夜雨聆风现在搞人工智能的公司里，人工智能自己已经在帮自己写代码、跑实验、修bug了。按这个速度发展下去，用不了多久，人工智能就能自己设计出更厉害的人工智能，根本不用人插手。这事儿听着像科幻片，但数据摆在这儿呢。我们公司一个工程师现在一天干的活儿，顶2024年时候八天。不是人变勤快了，是人工智能帮忙把那些重复的、磨人的工作全包了。人只需要说“我要这个效果”，剩下怎么实现，人工智能自己想办法。
最吓人的是，这速度还在加快。
先别急着讨论未来，看看现在到底啥情况
你可能以为人工智能还停留在帮你写个邮件、改个错别字的阶段。那你得更新一下脑子里的版本了。
在我们公司内部，现在超过百分之八十的代码，都不是人写的，是人工智能自己写的。你没看错，不是辅助，不是建议，是直接写好、测试完、等着合并进项目的那种。2025年二月之前，这个数字还是个位数。也就是说，一年多一点的时间，从几乎不写代码，变成了写绝大部分代码。
我跟你算笔账。2024年的时候，一个工程师一天能合并进代码库的代码量，基本是平的。到了2025年，曲线开始往上翘。为啥？因为人工智能那时候不光能建议怎么写，还能自己运行代码了。以前工程师得复制粘贴人工智能给的代码片段，现在不用了，人工智能自己跑、自己改、自己验证。到了2026年，曲线直接变成陡峭的斜坡。因为人工智能已经能连续干好几个小时的活儿，中间不用人管。
现在一个普通工程师一天合并的代码量，是2024年的八倍。八个工程师的活儿一个人干完了。但这数字其实有水份，因为代码行数多不代表质量好。所以我们内部做了个更实在的调查。2026年三月，我们问了130个搞技术的同事，让他们估计一下，用现在最好的人工智能模型干活，效率提高了多少。大家的回答折中一下，大概是四倍。也就是同样一个任务，以前要花四天，现在一天搞定。
但这还不是最夸张的。最夸张的是，有些活儿没有人工智能根本没法干。
我给你举个例子。2026年四月，我们系统里有一类接口报错，数量多得吓人。一个人工智能花了一晚上，自己找到了八百多个导致报错的地方，一次性全修好了。负责看着它干的工程师估算了一下，如果让人来干这事儿，得干四年。为啥差这么多？因为修别人的bug特别慢，你得先理解那段代码是干嘛的，上下文是什么，改了以后会不会搞坏别的东西。人脑一次装不下那么多陌生的信息。但人工智能可以，它把整个代码库当背景知识用。
还有一件事儿更能说明问题。我们有个训练任务，升级完以后突然开始疯狂崩溃，几万个训练任务全挂了。一个工程师把人工智能丢进去，给了它访问集群的权限，说了句“你看看怎么回事”。人工智能自己一个个排查正在跑的任务，一个个试环境设置，最后锁定了问题出在一个特别冷门的调试标志上。然后它自己复现了崩溃的过程，自己验证了修复方案。整个过程俩小时。正常情况下，这种排查工作要两到三天。
所以现在的情况是，人要做的只是定目标，至于怎么从A走到B，人工智能自己找路。而且这条路经常比人找的还快。
但写代码只是最表面的那层
如果人工智能只会写代码，那它就是个高级打字员。真正让事情变得不一样的是，它已经开始自己能跑实验了。
每次我们发布一个新模型之前，都会做同一个测试。给人工智能一段代码，这段代码是用来训练一个小型人工智能的。然后告诉它，你让这段代码跑得越快越好，但是不能改变最终结果的正确性。说白了就是优化。
2025年五月的时候，我们一个模型能把原始代码加速三倍。到了2026年四月，新模型能加速五十二倍。给你个参照，一个经验丰富的人类研究员，花四到八个小时，能加速四倍左右。也就是说，不到一年时间，人工智能从“挺有帮助的”变成了“超人类”。
但你可能会说，优化这种活儿，目标很清楚，就是跑得快。这不算是真的搞研究。搞研究最难的是定方向，是判断哪个问题值得花时间，是决定下一步往哪儿走。
这事儿人工智能也在学。
2026年四月，我们做了一个公开的实验。给人工智能一个开放问题：一个能力比较弱的模型，能不能可靠地监督一个更强的模型？这个问题在人工智能安全领域里一直没搞清楚。人工智能需要自己提出假设、设计实验、跑实验、分析结果，然后根据结果调整下一步。
两个人类研究员花了一周时间，把这个问题的答案往前推了大概百分之二十三。而人工智能系统，花了总共八百个小时的计算时间，用了大概一万八千美元的计算资源，把答案往前推了百分之九十七。而且这八百个小时不是连续八百个小时，是人工智能同时开多个进程并行跑的。每个实验都是它自己设计的。人在这中间只做了一件事：选定了这个问题，并且定好了打分标准。
这个结果还有一些瑕疵，不能直接拿到生产环境里去用。但方向已经很清楚了。人正在从“干活的人”变成“指方向的人”。
那如果指方向这个事儿，人工智能也慢慢学会了呢？
我们内部做了一个更细的研究。找了2026年头三个月里，研究员和人工智能一起干活时的真实记录。我们专门挑了一些场景，就是研究员自己跑偏了的时候。比如明明在研究一个问题，突然跑去试了一个没什么关系的方向，浪费了半天时间才绕回来。
我们把跑偏之前的那段工作记录单独拿出来，喂给不同版本的人工智能，问它“下一步你会怎么做”。然后让另一个能看到最终结果的人工智能当裁判，看是人的选择好，还是人工智能的选择好。
2025年十一月的时候，最好的模型比人强的概率是百分之五十一。到了2026年四月，这个数字变成了百分之六十四。也就是说，人工智能在做“下一步该干嘛”这种判断的时候，已经开始超过人了。虽然优势还不大，但趋势很明显。
日常搞研究，其实就是一连串这种“下一步”的决定。所以这个数字特别重要。它是个早期信号，说明人工智能正在学会怎么做判断，而不仅仅是执行命令。
那人在这个流程里还剩下啥
现在的情况可以总结成三句话。
第一，写代码这事儿，人工智能已经快赶上人了。我们内部大家的感觉是，2025年底的时候，人工智能写的代码质量还比人差一点。到了现在，基本持平。预计一年内，人工智能写的代码会比人写的更好。
第二，跑实验这事儿，人工智能已经超过人了。前面说的优化实验那个例子，五十二倍对四倍，已经不是同一个量级了。
第三，做判断这事儿，人工智能正在追上来。从百分之五十一到百分之六十四，只用了五个月。
那你算算，人还剩下什么？
剩下的就是真正的方向感。就是判断哪些问题值得研究，哪些结果可以相信，哪些路走到头了该放弃。这些“品味”和“直觉”，目前还是人的优势。
但这个优势能保持多久，谁也不知道。因为在人工智能的历史上，我们见过太多次“这个东西人工智能做不了”的断言，然后过了两年就被打脸了。
以前人们说人工智能没法解释一个笑话为什么好笑。后来能了。以前说人工智能没有心智理论，不懂别人在想什么。后来能了。以前说人工智能解不开语言谜题。后来能了。所以“研究品味”很可能只是下一个被攻克的堡垒。
爱迪生说过，天才是百分之一的灵感加上百分之九十九的汗水。但现在那个百分之九十九的汗水，正在被自动化。剩下的百分之一，压力很大。
但这里有个坑，你可能已经想到了
如果人工智能把大部分活儿都干了，那人干嘛去？
在我们公司，已经出现了一个新的瓶颈：代码审查。
人工智能写代码的速度太快了，人根本看不过来。以前一个人一天写几百行代码，审起来还算轻松。现在一个人一天相当于以前八天的产出，一千六百行甚至更多。你让人一行行看，不可能。你要是只看关键部分，那出bug了谁负责？
而且这个问题不只是写代码。在研究的其他环节也一样。人工智能每天冒出一堆新想法、新工具、新模拟方案，多到人根本来不及跟进。就像一个水龙头开到最大，下面的杯子就那么点儿大，水全溢出去了。
这种事儿在计算机领域有个名字，叫阿姆达尔定律。意思是你把一个环节加速十倍，但整个系统的速度还是受限于你没加速的那个最慢的环节。对我们来说，最慢的环节现在就是人的判断力和注意力。
那怎么办？一个自然的想法是，让人工智能来帮人做审查。我们已经在试了。搞了一个自动化的代码审查工具，每次有人要往代码库里合并新代码，这个工具先看一遍，找bug、找安全漏洞、找各种毛病。我们回头分析了一下，如果这个工具从一开始就在用，过去出的那些事故里，大概有三分之一能在上线之前被拦住。而且那些被拦住的bug，都是世界上最厉害的一帮工程师亲手写的。他们都没看出来，但人工智能看出来了。
所以趋势很清楚。人最终会从“写代码的人”变成“看着人工智能写代码的人”，然后变成“看着人工智能审查人工智能写的代码的人”。每一层都在往上退。
那再退一步呢？如果人工智能连判断力和品味都学会了，人就只能当观众了。
Reddit社区评论
递归造自己，IPOxX越看越像先导预告片
Anthropic挑在IPO前夜放出这份报告，数据猛得像喝了假酒：工程师产出翻八倍、模型优化能力从三倍飙到五十二倍、人工智能自主修完人类干四年的bug。评论区最高赞一针见血——“IPO hype”。你要真信，那它就是技术奇点的第一份官方通告；你要不信，那它就是史上最贵的招股书PPT。
但两份意见其实不打架。就算数据全是真的，它讲的也不是“现在”，而是“我们手里捏着你们没有的东西”。真正的递归自我进化不需要发推特证明，就像蒸汽机不需要写诗。评论区另一位老哥说得更损：“4.7和4.8如果是递归‘改进’的例子，那这递归是往地下钻的。”——用户对近期模型质量的失望，直接把“递归”这词从科幻神坛拽进了客服投诉箱。
热闹归热闹，最该听的其实是那句被点赞淹没的冷场话：“文章比推文克制得多。”原文花了大量篇幅讲Amdahl定律——代码写得再快，人审不过来就是白搭；实验跑得再多，人定不了方向就是瞎忙。可惜在IPO的镁光灯下，没有人关心“瓶颈”。大家只想听“闭环了”“爆发了”“人类退场了”。
而真正的递归，可能恰恰藏在那些没人转发的段落里：人工智能修好了自己导致的bug，然后被喂给下一个版本的自己，继续制造更高级的bug。
Hacknews社区评论
Hacker News 的评论区比 Anthropic 原文诚实多了。置顶那个被折叠的“最低质量讨论”评论本身就是最高质量的点评——当一屋子工程师都懒得演了，你就知道这文章不是写给他们看的。
最狠的一刀来自一位老哥：你们吹人工智能自己写代码，那 Claude Code 这个终端应用为啥吃 1GB 内存，还他妈用 React 渲染终端、跑 60 帧场景图、在里面做光栅化？“For each frame our pipeline constructs a scene graph with React then -> layouts elements -> rasterizes them to a 2d screen -> diffs that against the previous screen -> finally uses the diff to generate ANSI sequences to draw”——这不是“小型游戏引擎”，这是“用洲际导弹打苍蝇”。而负责这个工程的，据说正是 Claude 自己。
另一位开发者补刀：如果人工智能真的这么能写，你让它用 Rust 把 Claude Code 重写一遍呗，一晚上就够了。结果呢？至今没人敢试。更损的是，有人发现 Anthropic 自己的招聘页面写着“面试时的编程测试禁用人工智能”——你要真信人工智能已经能写生产级代码，为什么招人的时候还要考人肉写代码？
还有一条来自实战现场：同事用人工智能生成了 40k 行代码的 PR，审代码的人直接拒了。“我没办法为 40k 行代码背书。”这条评论下面有人补了一句：“那正好让 Claude 来审啊。”——然后沉默了。这就是递归最尴尬的地方：如果人工智能写的代码需要人来审，那瓶颈还在人。如果让人工智能审人工智能写的代码，那你只是把故障从生产环节挪到了审核环节。真正的闭环，不是“人工智能写代码”，是“人工智能写的代码不需要任何人看就能上线”。而 Anthropic 自己也在文章里承认，他们还远没到那一步。
全场最清醒的评论来自这句话：“如果 Anthropic 真的相信他们自己说的那些世界末日级别的风险，他们应该在今天、此时此刻、单方面停掉所有训练，把全部资金拿去买炸药炸数据中心。他们没有。这就说明了一切。”评论区瞬间安静了。
所以这篇文章真正的问题不是“数据造假”，而是“数据的指向和公司行为对不上”。你说递归自我进化马上要来了，但你的产品连终端闪烁都修了两个季度。你说要全行业暂停，但你的 IPO 排期就在下个月。你说你怕失控，但你的手一刻也没离开过油门。
递归最残酷的地方不在于它有多快，而在于它会把创始人的矛盾和市场的泡沫一起指数级放大。到了那一天，最先被迭代掉的，可能不是程序员，而是这篇通稿里每一句无法自证的话。
