Anthropic官方文章披露，截至2026年5月，合并进代码库的代码超过80%由Claude编写，而在2025年2月Claude Code推出前，这个比例还只是个位数。这个不到一年半的极速变化，藏着一个很多人还没意识到的信号：AI正在从帮人类干活，转向自己改进自己。

递归式自我改进不是科幻脑洞，而是已经在上路的技术路线。这场变革真的会像很多人担心的那样，失控吗？

X平台推文截图 / Pliny the Liberator发布的FABLE-5系统提示泄露推文

从帮人写代码到写改进自己的代码，性质已经变了

很多人对AI写代码已经习以为常，GitHub Copilot这类工具早就普及了，但AI写用于改进AI自身的代码，本质上完全是两回事。

根据Anthropic公开的内部数据，2026年第二季度，单个工程师日均合并的代码量已经是2024年的8倍。这个提升不是因为工程师打字速度变快了，而是大部分工作已经交给Claude完成，工程师只需要做方向指导和代码审核。

更值得注意的是，AI代码的质量提升速度远超预期。去年年底，Claude写的代码质量还明显不如Anthropic的人类工程师，到今年5月已经基本和人类持平，官方预计一年内就能超过人类水平。

在最开放无明确标准的任务上，Claude的任务成功率已经达到76%，半年时间提升了50个百分点。

当AI能写出合格的AI系统代码，递归式自我改进的基础就已经搭好了。这个过程说白了就是：模型A构建出更强的模型B，模型B再构建出更强的模型C，每一代都比上一代更擅长做这件事，迭代速度会越来越快，甚至不需要人类在每个环节介入。

这不是Anthropic一家在推进这件事。OpenAI已经明确放出路线图：2026年9月前部署实习研究员级别的AI研究代理，2028年前推出完全自主运作的AI研究代理，直接让AI接管AI研究本身的核心工作。

AI相关科技概念可视化图 / 双手触碰带AI标识的科技方块，周围有图标

资本已经先一步行动，顶尖人才集体all in

大机构对这个方向的热情，比大多数人想象的要激进得多。

2025年底以来，从谷歌DeepMind、OpenAI、Meta等巨头出来的顶尖AI研究者，接连创办了直接以递归自我改进、超级智能为目标的初创公司，每一家都拿到了天文数字的融资。

• 前DeepMind强化学习负责人David Silver创立的Ineffable Intelligence，拿到了欧洲创纪录的11亿美元种子轮融资，估值直接冲到51亿美元
• 前DeepMind工程师Tim Rocktäschel创立的Recursive Superintelligence，单看名字就知道目标，也正在融资接近10亿美元
• Yann LeCun离开Meta创立的AMI Labs，也完成了10亿美元融资

红杉资本、光速创投、英伟达甚至谷歌本身都在跟投这些项目，资本用真金白银投票，说明这条路在业内已经不是玄学，而是被认可的可行方向。

有意思的是，参考内容里提到Tim Rocktäschel说自我改进AI能在2027年实现，而最新的公开报道里并没有明确这个时间点——但不管这个时间准不准，整个行业都在往这个方向拼命砸钱砸人，这个趋势是确定的。

过去一年，头部AI机构的前员工已经为相关初创公司筹集了数十亿美元资金，这不是个别创业者的豪赌，是整个行业的集体转向。

我之前和一位AI投资人聊起这件事，他说现在行业里的共识是：谁先拿到递归自我改进的门票，谁就能拿到下一代AI的话语权。这个方向一旦突破，现有格局会被彻底重构，没人敢错过这场赌局。

最值得警惕的不是AI变强，而是速度失控

p>现在AI安全领域最紧张的点，其实不是AI会变得比人类更聪明，而是变强的速度可能完全超出所有人的控制。

著名AI安全学者斯图尔特·罗素做过一个很形象的描述：一个智商相当于150的AI，如果能自己改进算法，短时间内就能把能力推到智商170，新版本又能继续自我迭代，每一步跨越都会压缩下一步的时间。

这和我们过去见过的所有技术进步都不一样。蒸汽机从发明到普及用了近百年，互联网从商用走进千家万户用了二十年，哪怕是智能手机，从发布到普及也花了五六年时间——这些自然的部署周期，给了社会足够的时间调整适应。

但递归式自我改进的理论曲线是指数级的。平缓阶段看起来没什么动静，一旦越过拐点就会直接陡升，留给人类反应的时间窗口会非常短。

英国人工智能安全研究所的评估早就指出，现在前沿AI模型自主完成复杂任务的能力，已经是每隔几个月翻一番。这个速度还只是现有模式下的水平，没有算上递归自我改进可能带来的额外加速。

更棘手的问题是，现在我们连规则都还没准备好。世界经济论坛2026年的报告直接点破：随着AI代理开始承担真实的决策责任，各个机构的治理框架已经完全跟不上技术能力的扩张速度。

现在的问题早就不是"AI能不能做这件事"，而是"谁来决定AI可以做什么，出了问题谁来负责"，这个核心问题到现在还没有满意的答案。

技术不会等人类，规则得赶在拐点到来前建好

很多人聊起递归式自我改进，第一反应都是这是好几年后的事，甚至觉得是科幻小说，没必要现在就紧张。可从当前的进展来看，它到来的速度可能比绝大多数人预测的都要快。

一年半前，Anthropic的AI代码占比还是个位数，现在已经超过80%；OpenAI已经把自主AI研究代理的 milestones 定在了2026和2028年；资本已经砸了几十亿美元给这个方向的创业者——这些都不是远期规划，是正在发生的现实。

当然，现在说AI马上就能完全自我改进还太早，arXiv上的数学研究也指出递归自我训练存在理论上的收敛边界，只是没人能确定这些边界在实际系统中能不能真的管住。

我们这代人，注定要亲眼见证AI能力边界不断被打破的过程。这件事没有回头路可走，技术进步的车轮不会停下来等人类把规则全部想好。但正因为如此，现在更需要把边界和规则想清楚，而不是等到措手不及的时候再补救。

真正的问题从来不是要不要发展AI，而是我们能不能在技术跑得太快的时候，给它套上一张符合人类利益的安全网。当AI开始自己建造下一代AI的时候，我们是不是真的准备好了？

#OpenAI#