AI开始参与研发下一代AI,进步会不会越来越快?

做AI的人，开始把研发AI的工作交给AI。

这句话听着有点绕，里面的变化却很直接：我们平时用AI写文章、做表格，模型公司也在用它改代码、做实验、优化下一代模型。

9月17日，Claude背后的公司Anthropic公布了一组内部测量。按它的统计口径，截至8月，Claude已经在人类监督下“主导”约26%的AI研发工作。

这里的“主导”，是人交代目标，AI完成大部分任务，人继续监督。公司也明确说明，所测的研发工作还没有达到完全自主的程度。这是厂商自己的评估，仍需要独立验证。

但即使把边界说清楚，这件事也足够值得关注。

过去，一代模型做出来，大家关心它能给用户带来什么。现在还要多问一句：它能不能反过来帮助研发下一代？

如果这一轮进步，能让下一轮研发更快；下一轮做出的AI，又能接手更多研究工作，这个循环会不会越转越快？

加速的理由已经出现了。能加速到什么程度，要看每一轮省下的时间，能不能换来更多经得起验证的进步。

让一个想法更快得到答案

研发有很多时间，花在了“试一下才知道”上。

一个新想法，需要写成代码，放进实验里，检查结果；表现不好，再查是想法不行、代码有错，还是测试方法出了问题。

AI如果能接手其中一部分，同样一段时间里，团队就可能尝试更多方案。过去嫌麻烦、来不及验证的想法，也有机会真正跑一遍。

这不要求AI一上来就独立提出惊人的理论。哪怕只是少花一些时间修故障、准备实验、找出失败原因，也可能让研究往前走得快一点。

而且，AI还能改进承载这些实验的系统。

Google DeepMind在2025年介绍过一个叫AlphaEvolve的系统。它用Gemini提出程序方案，再通过自动测试，筛选出更好的版本。

按照官方披露，它优化了Gemini训练中的一项关键计算，让这部分运行速度提高23%，最终使Gemini的总训练时间减少约1%。

这已经是一种具体的反馈：AI参与改进训练中的计算过程，改进后的系统又能用于训练AI。

1%听起来不大，但放在需要大量计算的训练里，仍然值得争取。省下来的资源，也有机会用于下一轮尝试。

不过，23%和1%放在一起，恰好也提醒了我们：局部进步传到整个系统，往往会缩小。

速度会卡在还没有变快的地方

写代码快了，实验可能还在排队。

实验跑完了，结果可能还需要反复检查。

小规模测试有效，扩大之后也可能不再成立。

这些等待，不会因为前面多了一个很能干的AI就自动消失。就像准备饭菜时，切菜快了十倍，锅里的东西也不会因此立刻煮熟。

当然，AI也可能继续改进后面的环节。AlphaEvolve的例子已经说明，计算过程本身也可以优化。

所以，更值得观察的是：一个环节变快以后，下一个拖慢进度的问题，能不能也被解决。这个过程能走多远，才决定整个研发循环能提速多少。

这里还有一道更难的坎：怎么知道一个改进真的有效？

一段程序算得对不对、跑得快不快，通常能设计测试。一个模型在某套题上得分更高，却未必代表它面对陌生问题也更可靠。测试范围有限，改进就可能只在那一小块地方成立。

如果AI能不断给出新方案，而验证跟不上，团队面前就会堆满“看起来值得试”的东西。方案越来越多，作出可靠判断仍然很慢。

研究提速，需要把“产生想法”和“知道它到底行不行”一起变快。

这也是理解“AI研发AI”时，最容易被跳过的一步。

从AI能完成一些研发任务，到它能持续帮助做出更强的模型，中间还需要证明：这些改动带来了实际收益，收益经得起复查，而且到了下一轮，还能继续奏效。

26%的主导比例，回答不了这整串问题。一次优化成功，也不能直接推出以后每一代都会更快。

但同样，我们也没必要等到AI完全自主研发，才承认这件事的重要性。

假如团队能更快排除错误方向，用同样的资源验证更多有希望的想法，进步就已经发生了。这样的变化可能先藏在实验室里，过一段时间，才表现为我们手上更好用的产品。

沿着这个方向看，模型公司的竞争，也可能越来越取决于怎样组织研究：有没有清楚的实验记录，能不能迅速识别失败，做出的改进能不能真正用进下一轮。一个强模型，加上一套能让它持续试错、获得可靠反馈的研发流程，才可能把这种优势积累起来。

至于“AI会不会越来越快”，现在更稳妥的判断是：一些环节已经在加速，整个循环持续加速的条件，仍在一点点补齐。

以后看模型进步，除了问它今天会做什么，还值得追问：

它有没有让下一次进步，更容易发生？