夜雨聆风昨晚看到一篇 Anthropic 发布的文章，标题直译过来大意是：AI正在加速自身的迭代。
内容很长，虽然我觉得有 Anthropic 在上市前搞事情的节奏，但也还是值得一看。
他们在这篇长文里也放了一些让人震惊的数据和观点，看似在担忧，但我觉得更像炫技。
先说几个关键数字。
截至2026年5月，Anthropic代码库中超过80%的代码，是Claude写的。
然而，在去年2月Claude Code发布之前，这个数字还是个位数。
再看工程师的产出。
2026年第二季度，Anthropic每位工程师每天合并的代码量是2024年的8倍。
不是因为人变勤快了，而是因为大部分代码已经不是人写的了，工程师的角色从「写代码」变成了「指导和审查代码」。
还有一个数字更有冲击力。
在最开放、最模糊、连答案长什么样都不确定的编程任务上，也就是我们常说的「一句话需求」，Claude的成功率在今年5月达到了76%。
6个月前，这个数字是26%。
Anthropic内部已经有不少工程师认为，Claude写的代码质量跟人类工程师打平了，他们预计年内会超过人类。
你可能会觉得，写代码快又怎样？不就是个效率提升吗？
我觉得，不是。
这件事真正可怕的地方在于，AI不只是在帮人写代码，它在帮人类造AI，也就是自己迭代自己。
Anthropic做了一个实验，每次发新模型，他们都会给Claude一段训练小型AI模型的代码，让它在保证正确性的前提下优化到最快。
2025年5月，Claude Opus 4做到了3倍加速。2026年4月，Claude Mythos Preview做到了52倍。
作为参照，一个熟练的人类研究员需要4到8个小时才能勉强做到4倍。
也就是说，在一个定义清晰的研究实验框架里，Claude用不到一年时间，从「非常有帮助」变成了「远超人类」。
当AI在加速自身的迭代，且速度越来越快，如果这个趋势推到极致，终点就是一个能完全自主设计和开发自己下一代的AI系统。
首先，他们自己承认还没有走到那一步。然后也说了，它到来的速度可能远超大多数机构的预期和准备。
如果你们感兴趣，可以去看下原文，信息量还是很大的。
但今天我想聊的不是技术本身，而是当AI开始加速进化自己的时候，人的优势到底在哪里？
我从这篇文章里找到了一个很关键的判断，这里跟你们分享一下。
Anthropic把员工的工作分成了三个层级。
第一级，执行别人指定好的任务。比如「导出按钮坏了，请修一下」。
第二级，拿到一个目标，自己设计实现路径，比如「排查一下网络在高负载时为什么变慢」。
第三级，决定哪些问题值得去解决，比如「团队下个季度应该做什么」。
Claude现在已经很擅长第一级和第二级了，但在第三级，Claude与人类之间仍然存在显著差距。
这句话翻译成人话就是：AI已经能干活了，而且干得又快又好。但「决定干什么」这件事，它还不行。
这就是人目前最大的优势。
Anthropic用了一个词来形容这个优势：研究品味和判断力。
什么意思？
就是面对无穷多的可能方向，你能判断哪些问题重要、哪些结果可信、什么时候一条路走不通该及时止损。
说白了，这不是执行力的问题，而是审美、认知、经验的综合作用结果。
他们在文章里引用了爱迪生那句话，「天才是1%的灵感加99%的汗水」。然后说，那99%的汗水正在被越来越多地自动化。
这句话如果你仔细想，其实藏了两层意思。
第一层，执行层面的事情人不用再亲手干了。写代码、跑实验、产出结果，这些工作在人力时间上的成本趋近于零。
第二层，那1%的灵感变成了唯一值钱的东西。
过去，一个人值不值钱很大程度上取决于他能不能把活干好。
代码写得好、产品做得好、PPT做得漂亮、数据分析做得细致，这些是执行力，是过去职场里最被看重的能力。
但现在，执行力正在被AI抹平。
你代码写得再好，Claude写得更好。你PPT做得再漂亮，AI做得更快。你数据分析做得再细致，AI能同时跑一百个方向。
当执行力不再稀缺的时候，什么变得稀缺？
判断力、方向感、品味、选择能力。
说到底，就是你能不能在AI已经能替你做所有事的前提下，知道该让它做什么。
这是第一个结论：未来最值钱的能力，不是动手能力，而是判断能力。
但我还想多说一层。
Anthropic在文章里提到了一个概念，叫阿姆达尔定律。
简单说，就是你加速了流程中的一个环节，瓶颈就会转移到下一个环节。
他们自己就遇到了这个问题，Claude写代码写得飞快，结果人工代码审查变成了新瓶颈。
各种新想法、新工具、新实验爆炸式涌现，远超组织的消化能力。
你看，AI把执行效率拉到了极致，但组织的消化能力、人的理解能力、决策的速度，这些并没有同步加速。
Anthropic自己在文章最后也说了一段很有意思的话：再多的智能也无法缩短一种药物在几十年使用中才能暴露的效应，无法让选举早于宪法规定的时间举行，也无法在一个周末把陌生人变成老朋友。
这句话什么意思？
意思是，有些事情不是算力能解决的。人际关系、信任建立、经验积累、对世界的理解深度，这些东西需要时间，需要真实的生活经历，需要犯错和纠正。
AI能帮你跑完99%的汗水，但它替代不了你作为一个人在这个世界里真实活过、真实思考过、真实选择过的那些东西。
这是第二个结论：人的不可替代性，不在于你能做什么，而在于你是谁、你经历过什么、你基于什么做判断。
那么，在这个不可逆的AI自迭代过程中，我们应该做点什么？
我说几点自己的想法。
第一，赶紧把AI用起来。
把AI当执行层的放大器，不要还停留在「偶尔问问AI」的阶段。
Anthropic的工程师现在每天合并的代码量是两年前的8倍，不是因为他们更努力了，而是因为他们把执行的活全交给了AI，自己专注在指导和审查上。
这个模式对所有知识工作者都适用，让AI帮你写、帮你跑、帮你试，你只管判断和选择。
第二，刻意训练你的判断力和选择能力。
判断力来自大量真实的决策经验，来自对结果的复盘，来自不断在实践中校正自己的认知模型。
Anthropic那篇文章里有一句话我印象很深：所谓「研究品味」可能只是又一项AI能力，AI系统会在这上面失败一段时间，然后变好。
你看，连Anthropic自己都觉得，判断力这个优势可能也是暂时的。那我们更要抓紧这个窗口期，让自己在判断力上建立足够深的积累。
第三，找到你自己独特的经验和视角。
AI的知识是平均化的，它读过所有论文、所有代码、所有案例。但它没有你的人生，你做过什么行业、踩过什么坑、服务过什么用户、经历过什么失败。
这些东西。是AI无法复制的，也是你做判断时最独特的输入，也就是我在AI个体户计划里让大家沉淀的「真人设数据」。
第四，适应「人在金字塔顶端」的新工作模式。
Anthropic在文章里描述了一个未来，一家100人的公司可以做出1000人甚至10000人公司的体量，因为每个员工都坐在一个由AI智能体组成的金字塔的顶端。
这意味着，未来的工作不是你一个人做一摊事，而是你一个人指挥一群AI做一大摊事。
你的核心能力变成了：定义问题、设定目标、分配任务、验证结果。
说到底，就是从「执行者」变成「指挥者」，这跟我们AI个体户计划的方向是高度一致的。
最后我在想，当AI把活都干完了，那人的价值感从哪里来？
尤其是当你不再需要亲手解决问题，你怎么确认自己的存在是有意义的？
这个问题，可能比「AI会不会取代我的工作」更值得每个人认真想想。
我自己的答案是，把注意力从「我能做什么」转向「我要做什么」。
执行力可以外包给AI，但方向感不能、审美不能、价值判断不能。
你想过什么样的人生、想解决什么问题、想为谁创造什么价值，这些选择本身，就是你作为人最不可被替代的东西。
AI在加速进化自己，这个趋势大概率不会停，也停不了。
留给我们的时间，确实不多了。
在这个不可逆趋势下，我们不要跟AI比执行，要去做AI做不了的那1%。
那1%。
就是你的判断、你的选择、你的人生。
昨晚在跟第一期 AI 个体户计划的同学进行月度复盘，发现一些有趣的现象。
第一期结束至今快半年了，有同学粉丝翻了 25 倍、有同学第一天就开始变现、还有人发现自己并不擅长写文章，但优势是做视频。
但毋庸置疑，做出结果和数据来的都无一例外深度拥抱了 AI。
最近有个感觉，知道 AI 的人越来越多了，但真正用 AI 开始做事的人还寥寥无几。
这个月底，我们深圳班就要开课了，不想错过这一轮机会的可以来联系我。
