什么？现在大多数AI代码是由AI自己写的？|代码|假定|算法|编程|速度

这将以数量级的方式加速AI的发展

作者：帕特里克·伍德（Patrick Wood）2026年7月14日

在过去两年的大部分时间里，我一直在追踪一个看似相当可预测的AI发展规律：其能力大约每3.5个月翻一番。这个数字来自METR的时间跨度基准测试——衡量AI智能体在失败前能够自主完成任务的时长。从2024年初到2026年初，数据保持着令人不安的一致性。如果将其绘制成图表，那条曲线以近乎机械的精确度向上弯曲。

我说"似乎是可以预见的"，是因为这个表述现在已经过时了。

打破所有预测模型的变量是递归自我改进（Recursive Self-Improvement，RSI）——在这种状态下，AI系统不再只是人类用来构建AI的工具，而是积极参与构建自身的行动者。我们已经跨越了那个门槛。何时跨越已经不再重要。现在的问题是：当一个能够重写自身代码、运行自身实验、优化自身训练方案的系统开始以任何人类团队都无法指导的速度这样做时，会发生什么？

没有清晰的答案。这恰恰就是问题所在。

究竟发生了什么变化

让我说得具体一些，因为含糊其辞地谈论“指数增长”本身就是一种思想上的懒惰。

截至2026年5月，Anthropic公司确认，合并到其生产系统中超过80%的代码是由Claude——其自身的AI——编写的。不是在Claude的协助下编写，而是由Claude直接编写。该公司的工程师们将这一转变描述为：从亲手完成工作，转变为管理一个完成工作的系统。一位Anthropic工程师公开表示，他个人100%的代码产出都是AI生成的，甚至有一天就提交了22个合并请求。

OpenAI在2026年7月发布GPT-5.6时，包含了一个值得比它实际获得的更多关注的数据点：过去六个月里，用于AI编程推理的内部研究算力份额增长了一百倍，而内部自主代理的token使用量——即AI智能体在OpenAI自身研究基础设施内部自主运行——增长了二十二倍。OpenAI现在正在用自己的前沿模型来诊断训练失败、优化训练系统、运行实验、解读结果、调整计算内核，以及改进下一个模型的训练方案。该公司将此描述为"正在迅速成为标准"。

谷歌在2026年初报告，公司所有新代码中75%由AI生成，而2024年这一比例只有25%。

这些不是生产力统计数据。这些是循环已经闭合的证据。AI现在是其自身开发周期中的主要行动者。

为什么3.5个月翻番的数字从来都是下限，而非上限

当我引用3.5个月能力翻番的数字时，描述的是以人类工程师为主、以AI为加速器构建模型时数据所呈现的情况。这与正在展开的局面有着本质的不同。

RSI对时间线的压缩方式，是任何基准推断都无法提前捕捉到的。基本机制如下：如果在人类主导的开发中AI能力每X个月翻一番，而现在AI正在主导自身开发的相当大一部分，那么到下一次翻番的有效时间，就会按照AI控制开发循环的比例缩短。

如果AI处理80%的代码产出，而且这个比例还在上升，那么你面对的就不是翻番时间的线性压缩。你面对的是一个反馈循环——每一代AI都比前一代更快地生产出更强大的继任者，而那个继任者继承了其前身完整的研究基础设施。

谷歌DeepMind在2026年6月的论文《从通用人工智能到人工智能》（From AGI to ASI）中，将这种不受约束的发展模式描述为可能是"双曲线型"的——也就是超指数型，一条在理论上向奇点冲刺的曲线。作者们谨慎地指出，现实世界的资源约束会在曲线垂直上升之前将其弯曲为S形。算力需要花钱。电力需要物理基础设施。芯片制造需要多年的供应链建设。这些都是真实存在的摩擦点。

但摩擦点不是终点。它们减缓曲线，却无法逆转它。

随时可能发生突破

在这里，出于学术诚信，我们必须承认包括我自己在内的任何分析都有其局限性。

RSI不只是加速已知的过程，它还创造了质变跃升的条件——那种回过头看像是从天而降的变化。科学史上充满了这样的时刻。它们不是随机的，但也无法预测。你无法对一个真正新想法的到来建模。你可以创造使这类想法更有可能出现的条件，而一个每天运行数百万个研究周期、并不断改善自身运行这些周期的能力的AI系统，恰恰就是这样的条件。

这在实践层面的含义是："ASI什么时候到来"这个问题无法用一个日期来回答。严肃预测者之间的共识——不是标题党，而是AI-2027团队、METR研究人员、谷歌DeepMind论文作者——集中在2026-2027年范围内实现AGI，ASI在此后数月至数年内跟随而来。但这些估计假设进展沿着大致连续的曲线推进。RSI引入了不连续跳跃的可能性——那些能力不是缓慢前进而是猛然跃升的时刻。

没有人知道这些时刻何时到来。这不是分析的失败，这是这种现象的本质。