前言

小公司想租AI芯片，续租涨价约32%，贵了还抢不到；大公司却在自建算力闭环，把芯片优先留给自己。

一边是排队等卡，一边是闭环加速。算力分配这道门槛，正在悄悄拉开研发能力的差距。这背后，到底卡住了谁？

研发的算术，已经和两年前不一样了

很多人听到RSI，想到的是AI某天突然睁眼、一夜之间把人类甩在身后。这个画面太像电影，反而让人忽略一个更朴素的变化：研发的“算术”被改掉了。

Anthropic在IPO招股书里披露：2026年1月到9月，公司内部调用Claude的开销按公开标价计算上涨250倍以上。

2026年4月起，内部使用Claude的价值已超过月度人员现金支出；到9月，内部代码库超过九成代码贡献由Claude完成；2026年第三季度每位工程师日均代码贡献量为2024年平均水平的45倍以上。

招股书更新版还承认，公司对开发速度的信息存在滞后，“可能在加速已经发生之后才识别”。

我看啊，这些数字说明的不是“AI变强了”这么笼统，而是研发流程里试错成本、方案供给规模、验证速度已经被重新配置。

过去一个研究员想十个方向，试三个，错两个，最后成一个；现在可以让模型批量生成、批量测试，人负责判断和挑选。

一个东西一旦“试起来便宜”，就很难退回“试起来很贵”的状态。

这才是RSI讨论里最容易被数字掩盖的一层：不是模型某天跨过某条线，而是研发的日常节奏换了一套成本结构，而成本结构一旦改变，组织的形状也会跟着改变。

实验室里发生的，比发布会上的新闻更值得看

RSI如果只停留在代码和跑分上，还只是行业内部的故事。但2026年的情况是，这套逻辑已经开始往实验室里渗透。

2026年11月，Nature刊出上海交通大学关于AutoDNA的论文。

这是一个“AI原生”的自主生物分子工程实验室，系统自己调度20多种仪器，完成超过11000步操作，人只负责加试剂、换耗材这类硬件维护。

在四项代表性应用里，它的酶法DNA合成产率与专家优化水平相当，并发协议执行速度提高3.2倍，还完整跑通了一个DNA数据存储的端到端循环并精确恢复原始数字内容。

几乎同一时间，西湖大学团队用AI辅助研发的原创药获批上市，从源头发现到完成临床试验用了三年半；英矽智能在阿联酋的候选药项目，从分子设计到临床前候选提名不到12个月。

这些案例指向一致：AI不再只是帮人读文献、算数据，它开始参与“提出方案—执行—验证—修正”这个闭环。

当然，这不等于机器接管科学，临床试验、监管审批、真实的生物学不确定性都还在。

但研发闭环里“人做判断、AI做执行和试错”的分工，已经在真实场景里跑起来了。

在我看来，实验室里的渗透比发布会上的跑分更值得看，因为它改变的不是某一个数字，而是“谁在动手”这件事本身。

监管抓对了一个地方，但只抓了一个地方

2026年11月5日，白宫发布NSTM-6政策，对联邦资助的合成核酸采购设定强制筛查要求：250天内必须从经过认证的供应商处采购合成核酸，340天内完成台式合成设备切换。

供应商要做客户验证、序列筛查、记录保留至少8年，筛查覆盖50个以上核苷酸；NIST在90天内发布标准，HHS在160天内公布首批合规供应商名单；政策明确说，筛查要从“基于清单”转向“基于风险”。

我个人判断，这个方向是对的。监管落在合成设备这个物理瓶颈上，比去审查研究者或AI“在想什么”要可操作得多，也不容易把正常研究一并冻住。

但“抓对一个地方”和“抓够了”是两回事。研发闭环的加速不只发生在生物序列合成端，它同样发生在算力分配和模型研发的内部循环里。后面这件事，目前还没有看到同等分量的政策回应。

算力分配是另一扇更大的门

中期选举之后，数据中心成了美国政治里绕不开的词。

美联社数据显示，在州长层面已判定胜者的34场选战中，32名获胜者支持加强对数据中心的监管或限制，其中12人支持禁令或暂停令。

竞选团队在提及数据中心的电视广告上花了超过3.8亿美元。这些事当然重要，但选举改变的主要是节奏和地点，不是方向。

数据中心可以流向更友好的州。真正可能构成硬约束的，是算力本身的分配方式。

2026年4月，The Information报道了一个具体场景：云服务商把GPU优先分配给内部业务和大客户，AI初创拿卡越来越难。

图像生成公司Krea此前以每小时2.8美元租用Blackwell芯片，续租时被要求签更长合同，最终接受的价格比之前高出约32%。

在我看来，这意味着RSI的加速并不均匀地属于所有人。大公司用自己的算力闭环加速自己的研发，中小团队在外面排队。

不是AI失控，而是研发能力向少数资产负债表集中的速度，可能比我们意识到的更快。

监管如果只盯生物合成端而不碰算力准入，就等于只锁了一扇门，却把另一扇更大的门留着敞开，而两扇门通往的是同一个研发闭环。

真正不可逆的，是流程被改写了

回到METR那份报告。1.9倍不代表AI明天就会觉醒，它代表一个更难回避的事实：研发的底层流程已经被改写，而且改写它的力量，很大程度上来自流程内部。

政治会摇摆，选举会换人，监管会调整，但一个已经跑起来的研发闭环，不会因为外部风向变化就退回手工作坊的状态。

RSI不是科幻，它已经在招股书、实验室论文和算力分配的现实里留下了痕迹。

我看这件事的分量，不在那个1.9倍的数字本身，而在它背后的方向：试错变便宜、验证变快、方案供给变大，这三件事一旦同时发生，研发的组织方式就回不去了。

结语

把这条逻辑放回我们自己的处境，我的判断很朴素：中国不是旁观者，AutoDNA、AI辅助原创药、候选药提名都是真实落点。

但真正要想清楚的，不是有没有跟上某项技术，而是科研基础设施和算力生态能不能让“试起来便宜”的能力均匀长出来，而不是只集中在少数机构手里。

算力只向头部集中，中小团队和基础研究就会被挡在门外；合成生物学筛查若只停留在清单管理、不走向风险导向，安全与效率就会两头落空。

别人的流程在改写，我们的流程也要经得起改写。判断要建立在可验证的流程和能力上，而不是别人愿意公开多少证据上。这比盯着报告里剩下的数字更根本。