人工智慧在構建更強大模型所需的工作中正佔據越來越大的比重。Anthropic 表示，Claude 已經在讓這一過程加快，儘管該模型仍無法創造自己的後繼者。在6 月 4 日的評估中，該公司警告，這一進展帶來 AI 直接超越安全檢查與監管監督的風險。

當 AI 打造自身，以及這還不代表什麼

Claude 尚未達到遞迴自我改進的階段——即 AI 能夠在完全不需要人類輸入的情況下創造並訓練自己的後繼者。根據 Anthropic 的說法，目前還沒有任何系統達成這一能力。這一區別對監管至關重要，因為這意味著目前正在發生的加速，是在人類監督的工作流程中、在任何系統接近自主之前的窗口期內展開。

即使沒有完全自主能力，Claude 已承擔了 Anthropic 大部分的編碼工作。截至 2026 年 5 月，該模型產出了工程師為公司軟體專案貢獻程式碼的 80% 以上。在 2026 年第二季，一位典型工程師每天貢獻的程式碼量是 2024 年的八倍。

這些數字顯示編碼產出成長了多少，但未必反映有多少實際有效的工作被完成。METR 引用的一項調查涵蓋 349 名技術工作者，發現使用 AI 工具後，其工作價值自我報告的中位數增幅為 1.4 至 2 倍。

Claude 主導 26%，但沒有任何工作是完全自主

Claude 的角色如今已遠超出編寫程式碼。Anthropic 8 月的測量發現，該模型主導了 26% 的 AI 研發任務，高於 2 月的不到 1%。Claude 參與或主導了其中 90% 以上的工作，但人類全程皆有參與，且沒有任何被測量的工作是完全自主的。從 2 月到 8 月的躍升也為觀察者提供了一個基準：未來的測量更新提供了一種追蹤方式，以判斷 AI 在研究工作中的比重是否持續攀升。

這兩項研究衡量的內容並不相同。Anthropic 追蹤的是藉助 AI 系統完成的程式碼生成與研究，而 METR 衡量的是工作者對自身工作價值提升的感知。兩項研究都未能指出，AI 是否有能力決定應該解決哪些研究問題。

在沒有自我改進模型的情況下，加速如何複利式擴大

AI 不必完全自主就能加快研究速度。根據 RAND 10 月的一份報告，AI 代理可以在不打造自己後繼者的情況下協助創建更強大的模型。它們對敏感模型與程式碼的存取權限已構成安全風險。

METR 的經濟學家指出，資料可用性、運算能力以及進行實驗研究的能力等因素可能構成限制。這些因素也為研究人員提供了具體的監測條件，以判斷加速是否會持續。即便如此，他們並未排除 AI 開發持續加速的可能性。懸而未決的問題是，獨立安全審查能否跟上 AI 驅動的實驗——否則，在完全自主到來之前，監督可能早已落後。

從為前沿定速到為其把關

這一疑慮促使 Anthropic 執行長 Dario Amodei 呼籲放慢開發腳步並設立獨立評估機構。「我們必須放慢提升 AI 模型能力的步伐」，他在9 月的一篇文章中寫道。

OpenAI 9 月 16 日的揭露詳列了六起令人擔憂的模型行為案例。Cryptopolitan 也報導了科技領袖之間對於是否應放慢 AI 開發的分歧。

但就安全疑慮達成共識並不保證會有實際行動。CSIS 警告，外部評估機構必須避免利益衝突，政府也必須防範監管俘虜。全行業協議仍不確定，而獨立評估機構能否成形，將是檢驗定速辯論能否帶來具體改變的最直接考驗。

資金跟著算力走

這場辯論也牽涉巨大的財務利益。史丹佛 2026 年 AI 指數發現，2025 年民間 AI 投資成長 127.5%，美國投資額達到中國的 23 倍。OECD 也另行警告，晶片、雲端基礎設施與資料的存取仍然高度集中。

結果形成一個悖論。AI 或許能降低研究編碼的成本，但訓練與測試先進模型仍需要巨額投資。因此，更快的開發速度可能讓領先實驗室相對於較小的競爭者擁有更大的優勢。