量」，變成了「唯一的變量」。

這件事的分量，要對照「英偉達護城河觀察」系列裡反覆出現的那個需求側之問來讀：過去市場最擔心的，是「AI 的算力需求會不會軟下來」——定製 ASIC 圍剿、推理單價崩塌，本質都是在問「蛋糕還會不會變大」。而 RSI 敘事，是直接把需求的天花板拆了：只要還有電、還有芯片，飛輪就轉得更快、要的算力就更多，沒有自然的飽和點。 這對英偉達、對整條算力鏈，是一個「上不封頂」的多頭故事；對能源層（電網、核電 SMR、數據中心 PUE）也是同一枚硬幣的另一面——算力的盡頭是電。

但恰恰在這裡，藏著這篇文章最該被警惕的盲點。

「算力即唯一變量」的多頭敘事，和 Anthropic 自己判為「最不相信」的劇本一——趨勢停滯、瓶頸卡在芯片、電網與供應鏈[1]——其實是同一件事的兩面。當你把算力當成唯一的油門，就等於承認：油門踩到底時，先到的天花板很可能不是「超級智能」，而是「芯片不夠造、電不夠用」。 對產業而言，真正的問題因此不是「需求會不會無限」，而是「供給（先進製程產能、電力）能不能跟上，跟不上時誰卡住誰」。RSI 這套敘事，與其說是 models 層的勝利宣言，不如說是把壓力整層壓回了 chips 與 energy。

五、跑得最快的，卻喊了「暫停」——治理悖論與可信度打折

文章最反直覺的部分，是 Anthropic 一邊鋪陳加速，一邊呼籲「保留減速或暫停的選項」。它說得很清楚：這不是天真地喊「都停下」——如果只有謹慎者放慢腳步，等於把領先優勢拱手送給最不謹慎的人；真正需要的，是多國、多個前沿實驗室、在同樣條件下同時停、且彼此可驗證。[1][3]

這個主張本身值得尊重。但作為產業觀察，必須給它的可信度做幾道減法：

  • 當事方自述，動機不中性。 「我們快到要喊停了」客觀上強化了 Anthropic「領先者」的人設——既是安全表態，也是最高效的能力廣告。
  • 公司自己已經在打折。 8 倍高估、4 倍才是中位——一家願意自我修正的公司值得加分，但也提醒我們：這些數字的口徑，是可以被敘事需要而選擇的。
  • 單一實驗室的自評，不能當產業結論。 在獨立、可復現的第三方基準跟上之前，「RSI 臨近」更應被當作一個待驗證的假設，而不是一個可以據以配置產業判斷的事實。

這不是說 Anthropic 在誇大，而是說：產業判斷不能只採信任何一家實驗室關於它自己的自述。

六、反方與不確定性

  • 自述 ≠ 獨立審計。 核心指標全部來自 Anthropic 內部，部分由 Claude 評判 Claude，缺乏外部可復現驗證。[1]
  • 代碼行數 ≠ 生產力。 公司自承 8 倍高估，4 倍中位更可信；生產力的真實增幅，比頭條數字保守得多。[1]
  • 基準的泛化存疑。 「優化訓練代碼」「在內部任務上選下一步」是窄而明確的環節，不等於真實世界研究的全貌；「研究品味終被攻克」是推測。
  • 時間表是個人預測。 「60%／2028」出自 Jack Clark 個人，[5] 而 Anthropic 自己也把「趨勢停滯」列為三劇本之一（儘管是它最不信的那個）。[1]
  • 多頭敘事的反面是供給約束。 「算力上不封頂」與「芯片/電網先成為瓶頸」是同一假設的一體兩面——後者恰是對算力產業最關鍵、卻最常被忽略的分支。

七、對產業鏈意味著什麼（五層視角，非預測、不薦股）

先把話說在前面：Anthropic 是未上市公司，本文不涉及任何標的的買賣判斷；我們只把這篇自述還原成產業鏈上的因果（以下均為情景推演、非預測）。

  • 兩種敘事並存——算力需求「上不封頂」（若 RSI 成真）與「可能封頂」（劇本一／供給約束／S 曲線見頂）同時擺在桌上；理性的做法是兩手都備、而非單押其一。
  • 真正值得長期盯的三件事——① token 經濟與算力供給的賽跑（智能體真正放量後，單位成本與總算力誰跑贏誰，見「推理經濟學」那篇）；② 能源是否成為新瓶頸（當算力的盡頭是電，energy 層的電網與電力供給會不會先於芯片卡住飛輪）；③ 獨立第三方基準能否驗證這些自述——在它跟上之前，一切 RSI 時間表都只是假設。

結語

一家公司拿著自家代碼庫的提交記錄告訴你「飛輪在加速」，又請求世界保留「踩剎車」的選項。無論你信幾分，對讀懂老黃的讀者，真正的信號其實只有一句：

當「汗水」被自動化、研究只剩「品味」這一格，算力就成了唯一的油門——而油門踩到底時，先撞上的天花板，可能不是超級智能，而是電不夠用、芯片不夠造。

這把球，最終又踢回了「五層蛋糕」最底下的兩層。而那兩層守不守得住，才是這場加速裡，最該被長期盯住的變量。

延伸閱讀