当一家公司四分之三的新代码已经由 AI 生成时，人们很自然会问下一个问题：AI 自己搞研究、自己迭代模型的日子，是不是也快到了？
谷歌 DeepMind 的一份内部报告给出了一个不那么性感的回答：还没有。
2026 年 10 月，谷歌工程师海顿·贝尔菲尔德（Haydn Belfield）在社交平台披露了 Gemini 4 Argon 安全与安全报告中的关键发现：DeepMind 超过 75% 的生产代码现在由 AI 编写，完全交给 AI 处理的代码变更比例已从 7.5% 涨到 11.9%。但同一组数据也显示，约 88% 的代码变更仍需人工多轮引导，每次提交前都必须经过人工审核。更关键的是，在覆盖 1389 次内部智能体运行轨迹的测试里，任务越复杂、耗时越长，AI 独立完成的概率越低。
自动化在狂飙，自主化却没跟上。这是目前关于“AI 能否自己加速科研”这个问题，最硬的一组内部数据。
现象：两个数字放在一起看，故事就变了
先说“75%”。这个数字本身足够惊人，而且爬升速度很快。谷歌 CEO 桑达尔·皮查伊（Sundar Pichai）在同一时期表示，公司正在转向“真正智能体化的工作流”，并提到一个具体案例：一次复杂的代码迁移，由智能体和工程师协作完成，速度是一年前纯工程师团队的六倍。代码生成的渗透率也在快速上行：2024 年 10 月约四分之一，去年秋天到一半，如今超过四分之三。
但把“75%”和“88%”放在一起，故事就变了。前者说的是 AI 的“产出占比”，后者说的是人类的“在场程度”。绝大多数 AI 生成的代码变更，仍然需要人来把关、来多轮纠偏、来做最终判断。完全委托给 AI 的比例确实从 7.5% 升到了 11.9%，涨幅可观，但基数仍然很小。
这就像一家工厂：机械臂已经能完成 75% 的焊接动作，但每一道工序旁边仍然站着质检员，真正能无人值守的产线只有十分之一出头。
为什么写代码容易，做研究难
贝尔菲尔德团队的结论很直接：AI 智能体已经成为日常 ML 工程的“变革性力量倍增器”，但它们仍然缺乏独立性和时间跨度，无法在无人干预的情况下驱动端到端的自主研究流程。
这句话拆开看，有两个关键词。
第一个是“独立性”。在包含 74 项真实机器学习工程任务的 Google RE-Bench 基准测试中，Argon 解决了约一半的已完成运行，相比 Gemini 3.7 Flash 的 27% 是大步跨越，但距离全面自动化所需的近乎完美表现仍有明显差距。换句话说，AI 在单点任务上已经很强，但离“把一件事从头到尾自己做完”还差一口气。
第二个是“时间跨度”。在 1389 次内部 Argon 智能体轨迹中，规律很清晰：任务越大、周期越长，零样本成功率越低，人工干预越多。这揭示了一个本质问题——今天的 AI 智能体擅长短跑，不擅长马拉松。而真正的科研，恰恰是一场不知道终点在哪里的马拉松。
谷歌官方博客披露的细节也印证了这一点。Argon 已经能参与 C/C++ 代码库向 Rust 的大规模迁移，规模最大的涉及 Fuchsia Zircon 内核 80 万行以上代码。但正因为这些系统足够关键，所有重写都要经过严格的自动化审计、模拟测试和人工审查，才能上线。能力越强，审查越严——这不是信任的让渡，而是风险的对冲。
报告援引的一项针对 DeepMind 高级研究人员的内部调查进一步划清了边界：在定义明确、结果可验证的任务上，AI 的自动化程度很高；但在创造性研究、实验设计、训练异常诊断和长期规划上，人类仍然不可或缺。这四项，恰好是科研中最难被形式化的部分。
研究加速的证据在哪里
如果说工程任务的自动化还有据可查，那么“AI 正在加速科研本身”这个更宏大的命题，证据就更薄弱了。
贝尔菲尔德明确表示，尽管 AI 在模型研发中的自动化程度持续提升，但目前没有可衡量的证据表明 AI 自主驱动的研究正在加速。为了追踪这一点，研究团队构建了通用能力指数 GCI v1，覆盖 123 个模型、92 项基准测试。数据显示，Gemini 模型的能力以每月约 0.1 个指数的速度稳定增长，没有出现统计学上显著的加速迹象。
更有意思的是对 Argon 表现的解释。Argon 的能力确实略高于增长趋势线，但团队的归因是算力和组织投入的增加，而不是“AI 自己在推动研发加速”。这个区分很关键：如果是 AI 自主驱动，我们应该看到曲线突然变陡；但现在看到的，更像是“人砸了更多钱和机器”带来的线性外推。
两种叙事在打架
谷歌内部的这份冷静报告，和外界的狂热叙事形成了鲜明对照。
包括杰弗里·辛顿、约书亚·本吉奥以及 OpenAI 首席科学家雅库布·帕乔基（Jakub Pachocki）在内的多位研究者曾警告，AI 可能在未来几年内实现研发工作的高度自动化，把数年的进展压缩到几个月。这种“递归自我改进”的叙事，是 AI 风险讨论的核心燃料。谷歌 DeepMind CEO 戴密斯·哈萨比斯（Demis Hassabis）也在 2025 年预测，自动化 AI 研究员“还有几年”就会出现。
但谷歌的一线数据给出了另一种图景：AI 确实在快速渗透工程环节，但它更像是一个效率工具，而不是一个能自己设定目标、自己设计实验、自己判断方向的自主研究者。报告的原话是，AI 驱动研究自动化带来的风险“目前相对有限”。
这两种判断的分歧，本质上是对“自动化”和“自主化”的不同理解。把代码写完，和把研究方向选对，是两种完全不同层级的能力。前者可以被数据驱动、被损失函数优化；后者需要的是对未知领域的判断力，而这种判断力目前还没有被编码进任何模型里。
我们该关注什么
这份报告的价值，不在于它证明了什么，而在于它用内部数据给过热的叙事踩了一脚刹车。
对于产业界，启示很实际：AI 编程工具的投资回报已经清晰可见，该投；但把核心研发流程完全交给 AI，时机未到。谷歌自己的做法是“能力越强，审查越严”，大规模迁移要经过自动化审计、模拟测试和人工审查三重关卡。这套方法论，值得所有正在推进 AI 编程的企业参考。
对于关注 AI 风险的人，启示同样明确：与其担心 AI 明天就自主加速、后天就失控，不如盯住那几个可量化的指标——完全委托的 PR 比例、长周期任务的零样本成功率、能力指数的斜率变化。这些数字比任何宏大叙事都更诚实。
AI 已经学会替人写代码，但还没学会替人选方向。在可预见的未来，决定研究往哪走的，仍然是坐在屏幕前的人——以及他们愿意为算力签下的那张支票。
快报