Anthropic 表示，Claude 目前主导了该公司所衡量的 AI 研发工作中的 26%。这意味着，在有人监督的情况下，系统可以根据高层级提示完成一项任务的大部分工作。Anthropic 还称，没有任何被测研发工作完全由 Claude 自主完成。这一区别很重要；剑桥 AI 科学与政策项目的一篇新工作论文提出的问题是：AI 是否会逐步承担更多自身研发工作，并最终使 AI 进步大幅加速。

这篇标注为 2026 年 9 月的论文，汇集了来自大学、AI 公司和公民社会组织的 22 位作者。论文认为，一种快速反馈循环是可能的：能力强的系统帮助研发更好的系统，后者再开展更多研究。论文的核心结论是，对一种合理的发展路径发出警示，并指出有必要对其进行测量。论文并未报告这种加速已经开始。

主要变化

  • 发生了什么变化：一篇跨机构工作论文梳理了 AI 主导研发的证据、这种方式可能加速 AI 进步的条件，以及作者建议政府向前沿实验室索取的具体测量数据。
  • 为何重要：开发这些系统的公司正在把更多研究任务交给 AI 系统。公开的委派程度指标仍不完整，因此很难判断整个研究流程的速度究竟提高了多少。
  • 接下来关注什么：经独立核查的指标，包括 AI 完成了多少工作、其贡献是否改进了后续模型，以及算力、实验和人工审查是否会减缓反馈循环。

证据确实存在，但这些指标回答的问题各不相同

Anthropic 9 月发布的测量报告称，到 2026 年 8 月，其研发工作中由 AI“主导”的比例已升至 26%，高于 2 月的不到 1%。但在其评级体系中，这一类别仍包含人工监督。Anthropic 称，这一指数仍是原型，其自有模型也参与了工作评级，而且各公司之间没有通用方法可供比较。该公司表示，没有被测工作完全自主完成；这一点应与 26% 的数据一并看待。

OpenAI 9 月发布的说明介绍了研究人员使用更多编程智能体、更快贡献代码并开展更多实验的情况。OpenAI 称，实验数量与智能体使用增加相关，同时可用算力也有所增长。公司还称，研究优先事项由人来选择，哪些结果值得继续探索也由人决定。更多代码和实验可能有助于研究，但这不能证明更强大模型的产出速度也以同等幅度提高。

独立评测有助于衡量这一流程中的一个部分。METR 的 Time Horizon 1.1 更新发现，在其测试套件中，模型能够完成比早期系统耗时更长的研究和软件任务。METR 也报告称，对于耗时较长的任务，结果存在很大的不确定性；其中许多任务的人类完成时间是估算出来的。任务基准测试衡量模型在所选任务上的能力，并不衡量 AI 实验室整体的研究生产力。在另一项随机对照研究中，16 名经验丰富的开源开发者完成了 246 项任务，METR 发现，使用 2025 年初期 AI 工具后，任务完成时间增加了 19%。那个较早期的软件场景不能代表 2026 年 9 月的前沿实验室，但它说明，仅凭工具使用情况和任务基准测试，无法得出生产力是否提高的结论。

快速反馈循环可能受到多重制约

CASP 论文重点讨论一条由软件驱动的循环路径：AI 系统通过并行工作扩大有效研究队伍；成功的改进让下一代系统成为更好的研究者，从而带来更多改进。作者称，初步证据与这一机制相符，并判断未来几年研发自动化程度大幅提高的可能性很高。作者提出的更强烈情形——“智能爆炸”，即把多年的进展压缩到几个月甚至更短时间——则取决于反馈循环是否会快于各种限制。这是一种有条件的情景，并非对未来结果的实测预测。

论文指出了四项重要限制：增加研究投入带来的回报递减、算力和数据有限、仍难以自动化的任务，以及无法随意加速的流程，例如长时间训练。论文称，关于其中一些限制的证据并不一致或属于间接证据，而耗时瓶颈究竟有多强，目前缺少直接证据。论文举例称，在研发完全自动化后，若研究投入的估计回报持续存在且没有出现新的瓶颈，那么模型计算显示，进步速度可能在约 1.5 年内加快十倍。这并非观察到的加速，也不是无条件的时间预测。

其他研究进一步揭示了不确定性。在一项2025 年对四家 AI 实验室的研究中，Parker Whitfill 和 Cheryl Wu 发现，根据如何建模研究算力，结论会有所不同。在一种设定中，认知劳动和算力似乎可以相互替代；而在另一种纳入前沿实验不断提高资源需求的模型中，两者似乎相辅相成。作者提醒，数据和模型都有限。Toby Ord 于 2026 年 8 月发表的分析将每轮改进所需时间视为另一个关键参数。这些分析并未排除快速加速的可能性，但说明无法单凭智能体数量或其编写代码的数量，直接推断反馈循环的速度。

作者希望测量什么

剑桥论文作者提出了三项政策重点：了解 AI 研发自动化的情况，制定引导和约束潜在加速的方法，并为其可能造成的影响做好准备。其中最紧迫且可检验的是测量。作者建议报告 AI 产出的研究贡献比例、算法改进速度、实验室在人力和算力方面的支出分配、AI 系统影响了哪些研究决策，以及内部智能体相关事件。作者还提议开展独立审计，并对具备前沿 AI 研发能力的系统提出更严格要求。

一些后续建议，包括进一步部署前的要求、暂停指定研发工作负载的方法，以及国际核查机制，都需要大量设计工作并涉及取舍。论文自身也警告，设计不当的权力可能偏袒某家公司，并拖延有益工作。论文对潜在收益和严重危害的讨论，建立在前述有条件的加速情景之上。政策制定者可以先审视短期报告要求，而无需假定最极端的情景已经发生。

读完这份报告后，更有用的问题比“AI 是否会突然变得超级智能”更具体：各实验室能否用可比较的方式说明，目前哪些研究环节由 AI 主导、哪些改进经人工评估后仍然成立，以及这些改进多快能反馈到下一代系统中。现有公开证据还不足以跨公司回答这些问题。

来源与延伸阅读