一、实测数据佐证：AI 深度参与自研，研发效率指数暴涨
Anthropic 发布《当人工智能开始自我构建》白皮书，披露 Claude 全链路参与自家模型研发的实测数据，AI 研发迈入自动化新阶段。 从 2021 年全人工编码，到如今 Agent 自主写代码、跑实验、调度多智能体，行业迭代节奏大幅提速。数据显示，目前 Anthropic 入库代码超 80% 由 Claude 生成，工程师人均产出是 2024 年的 8 倍；内部调研证实，借助 Mythos Preview，研究员整体工作效率平均提升 4 倍。
基准测试层面，SWE、CORE 两大行业测评仅两年就被 AI 全线饱和，模型可承接任务时长每四个月翻倍，部分场景能不间断连续运行 16 小时，多项原本需要数年的 BUG 整改工作，AI 短短数日即可落地完成。
二、能力分化：AI 专攻落地执行，人类手握顶层决策权
报告把 AI 工作划分为工程落地与科研探索两大板块，形成清晰人机分工边界。
在代码实操上，Claude 开放式任务成功率半年暴涨 50 个百分点至 76%，代码质量快速追平资深工程师，年内有望实现反超；代码优化场景中，AI 可将程序提速 52 倍，远超人类研究员 4 倍的优化上限。
科研落地环节，AI 能自主设计实验、迭代假设，曾独立完成 AI 安全课题，补齐 97% 实验差距。但在研究方向筛选、全局研判层面人类仍具备不可替代优势，当前 Claude 给出优质科研决策的比例仅 64%，研究品味与长远规划仍是人类核心护城河。
三、三大未来演化路径，预判递归 AI 发展走向
报告提出三种行业发展可能性，覆盖不同演化结局：
第一种为增长遇阻，受算力、芯片、全新架构约束，AI 能力增速放缓，但现有智能化工具仍会大规模落地，中小企业用人结构迎来变革；
第二种是效率持续提升，AI 包揽全部落地执行，人类只负责选题与结果校验，百人体量公司可达成千人产能，但人工审核会成为全新瓶颈；
第三种是递归闭环，AI 实现自主研发下一代模型，进入自我改进循环，既能在医药、科研领域创造巨大价值，也存在失控、对齐失效的潜在安全风险。
四、安全共识：全球协同管控成刚需
面对递归 AI 潜在隐患，Anthropic 倡议全球建立统一 AI 管控体系。单一企业暂停研发难以改变行业竞争格局，只有多国科研机构、监管部门达成可验证的约束协议，才能稳妥把控前沿 AI 发展节奏。
后续 Anthropic 将联动各国政策研究者、科技企业，围绕 AI 暂停、合规监管展开公开研讨，为行业划定发展红线。
AI 速览
