夜雨聆风AI 实战笔记 · 视频拆解
这条视频真正刺激的地方，不是 AI 会写代码，而是 AI 可能开始参与改进 AI 自己。
这次重新写这篇，是因为我前一版写偏了。
前一版更多写成了 AI 工作流和企业效率，但这个视频真正讲的不是普通工具用法，而是一个更大的词：RSI。
RSI，就是 recursive self-improvement，递归自我改进。
简单说，AI 不只是被人类使用，而是开始参与设计、训练、优化下一代 AI。
这件事如果真的形成正反馈，就不只是一次工具升级，而可能是一次指数级变化。
视频里其实讲了 6 个点：Claude 写自己的代码、人类速度成为瓶颈、顶级人才转向 RSI、智能爆炸、金融市场 AI 化、医药研发被重写。
这条视频的核心不是普通 AI 工具，而是 RSI：递归自我改进。
01｜Claude 已经在写自己的代码
视频第一个点很直接：Claude 已经在写自己的代码，而且写得越来越好。
Anthropic 官方文章里提到，截至 2026 年 5 月，Anthropic 合并进代码库的代码中，超过 80% 是 Claude 写的。
这个数字最重要的地方，不是说程序员马上没了，而是说明 AI 已经进入 AI 公司自己的真实研发流程。
以前 AI 写代码，很多时候只是帮人写一个函数、改一个 bug、补一段页面。现在它开始读项目、改代码、跑测试、修报错、进入真实代码库。
这就是 RSI 的预演：AI 开始把自己的能力，用到下一代 AI 产品和基础设施的开发里。
80% 代码这个数字真正说明的是：AI 已经进入完整研发流程。
02｜人类速度，可能成了最大瓶颈
视频第二个点更扎心：AI 发展的瓶颈，可能不再只是算力，而是人类反应速度。
AI 可以很快写代码，但人要看懂。AI 可以很快提出方案，但人要判断风险。AI 可以很快跑实验，但人要决定是否合并、是否上线、是否负责。
当 AI 一天生成过去一个团队一周的工作量，真正卡住系统的，可能就是人类审核、理解和决策的速度。
这也是为什么视频里会强调指数级变化。指数级最可怕的地方，不是一开始很快，而是前面看起来没什么，后面突然垂直上升。
很多人会在前半段低估它，在后半段来不及调整。
当 AI 执行速度越来越快，人类的审查和判断反而会成为关键瓶颈。
03｜卡神加入 Anthropic，不是普通跳槽
视频第三个点提到 Karpathy，很多人叫他卡神。
他曾经在 OpenAI 工作，也负责过特斯拉自动驾驶相关的 AI 工作，是 AI 圈非常有影响力的技术人物。
视频里的说法是，他加入 Anthropic，是为了 all in RSI。这个表达可能有短视频夸张成分，但方向值得注意。
顶级 AI 人才正在把注意力放到一件事上：怎样让 AI 加速 AI。
第一，让 AI 参与模型训练和评估。
第二，让 AI 改进数据流程、实验流程和开发工具。
第三，让 AI 帮助研究员提出更好的实验方向。
第四，让 AI 加速下一代 AI 的研发。
04｜智能爆炸，可能比想象更快
视频第四个点，是最核心也最有争议的部分：智能爆炸。
过去很多人认为，从 AGI 到 ASI，也就是从通用人工智能到超级智能，可能还需要几年时间。
但如果 RSI 的正反馈真的形成，这个过程可能被大幅压缩。视频里的说法更激进：可能只需要几个小时。
这个判断我不会当成确定事实，但它背后的逻辑要看懂。
第一轮，AI 提出改进方案。
第二轮，AI 写代码、做实验、分析结果。
第三轮，AI 根据结果继续改进下一轮。
结果，每一轮改进，又提升下一轮改进的速度和能力。
这就是为什么 RSI 会和智能爆炸联系在一起：它讨论的不是一个工具变好用，而是一个系统开始加速改进自己。
05｜金融会变成 AI 对 AI 的战场
视频第五个点讲金融。金融本来就是信息、速度、策略、风险和博弈的集合，所以它很容易被 AI 改写。
视频里举了一个例子：有对冲基金使用类似 RSI 的系统做交易策略。每天收盘后，系统生成几十套、上百套策略，放进历史数据里回测、竞争、筛选。
风险调整后表现最好的策略，第二天进入真实交易。整个过程几乎没有人类直接参与。
这不是简单的 AI 帮人炒股，而是 AI 生成策略、AI 回测策略、AI 调整策略、AI 执行策略，再根据结果继续更新策略。
但金融里 AI 越强，风险也越隐蔽。没有风控，AI 只会让错误更快执行。
06｜医药研发，可能迎来真正大变化
视频第六个点讲医药，这也是我认为最值得期待的方向之一。
视频提到一个很激进的判断：Google DeepMind 的 Demis Hassabis 曾经表示，绝大多数疾病可能在未来十年内被治愈。
这句话不能简单理解成十年内所有病都轻松解决，但医药确实是 AI 最可能产生巨大影响的领域。
因为药物研发，本质上是在巨大空间里找答案。
比如，靶点发现。
比如，分子设计。
比如，候选筛选和毒性预测。
比如，成药性优化和临床方案设计。
过去这些事情需要大量科学家、实验室、时间和资金。AI 进入以后，可以把提出假设、生成候选、模拟筛选、优化结构、设计实验、分析结果连接成一个更短的研发闭环。
这不是 AI 明天发明神药，而是研发闭环变短，试错成本下降，过去没人能同时做的数百万种疾病和药物组合，开始有机会被系统性探索。
医药领域的关键不是单点提效，而是整个研发闭环可能被压缩。
07｜这可能不是普通技术革命
视频最后有一句话，我觉得是整条视频的核心。
以前所有技术革命，都是人类发明工具，然后用工具改造世界。但这一次不一样，这一次我们发明的工具，正在自己发明更好的工具。
蒸汽机、电力、计算机、互联网、智能手机，都是人类发明工具。工具很强，但工具本身不会主动发明下一代工具。
AI 不一样。如果 AI 开始参与代码、模型、实验、训练、评估、药物、金融策略和企业流程的改进，它就不只是工具，而是生产力系统的一部分。
视频里还提到霍金的观点：人工智能可能是人类最后一项发明。这句话听起来很重，但放在 RSI 语境下，并不是纯粹吓人。
08｜眼镜蛇的判断
我不建议把这条视频当成单纯的恐慌内容，也不建议因为它有标题党表达，就把它全部忽略。
真正重要的是三个层次。
第一，AI 已经从内容生成，进入任务执行。
第二，AI 正在进入研发、实验、金融、医药等复杂工作流。
第三，AI 未来最可怕的能力，是参与改进这些工作流本身。
第三层才是关键。普通人还在讨论 AI 能不能写文章，公司老板还在讨论 AI 能不能替代客服，但真正的变化是：AI 能不能让一个组织每天都比昨天更聪明。
对普通公司来说，不一定要谈 AGI、ASI、智能爆炸。更现实的问题是：你的客户反馈有没有回到产品？你的销售过程有没有沉淀成话术？你的失败案例有没有变成系统经验？你的业务数据有没有让团队越做越快？
外贸也是一样。AI 不是简单写英文邮件，而是把客户、产品、报价、跟进、复购、丢单原因、国家市场差异和业务员经验，沉淀成一个可以持续优化的系统。
普通公司不一定做 AI 造 AI，但可以让业务系统持续改进业务系统。
最后说一句：
AI 时代真正的竞争，不是会不会使用某个工具，而是谁能最早建立自我改进的系统。等你看懂指数级变化的时候，它可能已经跑远了。
