AI自己造AI，概率60%，2028年底前，Anthropic联创坐不住了

AI系统，可能很快就能自行构建自身了！

说出这句话的，是Anthropic联合创始人杰克·克拉克。5月4日，他在社交平台X上发布了一个引人深思的判断：「递归自我改进（RSI）有60%的概率在2028年底之前发生。」

克拉克不仅是Anthropic的联合创始人，也是知名通讯《Import AI》的创办者与主笔，长期追踪AI能力的前沿进展。这次发帖，他同步发布了一篇完整的分析文章，系统阐述了他的观点。

这件事非同小可。其潜在影响太过巨大，以至于让人感到自身的渺小，也引发了一个深刻的疑问：我们的社会，是否已经准备好迎接自动化AI研发所带来的根本性变革？

克拉克在文章中写道：

。

他并不认为这会在2026年发生，但他预判，未来一两年内，我们很可能在非前沿模型上看到概念验证：一个AI模型，能够端到端地训练出自己的「继任者」。支撑这一结论的，并非内部机密，而是一系列公开信息——arXiv、bioRxiv、NBER等平台上的论文，加上他对各大前沿实验室产品的持续观察。克拉克将这些碎片拼凑起来，勾勒出了一幅关于AI进展的全景图。

在他看来，AI工程化生产所需的所有组件，如今已基本就位。剩下的核心问题其实是：模型何时能积累足够的「创造力」，开始像人类研究员一样，真正推动前沿的演进。

四年，从30秒到12小时

克拉克的核心论据，建立在一系列清晰的能力进展曲线上。

先看METR机构绘制的时间轴图。这个机构专注于评估AI能力，他们追踪一个关键指标：AI系统独立完成一项任务，在达到50%成功率时，这项任务如果让一个熟练的人类来完成，大概需要多长时间。

这个数字的变化轨迹令人瞩目：2022年，GPT-3.5对应的时长是30秒；到了2023年，GPT-4将其推到了4分钟；2024年，o1模型达到了40分钟；2025年，GPT-5.2（高配版）跨过了6小时的门槛；而到了2026年，Claude Opus 4.6已经能够处理长达12小时的任务。

短短四年，从30秒到12小时，能力跨度增长了1440倍！AI能力研究员阿杰亚·科特拉甚至认为，到2026年底之前，这个数字有望突破100小时。一旦达到100小时的时间跨度，AI将能够覆盖许多需要数日才能完成的软件工程或研究辅助任务。

编程能力的飞跃同样惊人。以SWE-Bench基准测试为例，它衡量的是AI解决真实GitHub工程问题的能力。2023年底，Claude 2的得分仅为2%。而到了今年，Claude Mythos Preview的得分达到了93.9%，这意味着这个基准几乎被「打穿」了。

再看CORE-Bench，它测试的是另一项关键能力：给AI一篇学术论文和对应的代码库，让它独立复现实验结果——这正是AI研究员最基础的日常工作之一。2024年9月该测试推出时，最好成绩是21.5%。到了2025年12月，Opus 4.5在特定框架下的验证准确率达到了77.78%，经人工校验后高达95.5%，项目方宣布CORE-Bench已被解决。

15个月，从21.5%到95.5%，进步速度可见一斑。

还有MLE-Bench，它测试的是AI独立参加Kaggle数据科学竞赛的能力，覆盖75个真实项目。2024年10月发布时，最高分仅为16.9%；而到2026年2月，Gemini 3结合搜索工具的组合，分数已经跃升至64.4%。

Anthropic内部还有一个更直接的测试：让模型优化一段仅使用CPU的小型语言模型训练代码，比拼优化后的速度提升倍数。2025年5月，Claude Opus 4的优化倍数是2.9倍；到了11月，Opus 4.5达到了16.5倍；2026年2月，Opus 4.6提升至30倍；而到2026年4月，Claude Mythos Preview已经能做到52倍的优化。

不到一年时间，从2.9倍飙升至52倍。这直观地展示了AI在「优化AI训练代码」这项核心工程任务上的进展速度。

99%的工程活，AI快接完了

这里引出一个关键问题：AI研究这件事，到底有多少是纯粹的工程劳动，又有多少是真正的创意灵感？

克拉克引用了一个经典的框架——爱迪生的那句名言：天才是1%的灵感和99%的汗水。他认为，AI研究同样遵循这个比例。

一个典型的AI研究循环是这样的：基于现有系统，在某个维度上扩大规模，观察哪里开始出现问题，修复工程瓶颈，然后再进行下一轮扩大。在这个过程中，绝大部分工作是数据清洗、运行实验、调整参数、阅读论文、复现结果……这些都是「汗水」，而非「灵感」。偶尔会出现真正改变范式的发明，比如Transformer架构，或者混合专家模型（MoE）。但那只是1%，而且越来越不是瓶颈，因为那99%的工程性工作，正在被AI快速接管。

克拉克列举了几个明确的信号：

首先，AI已经能够管理其他AI。在Claude Code、OpenCode这类工具中，一个AI可以扮演「项目经理」的角色，将复杂任务分解并分发给多个子AI并行处理，最后汇总结果。这种工作流，与一个人类研究团队的组织方式已没有本质区别。

其次，PostTrainBench测试揭示了一个趋势：AI能否自己微调开源小模型，以提升其在特定任务上的表现？这通常是前沿实验室里经验丰富的研究员的工作。截至2026年3月，AI系统在这个任务上已经能达到人类研究员效果的一半左右，提升幅度约为25%到28%，而人类基线的提升幅度是51%。

更引人注目的是Anthropic内部的一个概念验证——「自动化对齐研究」：让一组AI智能体，在AI安全研究问题上进行自主攻关。结果是，AI给出的解决方案，甚至超过了Anthropic人类研究员设定的基线水平。

将这些证据串联起来，克拉克得出的判断是：AI今天已经能够自动化AI工程中的绝大部分工作。至于AI研究本身有多少能被自动化，虽然还不完全清楚，但迹象已经足够明显。

质疑声也来了

克拉克的观点抛出后，行业内也出现了一些理性的质疑声音。

华盛顿大学机器学习教授、《终极算法》作者佩德罗·多明戈斯回复道：「自50年代LISP语言发明以来，AI就已经能够构建自己了。问题的关键在于，这个过程带来的究竟是递增回报还是递减回报——而目前没有任何证据支持前者。」

这个观点切中了要害。递归自我改进听起来很科幻，但能循环不等于循环有收益。如果每一代AI优化自己的效率只有边际改善，而非指数级放大，那么这件事的实际影响将非常有限。

也有人对概念本身提出质疑。研究员丹·布里克利问道：「RSI到底有没有一个权威的定义？」

另一个更尖锐的观察来自账号@crepesupreme：克拉克预测2027年的概率是30%，2028年是60%。这意味着在一年内概率跳升了30个百分点，暗示着2027到2028年之间可能存在某个不连续的、突变性的能力事件。那么，这个具体事件可能是什么？

克拉克在通讯文章中回应了这个隐含的问题。他认为，AI研究仍需要某种创意上的突破，才能真正进入「自我研发」的循环，而AI目前在创造性方面尚未表现出变革性的能力。这正是他只给2027年设定30%概率的原因。而如果这个能力缺口在2028年底前被填补上，概率就会升至60%。同时他也承认，自己预测的是概率，而非确切的时间点。

还有人提出了一个更直接的问题：「你在Anthropic工作，为什么要去翻公开数据？直接走下楼去问你的研究员同事不就行了？」

克拉克的答案体现了一种严谨：使用公开数据，是因为公开数据才具有可验证的公信力。他要的不是内部的主观判断，而是一个任何人都能独立核验、基于客观事实的结论。

窗口还开着，但在缩窄

那么，为什么克拉克不给2027年更高的概率呢？

他在通讯文章中解释道，因为他认为AI研究仍然包含一些对创意和直觉的要求，而AI目前在这一领域只有「诱人的早期信号」，尚未取得系统性突破。他举了两个例子：一是Gemini模型参与攻克埃尔德什数学问题，在700个问题中解出了1个被数学家认为具有一定原创性的解；另一个是斯坦福、UBC等机构与Google DeepMind的合作，其中AI在发现新的数学证明中起到了「非常实质性的作用」。

这些成果，在AI能力演进的时间轴上，或许可以被视为某种早期信号。克拉克估计，如果到2028年底仍未出现他所描述的情况，那可能意味着当前的技术路径存在某个根本性的能力天花板，必须依靠人类的创意才能突破。

然而，比「是否发生」更关键的问题是「如果发生了」之后该怎么办。

Anthropic在2026年3月宣布成立「Anthropic研究所」时，其官方声明中写了这样一句话：「如果AI系统的递归自我改进确实开始发生，那么世界上谁应该被告知，以及这些系统应该如何治理？」

连Anthropic自己，都还没有这个问题的完整答案。

克拉克在文章中给出了一个更技术性的担忧：假设今天的AI对齐技术有99.9%的准确率，在递归迭代50代之后，准确率会衰减到95.1%；迭代500代之后，将骤降至60.5%。除非对齐方案在理论上能保证在更智能的系统上同样有效，否则问题很快就会失控。

或许，克拉克真正想说的是：

。他希望通过这篇文章发出一个提醒：关于这件事的讨论、研究和治理设计，所剩余的时间，比大多数人想象的要短。

行业的动向也印证了这种紧迫感。根据山姆·奥特曼的直播及相关媒体报道，OpenAI的目标是让AI在2026年9月前达到「AI研究实习生」的水平，并在2028年实现更完整的自动化研究员能力。Anthropic自身也在发表自动化对齐研究的概念验证。一家名为「递归超级智能」的新公司刚刚完成了5亿美元的融资，其核心目标之一就是自动化AI研究。

整个行业，已经在朝这个方向全力加速。

克拉克总结道，无论从哪个维度审视，数据都指向同一个方向。每一条能力曲线，都在向右上方飞速延伸——时间越长，能力越强，而且没有任何一条曲线显示出减速的迹象。