AI开始给自己提速了,“等等看”正在变成最贵的选择

上个季度，我旁听了一家公司的经营分析会。

议题排到第十一项，才轮到 AI。CFO 说得很客气：这块先观察观察，明年预算里再单列。

会议室里没人反对。这话听起来太合理了。

但在同一时间，有一家公司在做一件完全不同的事。它把自己最新的模型丢进一道固定的题目：给一段训练小模型的代码，在不破坏正确性校验的前提下，尽量让它跑得更快。

2025年5月，答案是3倍。

2026年4月，答案是52倍。

一年。

所以你真正该问的，不是"AI 会不会颠覆我这个行业"。你该问的是：我的预算表里，到底把 AI 的进步速度设成了多少？

我的观点很明确。在你那张预算表里，AI 的进步速度就是它的贴现率。你越低估它未来的能力，就越容易误以为今天观望是安全的。

每一个"等等看，明年再说"的背后，都藏着同一个假设：AI 会慢下来，我还有时间适应和追赶。

这篇文章要告诉你的是，这次不一样，它只会更快。

01 同一道题，一年时间，从3倍到52倍

2026年6月，Anthropic 发布了一篇博客，《当 AI 构建自身》（When AI Builds Itself），由联合创始人 Jack Clark 和 Anthropic 研究院的 Marina Favaro 联合署名。

里面有几个数字，值得你停下来看一眼。

第一个。 截至2026年5月，合并进 Anthropic 代码库的代码，超过80%由 Claude 创作。而在2025年2月 Claude Code 以研究预览版发布之前，这个比例还停留在个位数的低位^[1][2]。

第二个。 2026年第二季度，Anthropic 的典型工程师每天合并的代码量，是2024年的8倍^[1][3]。

第三个，也是我最想让你记住的那个。Anthropic 有一个固定动作：每发布一个新模型，就把同一段训练代码交给它提速。

2025年5月，Claude Opus 4 平均提速约3倍。

2026年4月，Mythos Preview 提速约52倍。

作为参照，一名熟练的人类研究员要花4到8小时，通常只能做到4倍。

这里必须补一句严谨的。Anthropic 自己提醒过：这个倍数很大程度上取决于初始代码留了多少优化空间，不能当成真实训练场景的提速。真正有意义的，是同一道题上，新旧模型之间的横向对比^[1][2]。

还有一条曲线，比代码行数更直观：AI 能独立完成的任务，能有多长。

2024年3月，Claude Opus 3 能完成人类约4分钟的软件任务。一年后，Claude Sonnet 3.7 能搞定约1.5小时的任务。再过一年，Claude Opus 4.6 能处理12小时的任务^[1]。

这个数字大约每4个月翻一番，而更早之前的节奏是每7个月翻一番。

两年，从4分钟到12小时。

好。同一道题，一年，从3倍到52倍。

这不是工具升级。这是它在参与制造下一代自己。

在你决定"再等等"的那一刻，你以为自己只是推迟了一次投入。其实不是。你是在为一个并不存在的缓期付钱。

这笔钱，我给它起个名字，叫观望税。

观望税不进你这个季度的损益表。它进的是两年后的账：那一天你会发现，你不是落后了一个身位，你是落后了一个数量级。

02 第一重碾压：它先动的是脑，不是手

先看一个细节。

Anthropic 内部一位员工在博客里说：大约一年前，他开始大量使用 Claude 工作流，那是一段疯狂的经历。距离他最后一次亲手写代码，已经大约五个月了^[2]。

注意这句话的量级。他不是"用 AI 辅助写代码"，他是五个月没写过代码。

那他在干什么？指导、审查、判断。

判断这件事，是不是人类最后的护城河？

Anthropic 做了一个实验。他们把2026年1到3月的真实协作记录翻出来，特意挑出129个人类当时走了弯路的节点，只把走偏之前的信息喂给模型，让它预测下一步该怎么走，再请另一个能看到最终结果的 Claude 来评判谁的选择更好^[2]。

2025年11月的主力模型，有51%的判断优于人类。

2026年4月的 Mythos Preview，升到了64%。

所以我说，这是对方向的颠覆。

过去每一次工业革命替代的都是肌肉。挖煤的、拧螺丝的、搬货的，先被换掉。这次不一样，先被换掉的是写代码、做分析、下判断这类标准的脑力活。

你的组织架构图是按"手"设计的：几个层级，一堆岗位，每个人守一段流程。现在被替代的是"脑"。

那怎么办？

别再只盯"重复劳动岗位"了。你先做一件事：把公司里所有"判断密集型岗位"列出来。谁在做定价、谁在做排产、谁在做授信、谁在做投产决策。

然后一个一个问：这个决策，今天模型能不能做到70分？

能做到70分的，明年就不是人的活了。

03 第二重和第三重：扩散没有摩擦，成本奔向零

第二重是对速度的颠覆。

你上一次引进一套 ERP，选型、招标、实施、培训、磨合，周期按年算。中间有无数的摩擦：预算审批、部门扯皮、供应商排队。

现在发生的事不是这样。一次模型发布，全球同时获得这个能力。没有厂房，没有渠道，没有报关，没有产能爬坡。

你还在走选型流程的时候，你的对手已经用上了。

第三重是经济学上的颠覆：AI 的边际成本正奔向零。

这件事最要命的地方，不在于你的成本会降，而在于你的价格防线会先塌。

你想想，如果你的对手用一个人加一套模型，就能交付过去需要十个人交付的东西，他会做什么？他不会涨价。他会降价，然后把你逼到不得不跟。

零边际成本的世界里，先崩的从来不是成本表，是收入曲线。

这一重已经开始显形了。Anthropic 自己的代码产出暴增之后，人类代码审查立刻变成新瓶颈；再往后，CI 任务量在半年里涨了25倍，瓶颈又跑到了测试基础设施上^[5]。

连 Anthropic 都会被自己的加速撞得手忙脚乱。你凭什么觉得自己还有缓冲期？

那怎么办？

算三笔账，就三笔，今天就能算。

第一笔：哪些成本项，正在归零？（外包、初级执行、标准化交付）

第二笔：哪条收入曲线，最可能被别人的零边际成本击穿？（靠人力规模撑起来的服务收入）

第三笔：现在报出去的价，还能撑几个季度？

04 第四重：它开始参与造自己

前三重，都还算是"能力在变强"。

第四重不一样，它变的是增长框架本身。

2026年4月，Anthropic 公布了第一个由 Claude 端到端跑完的开放式研究课题。题目本身很拗口，大意是：弱模型能不能可靠地监督强模型。

结果是这样的。两名人类研究员用大约一周时间，缩小了约23%的性能缺口。

Claude 智能体累计跑了800个小时，花了约1.8万美元算力，缩小了97%的缺口。

我不是说人不行了。Anthropic 明确讲了，问题还是人类选的，评分标准也是人类设计的，在需要研究品味的地方，人还守得住。

但你注意这个结构。

过去的增长逻辑是：招人、加预算、铺渠道。一条直线，斜率固定。你想多赚一倍，就得人多一倍。

现在的增长逻辑是：找到一个瓶颈，把它交给一个自己会加速的东西。

这是完全不同的两件事。

计算机领域有个阿姆达尔定律，说的是：你把一个环节加速了，整个系统的速度就会被还没加速的环节卡住。

这条定律现在也在管你的公司。

Anthropic 遇到的正是这个：代码产出暴涨，瓶颈转移到人类代码审查；审查也自动化了，瓶颈转移到 CI；CI 也优化了，瓶颈又跑到别处。

所以他们最重要的能力，已经不是"写代码有多快"，而是多快找到下一个瓶颈。

这句话，请你记下来。因为你的公司，接下来也会走到这一步。

那怎么办？

别一上来就搞"全员 AI 转型"。挑一个环节，条件是：明确、可验收、有标准答案。

比如客服工单分类、合同初筛、报表生成、代码审查。

先跑通一个小闭环，让瓶颈真的转移一次。你亲眼看到瓶颈跑掉了，才会相信这件事。

总结一下

回到开头那间会议室。

那四重碾压，我们再走一遍。

第一重，AI 最先替代的是头脑而不是肌肉。这是对方向的颠覆。

第二重，AI 几乎不受摩擦地扩散，能瞬间铺满全球。这是对速度的颠覆。

第三重，AI 的边际成本正奔向零。这是经济学上的颠覆。

第四重，AI 还能自我加速，参与开发自己的下一代。这是对增长框架本身的颠覆。

过去每一次工业革命，给你的都是一双更强的手。

这一次，它要换掉你的脑。

所以，别再问 AI 会不会颠覆你所在的行业了。这个问题已经没有信息量，答案早就写在 Anthropic 那80%的代码里。

你真正该问的是：

在你的企业里，哪些岗位、哪些成本、哪条收入曲线，正好处在这四重碾压的范围之内？

把它们列出来。

列出来的那一刻，你就得到了 AI 转型的第一张靶纸。

靶纸不需要漂亮。靶纸需要是真的。

共勉。

数据来源

1. Anthropic Institute，When AI Builds Itself: Our Progress Toward Recursive Self-Improvement and Its Implications，2026年6月发布。文中数据：合并代码超80%由 Claude 创作、工程师人均代码量为2024年8倍、训练代码优化提速从3倍到52倍、开放研究课题中智能体补上97%性能缺口。https://www.anthropic.com/institute/recursive-self-improvement

2. 华尔街见闻《罕见！"AI巨头"Anthropic呼吁全球暂停AI开发，警告模型正逐步具备"自我升级"能力》，2026年6月5日（含该博客全文中文翻译）。文中数据：Mythos Preview 判断力优于人类64%、员工"五个月未亲自写代码"原话、人类研究员一周补上23%缺口。https://finance.sina.com.cn/roll/2026-06-05/doc-iniaikau2933558.shtml

3. Scientific American，"Anthropic warns AI may soon begin recursive self-improvement"，2026年6月。文中数据：Claude 撰写超80%代码（此前为个位数）、人均代码量约为数年前的8倍。https://www.scientificamerican.com/article/anthropic-warns-ai-may-soon-begin-recursive-self-improvement/

4. AlphaSignal，"Anthropic's Claude Now Writes 80% of Its Own Code"。文中数据：熟练人类研究员需4到8小时达到4倍提速、Anthropic 关于"倍数取决于初始代码优化空间"的说明。https://alphasignal.ai/news/anthropic-s-claude-now-writes-80-of-its-own-code

5. Anthropic，"Agentic coding is straining CI: how we scaled test impact analysis"，Anthropic 工程博客。文中数据：CI 任务量六个月内增加25倍、测试量增长10倍、瓶颈从代码审查转移到 CI。https://claude.com/blog/agentic-coding-is-straining-ci-heres-how-we-scaled-test-impact-analysis-at-anthropic