3万个AI正在疯狂造自己!Anthropic绝密数据曝光:Claude接管26%核心研发,人类退守最后防线

在旧金山的数据中心深处，发生着一件足以载入人类科技史的事。

此时此刻，有大约 30,000 个 AI Agent 正在同时运转。它们不眠不休，没有周末，在庞大的代码库和实验管道中穿梭。

这群数字员工专注于推进一项核心任务：研发下一代 Claude。

2026 年 9 月 17 日，全球顶尖 AI 实验室 Anthropic 发布了一份重量级报告。在这份名为《测量前沿实验室研发节奏》的文件中，一个此前只存在于科幻小说里的指标，被白纸黑字地公之于众：

短短半年时间，Claude“主导”自家模型研发任务的比例，从不足 1% 疯狂暴涨到了 26%。

如果把协作任务也算上，Anthropic 内部超过 90% 的模型研发，已经离不开 AI 的深度参与。

▲ 社交网络上迅速疯传的核心数据：26%主导、90%协作、3万并发Agent

消息一出，整个硅谷为之震动

人类讨论了几十年的“AI 自我递归改进”（Recursive Self-Improvement），那个 AI 开始亲手设计、迭代自己的技术奇点，不再是一个哲学命题，它已经变成了一个正在跳动的具体百分比。

26%到底意味着什么？先看懂这个“自动化刻度盘”

要读懂这个惊人的数字，我们必须先摘掉“好莱坞式”的滤镜。

直观上看，容易产生四分之一研发流程已完全脱离人类介入的印象。

实际情况由技术分级决定Anthropic 这次采用了一套极其严密的评估刻度。这套标准来自独立研究机构 Epoch AI，它把研发工作的自动化程度，清晰地切成了 6 个等级（AL0 到 AL5）：

• AL0（无 AI）
  ：纯纯的人肉苦力，一行代码一个实验全靠人手敲。
• AL1 到 AL2（AI 辅助）
  ：AI 充当代码补全或智能搜索，人是指挥官，也是主力军。
• AL3（AI 协作）
  ：AI 能在人类严密指导下完成大块工作。
• AL4（AI 主导，Leads）
  ：这就是这次引发海啸的 26%！ 人类只给出一句高层战略指令，AI 自己去查日志、找 Bug、写代码、跑测试，端到端搞定绝大部分脏活累活。人类退居二线，主要负责监督和最后确认。
• AL5（完全自主）
  ：回路中彻底没有人类。AI 自己发现问题、自己修好、自己部署上线。

▲ 官方披露的关键曲线：Claude主导的模型研发任务份额在半年内从不足1%飙升至26%

为了让普通人彻底搞懂 AL3、AL4 和 AL5 的区别，Anthropic 在报告中举了一个极接地气的例子：半夜数据流水线崩了，该怎么办？

在 AL3（协作阶段），工程师被警报叫醒，顶着黑眼圈把报错日志扔给 Claude，让 Claude 提几个修复建议。关键节点怎么选、补丁怎么打，工程师全程盯着，最后逐行审查代码，亲手按回车部署。

在 AL4（主导阶段，目前的现状），工程师收到报警，直接把整个故障甩给 Claude。Claude 自己登录系统调取日志，定位根因，写好补丁，在沙箱里跑完回归测试，最后写一份漂亮的事故报告附在后面。但它不能直接上线，它必须把结果乖乖呈递给人类工程师：“报告老板，修好了，您看今晚能发吗？”

而在 AL5（完全自主），AI 在人类还在熟睡时就自动拦截了异常，自己修复并推向生产环境，第二天人类醒来甚至不知道昨晚出过事，Anthropic 明确表示：目前 AL5 依然是 0%。

看懂了这个梯子，你就能明白当下的魔幻现实：

人类虽然没有被踢出驾驶舱，但人类的手已经离开了方向盘，仅仅把脚悬在刹车踏板上。

2026 年 2 月，这个由 AI 踩油门的 AL4 任务比例还不到 1%；仅仅 6 个月后，它就撕扯着爬到了 26%。

3万个数字幽灵，与每秒都在运转的“数字全景监狱”

为了撑起这 26% 的自主主导，Anthropic 的内部生态已经演化成了一个庞大到令人窒息的“数字蜂巢”。

报告披露，在他们最核心的内部平台上，任意时刻都有大约 30,000 个 AI Agent 在并发工作。

3 万个是什么概念？这相当于数十个顶级跨国科技公司的全员工程师规模。这群数字员工没有肉身，它们拥有独立的数字身份，在内部共享且透明的通信通道里互相交谈、互相调用、互相纠错。

面对这群不知疲倦的庞然大物，人类是怎么防范风险的？Anthropic 建立了一套严苛的监控系统：

第一道网是在线实时监控在 Agent 每一个动作执行前毫秒级审查，专门拦截那些不可逆的高危操作（比如尝试将模型核心权重导出系统）。官方数据显示，面对 8 月份研究 Agent 超过 10 亿次的决策，实时拦截率约为 0.002%，相当于每 4.7 万次操作，就会被系统果断掐断一次。

第二道网是离线事后审计所有 Agent 的行为记录 100% 留痕，每周有大约 10 万份被标记的可疑日志进入分类模型初筛，最终提炼出最危险的约 50 份，直接递交给人类安全团队进行显微镜级别的复核。

这是一个高度自洽的赛博闭环：AI 在替人类造 AI，而人类正借助另一群监控 AI，死死盯住干活的 AI。

指数是怎么算出来的？AI 甚至在给自己当“法官”

很多人会好奇：这个 26% 的自动化程度究竟如何测定？

Anthropic 给出了一套极具极客色彩的“自下而上”测量工程。

他们认为，没有任何一个高管能凭空列出前沿实验室里的所有琐碎工作。于是，在 2026 年 7 月的每一个星期，他们从核心研发部门随机抽取 20% 的员工，让 Claude 读取他们这一周的所有工时记录与内部协同文档。

整整四周，Claude 从真实的工时泥潭里扒出了 1.5 万条极其具体的细粒度研发任务。

随后，Claude 把这 1.5 万条任务梳理成了一棵庞大的“研发任务树”，整整 542 个节点，末端分叉出 378 个具体叶子：从“RL 沙箱网络策略调优”到“评测平台 Bug 修复”，再到“推理服务故障复盘”。

紧接着，最硬核的一幕出现了：

一个 Claude Agent 负责收集内部证据，还原这项工作到底是谁做的、AI 参与了多少；另一个完全独立的 Claude“法官模型”阅读证据，冷酷地给这项工作打上 AL0 到 AL5 的标签。

汇总时，不看谁的主观感觉更重要，全按实际消耗的人时权重加权计算。

为了验证模型当法官靠不靠谱，Anthropic 让业务负责人进行了盲测。结果极具讽刺意味：模型与人类评判的精确一致率是 59%，而人类工程师之间彼此的一致率竟然只有 35%！

只要把误差范围放宽到“相差不超过一级”，模型与人类的吻合度高达 97%。

在衡量研发自动化这件事上，AI 的尺度甚至比人类工程师之间还要稳定。

狂欢背后的冷思考：谁才是对“Merge”负责的人？

这篇报告在社交媒体上引发了轩然大波，但在一片惊叹声中，最清醒的质疑也随之而来。

知名技术评论者 Matthew Clare 一针见血地写道：

“就算你有 3 万个 Agent，也依然拿不掉那个最后为 Merge（代码合并）负责的人。”

这句话直接戳中了当前 AI 研发自动化的软肋。

在真实的软件工程与科研前沿中，“把代码写出来”和“决定这行代码该不该进主干”，是两种完全不同维度的权力。写一个评测脚本是 R&D，决定下一代架构要不要推翻 Transformer 也是 R&D。

如果这 26% 的 AL4 任务集中在编写测试脚本、跑基准、修复次要 Bug 这类确定性执行层面，它体现的依然是生产力工具的大幅跃升，尚未跨越到自主科学探索的阶段。

报告同期披露了算力分配快照：

在 2026 年 7 月的一个抽样周里，投入到模型研发的总算力中，仅有约 6% 用于安全与可解释性研究；即便在“由 AI 驱动的研发子集”里，安全算力也只占 12%。

当 94% 的算力都在全力踩油门冲向更强能力时，只有 6% 的算力在试图装上更稳固的刹车。这种明显的资源倾斜，也让外界对“AI 自我加速”的走向产生了警惕。

终局视角：齿轮已经咬合，人类如何为前沿定速？

在这次测量长文发布前夕，Anthropic 首席执行官 Dario Amodei 刚刚发表了一篇引发广泛讨论的檄文，《我们必须为前沿定节奏》（We Must Pace the Frontier）。

他在文中毫不掩饰自己的担忧：最近几个月前沿能力的提升明显加快，最核心的推手，就是 AI 越来越擅长制造下一代 AI。

在过去，AI 领域的自我改进像是一个遥不可及的“全有或全无”开关，要么是普通软件，要么瞬间引发智能爆炸。

Anthropic 这次用确凿的数据给出了新视角：递归自我改进宛如一个被持续拧大的旋钮，一组已经开始咬合的齿轮。

从工程师日常合并的代码中 80% 由 Claude 编写，到 26% 的核心任务由 Claude 端到端主导，再到 3 万个并发 Agent 构筑的数字车间，AI 研发的范式已经彻底变了。

人类的角色正在发生不可逆的退守：

我们正在从“亲自搬砖的建筑工人”，退化为“在图纸上盖章的监理”；而终有一天，当图纸复杂到人类大脑无法理解时，监理的位置也可能不复存在。

Anthropic 选择在这个时间节点把自家老底公之于众，并呼吁第三方机构入场核验、号召同行公布同类指标，正是为了在完全失控之前，给全人类的仪表盘上装上一根清晰的指针。

正如一位研究员在社交平台上的感叹：

“我们总以为奇点会在某一天轰然降临，但实际上，它正以每周几个百分点的速度，安静地合并进每一个人类没有仔细审阅的 Pull Request 里。”