整个行业都在说同一件事，但只有一家公司交出了存折。
当地时间 9 月 17 日，Anthropic 首次以量化方式公开了内部 AI 研发自动化的真实进度。数据比大多数分析师预期得更快：截至 2026 年 8 月，Claude 在公司 26% 的 AI 研发工作中已经处于“主导”地位——人类只负责给出高层指令和最终监督，Claude 端到端完成从方案到交付的绝大部分任务。而同年 2 月，这个比例还不到 1%。
半年从不足 1% 到超过四分之一。一条权杖交接的曲线已经画出了轮廓。
数字背后的工程真相
这组数字并非 Anthropic 自行定义。他们沿用了独立研究机构 Epoch AI 开发的六级自动化框架（Automation Level, AL），从 AL0（无 AI 参与）到 AL5（完全自主、无人在环）。其中三个临界点定义了这条曲线的阶段性：AL3 代表 AI“协作”——人在主导但 AI 能独立完成大块工作；AL4 代表 AI“主导”——人给定高层目标，AI 端到端执行，人类监督；AL5 则是彻底的无人化。
截至 8 月的数据显示：Anthropic 超过 90% 的 AI 研发工作已达到 AL3 或以上；26% 达到 AL4；AL5 尚未在任何被测量的类别中出现。
一个具体场景可以帮读者理解 AL4 的含义。Anthropic 在博文中用“夜间数据管道故障”做了典型案例：在 AL4 模式下，工程师只需要把故障告警和一句“修好它”交给 Claude，Claude 会自主查看日志、定位根因、编写修复代码、处理新冒出来的次级问题，最后重跑管道、对比输出结果、撰写事故报告。工程师不需要全程盯屏，只需在最后阅读报告并决定是否上线。而在 AL5——目前没人达到的级别——工程师连被告知都不需要。
博文同时披露的另两组数据同样重磅。Anthropic 内部 Agent 平台上，任意时刻约有 3 万个 AI Agent 同步运行，它们拥有独立身份标识，通过共享信息空间互相委派任务、交叉纠错。8 月，这些 Agent 累计产生超过 10 亿次独立决策。所有 Agent 动作在执行前都要经过在线监控，当月约 0.002% 的决策被阻止——相当于每 4.7 万次触发一次干预。离线监控每周标记约 10 万条对话记录进入自动化复审，其中最高优先级的大约 50 条会升级到人工审查。
在算力分配方面，Anthropic 首次做了精确记录：7 月 13-20 日的样本周内，投入 AI 研发的总算力中约 6% 用于安全研究；如果只统计 AI 驱动的研发部分，安全算力占比升至约 12%。但 Anthropic 也坦承这一数据存在偏差——那些同时提升模型能力和安全性的工作被归入了能力研发范畴。
RSI 竞赛：三方竞速
Anthropic 这组数据的冲击力，远不止于一次透明度操作。它指向了行业目前最深层也最危险的叙事：递归自我改进——当 AI 开始主导下一代 AI 的研发，研发效率曲线将从线性变为指数级。
Anthropic 发文前后的 72 小时内，恰好是这一叙事在行业层面最密集的自我证明。
9 月 6 日，OpenAI 宣布达到 Sam Altman 在 2025 年 10 月设定的目标：自动化研究实习生已经就位——一个能在人类指导下完成需要熟练研究员数天工作量的系统。到 8 月中旬，OpenAI 研究组织内部录得 3.1 个 agent 工作日对每个人类工作日，中位数研究员的推理算力消耗已超过每天 600 美元（按 API 价格计）。Altman 的下一个节点是 2028 年 3 月前实现自动化 AI 研究员。而 OpenAI 自己也坦承，最薄弱的环节仍然是“决定做什么”——任务一旦超过 4 小时，就需要人类频繁介入。
9 月 16 日，智谱创始人唐杰发布了 GLM-5.3-Flash 的部署案例。在超过 10 万颗国产 AI 加速器组成的集群上，从首次运行到承载全部生产流量只用了两周，端到端吞吐量提升约 3 倍。其中大量基础设施优化由 GLM-5.3 驱动的 Infra Agent 完成——Agent 自主排查了长上下文精度漂移、调用链 GIL 未释放、Decode 内核冗余计算等一系列典型问题。唐杰的判断是“我们还没有达到递归自我改进”，但“模型优化系统、系统服务模型”的最小闭环已经出现。
在硅谷的另一端，谷歌 DeepMind 的进化式编码智能体 AlphaEvolve 已从算法自动设计延伸到了实际的芯片电路优化。谷歌前首席科学家 Jeff Dean 曾在一场内部活动中将这一状态形容为“TPU 的大脑在设计下一代 TPU 的身体”。
谷歌 DeepMind 首席战略官 Jagjit Singh Chawla 此前的一句话点透了这轮军备竞赛的底层逻辑：RSI 正在成为 AI 资本开支的核心投资逻辑。虽然当前 AI 收入还撑不起正在投入的资本开支，但不下注 RSI 并不明智。
透明度本身就是一种竞争武器
Anthropic 这次披露的用心不止于信息透明。如果 Dario Amodei 此前发表的“前沿 AI 必须减速”倡议是在道德和监管层面踩刹车，那么这次量化公告就是在工程层面公开财报——把自己的核心指标摆上桌面，然后等着看谁不跟。
Anthropic 不仅公布了指标，还详细公开了方法论，并呼吁其他前沿实验室按相同框架定期披露，实现跨实验室横向比较。他们甚至计划邀请独立第三方进驻公司，访问内部系统和数据，对安全实践和度量标准进行独立验证。Anthropic 的赌注很简单：谁不跟，谁就在事实上承认自己追赶不上。
当然，这套框架也有其内在局限。Anthropic 坦承，“协作”与“主导”的边界存在主观判断成分。跨实验室比较需要各方对同一方法论的认同——而这在商业竞争环境下并非易事。更根本的问题是，Anthropic 用 Claude 来评估 Claude 的表现：Judge 和被判断者属于同一个模型家族，这是方法论上的天然局限。
即便如此，这组数据已经释放了一个不可逆的信号：在此之前，AI 研发自动化程度是每个实验室最核心的秘密之一；在此之后，它正被推向行业透明度标准。而这对于 OpenAI、Google DeepMind 等竞争对手来说，是一种比技术参数竞赛更加微妙也更具穿透力的压力——对手已经把牌摊开了，你的跟还是不跟，本身就是一种表态。
一个正在逼近的临界点
回到这组数据的核心含义。26% 还不是临界点——超过 50% 的研发由 AI 主导才是真正意义上的转折——但它已经跨过了“不可忽视”的门槛。
更值得关注的是加速度。从 2 月不足 1% 到 8 月的 26%，半年 26 个百分点。如果这个趋势持续不自然放缓，年底之前这个数字将逼近甚至超过 50%。当然，趋势也可能自然收敛——更困难的研发环节自动化门槛更高，安全约束也会主动踩刹车。但一个判断已经可以从数据中读出：递归自我改进不再只是论文里的猜想和播客里的谈资，它正在变成实验室里真实的任务看板。
当 AI 开始主导 26% 的自我研发，这意味着 26% 的研发工作已经不再受人类工程师的工时瓶颈限制。它可以在夜间跑，可以在周末跑，可以在人类休息的时候持续迭代。这是研发效率叠加上去的第一级飞轮惯性。
留给竞品判断和调整的时间，比大多数行业分析报告的预测窗口要短。
快报