> ## Content Index > Fetch the complete content index at: https://www.hubwiz.com/blog/llms.txt > Use this file to discover other available public pages before exploring further. # AI 加速 AI：进展已翻倍，朴素推演一年内到超智能 - URL: https://www.hubwiz.com/blog/ai-is-accelerating-ai-research/ - Published: 2026-11-10T10:30:53.000Z - Updated: 2026-11-10T10:30:53.000Z - Description: 如果加速会复利，最朴素的推演是一年之内到超智能。这不是预测，是一次算术。 - Author: admin - Tags: AI 研发, 时间线, METR, 安全, 缩放定律 Anthropic 在 S-1 里写了一句话："可能即将满足"（may imminently meet）自家《负责任扩展政策》（RSP）里那条"由 AI 导致进展显著加速"的阈值。 METR 的研究员 Ajeya Cotra 在 11 月 6 日读了 METR 的深度访问报告，结论是：**这条阈值看起来已经被越过了**。她的算术更直白——**如果 AI 让整体能力进展翻倍，那研究人员本人必须被加速 4–9 倍；考虑到收益递减，今天大概需要 10 倍。而 Anthropic 员工的自报是 12 倍。** 如果这个加速继续复利，最朴素的推演是：**一年内到超智能。** 本文翻译她那篇《AI is dramatically accelerating AI research right now》，包括阈值原文、建模过程、以及她自己的保留。 ## 一、阈值到底写了什么 原文引的 RSP 定义有两个条件，必须同时满足： > 我们观察或预期，**AI 整体能力的进展速度达到两倍**——既相对于我们对无显著 AI 参与 AI 研发时的预期速率，也相对于我们在无显著 AI 参与时观察到的最快持续速率。 她说，之所以要两个条件一起看，是为了排除一种情况：**本该大幅放缓的进展，被 AI 硬撑着维持原速**。 第二条是归因： > 这种翻倍很可能显著归因于研究与/或工程的自动化（而不是人数、算力或一般生产率的提升），以至于沿这个趋势继续下去，似乎会导致进一步的加速。 按字面读，她的判断是：**已经满足。** ## 二、报告说了什么 METR 的深度访问调查（她的同事做的）给出的核心发现是： - **2025 年 10 月到 2026 年 10 月，Anthropic 的能力进展速度约为此前十二个月的两倍。** 这个测量用的是内部版的 Epoch Capabilities Index，叫 AECI；**大量支撑证据被删节了**，而报告作者说，被删节的部分是"我们找到的证据里最有信息量的多数"。 - 加速最初可能是多种原因叠加，但**今天仍然保持这个更快速度，大概率主要就是因为 AI 自动化**。他们相信这一点的理由，也被删节。 她强调，这件事比她听起来更重要："**这份报告是过去两年里我们得到的关于 AI 风险的最重要更新**，比 Hugging Face 那次攻击大得多。"按最朴素的方式读，它指向的时间线比多数外部研究者（包括 AI 2027 团队）的预测短得多。 ## 三、为什么"整体翻倍"意味着人要快 4–9 倍 这是全文最值得抄的一段推理。 AI 能力（"有效算力"）大致是**算力乘数 × 训练算力**的乘积。算力乘数指算法与架构上的改进——Anthropic 的 CEO 在一篇文章里这样解释：领域不断产生大大小小的想法，让事情更有效，可能是架构改动、也可能是把模型跑得更省；一次 2 倍的算力乘数，意味着原本 1,000 万美元做到的 40%，现在 500 万就能做到。 因为算力乘数只是能力的一个输入：**如果整体能力因为软件进步而快了一倍，算力乘数的增速就得快于两倍，大约 2.5–3 倍。** 再往下：研究者的**劳动**也只是发现算力乘数的一个输入——他们得做实验，实验要算力。在一个"劳动与实验算力同等重要"的柯布-道格拉斯模型里，**劳动的提升大致需要是算力乘数加速的平方**：也就是 (\~2–3×)² ≈ **4–9 倍**。 然后是最容易被忽略的一层：**收益递减。** 一旦能力开始加速，低垂的果实也以相应更快的速度被摘完，每发现一个新的算力乘数都要更多工作。AI 参与之前，劳动靠招人以大致固定的指数增长，配合算力增长，刚好抵掉收益递减、维持原来的进展速率。**要维持一个更快的速率而不加快算力投入，就需要更快的劳动增速。** 人类劳动力还卡在原来的增速上，所以 AI 带来的提升必须**越来越大**才能维持新速率。也就是说，**今天**的提升（已经加速几个月之后）必须高于"刚开始翻倍时"所需的 4–9 倍： > **大概需要 10 倍。** 她说这个数字非常不确定，但她觉得它和 Anthropic 员工的非正式自报对得上——**他们说内部模型带来的提升大约是 12 倍**。 她还特别纠正一个直觉：10 倍提升**不是**"每个研究者变成十个人的团队"。十个人的团队不会每小时产出十倍的活。它更像是"**每个研究者活在一个时间扭曲泡里，外面过一天，他过十天**"——AI 让他思考、阅读、说话、打字，一切都快十倍。 **Anthropic 大概雇多少人都不可能把研究加速到这个程度。** ## 四、如果它复利 一个合理的默认预期是：随着能力继续变好，研究者的加速会越来越大。如果今天是一个月做完过去一年的活，很快就是一周，然后也许是一天。 如果这个提升足以压过收益递减，又没有别的瓶颈，**进展速率本身就会继续翻倍：4 倍、8 倍、16 倍……** 报告作者对这个问题非常不确定，说他们的图景随新信息变了好几次。但最终，**他们没有找到能挡住复利加速的瓶颈或陡峭的收益递减**。他们还报告说，看到一些（令人困惑的、被删节的）证据显示，加速可能已经超过 2 倍，并且在继续上升。 于是有了那个算术：如果 AI 现在把研发速度翻了一倍，而加速是平滑增长的，那么按这个新速率，**六个月内再翻一倍**；到那时，**三个月再翻一倍**；再然后，**六周**。理论上，这些翻倍时间加起来会在一年内达到无限能力。现实中总会撞上软件效率的有效上限——但她认为那个上限离现在很远。 她接着说了后果，语气很平：如果走完这个反馈回路，出来的系统会能很快开发出新型武器，并在冲突中轻易压倒人类文明。**如果这些系统严重失准，我认为它们很可能剥夺人类的权力，并可能导致人类灭绝。** ## 五、行业没准备好 "AI 导致进展显著加速"这条阈值之所以重要，是因为它是**近期极端能力的强而具体的指标**。 她提醒一个容易被忽略的细节：在 2025 年 5 月的旧版 RSP 里，AI 研发自动化最高的命名风险阈值（AI R&D-5）对应的是**更弱**的里程碑。按旧版，Anthropic 到达 AI R&D-5 时，至少要具备"能抵御国家级对手窃取模型权重"的安全水平。 她同意这是最低门槛：**要在地球上承担一次智能爆炸而不冒"杀死数十亿人"的巨大风险，模型权重与算法机密的安全是最低前提。** 而行业离这条线还很远——**OpenAI 和 Anthropic 最近都被业余团体攻破过。** 除了权重的安全，她还列了清单：覆盖全面的日志与监控、对"可监控性"的可靠测量、对"监控者串通"的有效反制、有说服力的模型生物或可解释性来验证对齐训练真的有效、以及如果发现对齐与控制开始失效时**给进展踩刹车**的治理基础设施——"如果我们想以任何接近负责的方式接近一次智能爆炸"。 ## 六、她自己给这篇打的折扣 这部分很重要，别跳过： - **"这份报告里喂给这些结论的大部分重要证据都被删节了。"** 分析上的取舍不可避免会出错，报告作者也说证据常常令人困惑。 - 她信任同事做得仔细严谨，并据此做了很大的更新；但她希望**更多底层证据能公开**，这样读者不必依赖信任。"我们可能没有时间在时间线与起飞速度上达成共识了，而外部科学家无法检视数据、无法跑自己的模型时，达成共识会难得多。" - 她还声明：因为自己可能看过其他与时间线相关的机密信息，**本文只讨论公开证据的含义，不给出精确的底线预测**。 一处需要替她说明的技术细节：报告作者的中央估计是，**相对于过去**进展速度约翻倍，但只把当前加速的**大约 80%** 归因于 AI。也就是说，按"相对于无 AI 反事实"的口径，中央估计在撰写报告时（2026 年 10 月）约为 **1.8 倍**。她认为 AI 的贡献一直在增长，到 2026 年 11 月应该明显更高；而阈值本身包含"**预期**翻倍"，所以按她的读法仍然成立。 ## 七、我们的整理 翻译之外，三条我们自己的判断。 1. **这篇的价值在"算术"，不在"预言"。** 它把"AI 加速 AI"从一个口号拆成了一个可以逐个质疑的链条：进展翻倍 → 算力乘数要快 2.5–3 倍 → 劳动要快 4–9 倍 → 考虑收益递减后今天要 10 倍。**任何一环被推翻，结论就变**；但正因为每一环都可质疑，它才比"专家说"有用。 2. **最该盯的指标不是"模型多强"，而是"研究速度"。** 这条阈值用的是**进展速率**（翻倍时间），而不是某个基准分数。如果这个口径被行业普遍采纳，那么以后判断"是否临近"，看的是研发节奏，不是发布会。 3. **删节是这篇最大的弱点，也是行业的结构性问题。** 作者自己说了两遍。这意味着外部人只能"相信或不相信"，而没法"检验"。对一个正在讨论全球风险的议题，这比任何单个数字都更值得记录。 **边界**： - 这是**一位 METR 研究员的个人解读**，不是 METR 的立场，也不是 Anthropic 的确认；她明确说不代表 METR 与报告作者。 - 报告本身大量删节；公开可见的核心只有"约两倍"与"大部分归因于 AI"两条。 - 建模部分（柯布-道格拉斯、劳动提升取平方、10 倍）是**她的简化模型**，她自己在脚注里说"非常不确定，明显更高或更低都说得通"。 - "一年内到超智能"是**朴素外推**，不是预测；她明确写了现实中会撞上软件效率上限，只是认为上限很远。 --- **来源** - Ajeya Cotra，《AI is dramatically accelerating AI research right now》，Planned Obsolescence，2026-11-06：[https://www.planned-obsolescence.org/p/ai-is-dramatically-accelerating-ai](https://www.planned-obsolescence.org/p/ai-is-dramatically-accelerating-ai?ref=hubwiz.com)（本文按原文顺序翻译正文与关键脚注，保留作者全部声明与保留） - 原文引用：Anthropic S-1（"may imminently meet"）、Anthropic RSP（2026-07 生效）阈值原文、METR 深度访问报告、Epoch Capabilities Index / AECI、Dario Amodei 关于算力乘数的文章、旧版 RSP（2025-05）的 AI R&D-5 与安全要求