AI开始自己造自己：Anthropic联创给出了一个具体日期
Anthropic联合创始人Jack Clark在做了一件很少有大厂高管会做的事：他不是发表模糊的展望，而是把公开的基准测试数据摊开来算了一遍，然后给出一个精确的判断——到2028年底，AI在无人类参与的情况下完成递归自我改进的概率是60%。所谓递归自我改进，指的是AI系统能够自主构建、训练和优化下一代AI模型，人类只充当监督者。这不是科幻设定，而是眼下正在发生的技术趋势的 extrapolation。Clark的依据很直白：AI已经能自动化大部分AI研发工作，从代码编写、实验设计到超参调优，多类核心能力在近几个季度持续陡增，看不到减速的迹象。
这个判断的分量在于它的来源。Anthropic是前沿模型公司中对AI风险表态最谨慎的一家，其联创主动给出概率化的时间表，等于替整个行业画了一条警戒线。60%不是一个随口说说的数字，它意味着在Clark看来，两年多以后这件事更可能发生而不是不发生。对普通人来说，这条时间线的意义不在于2028年会发生什么，而在于它提醒所有人：AI能力增长的斜率已经陡到需要前沿公司自己出来喊话的程度。当造AI的人开始公开为"AI造AI"倒计时，行业叙事的重心正在从"模型有多聪明"转向"谁来控制模型变聪明的速度"。
OpenAI砸100亿成立部署公司：企业AI最大的战争根本不在模型上
几乎在同一时间，OpenAI联合19家投资机构做了一件同样说明问题的事：成立一家名为The Deployment Company的新公司，融资超过40亿美元，估值约100亿美元，OpenAI持有多数股权。这家公司不造模型，专门帮助企业把AI接入自己的业务系统，目标是覆盖超过2000家企业客户。这笔钱花在哪里，本身就是一份行业诊断书——OpenAI用真金白银承认，企业AI落地的最大瓶颈不是模型能力，而是部署：怎么把AI塞进客户那套老旧的ERP、CRM和内部工作流里。
这与AI编程工具市场的变化遥相呼应。奥特曼在开发者从Claude Code转向Codex的争论中公开表态，"谁更强"的投票毫无意义，建议用户按自己的需求选工具。这句话的潜台词是，模型榜单竞争的时代正在结束，Agent工作流和落地部署的竞争才是现在的主战场。同期的TRAE SOLO把移动端、Windows桌面端、网页端三端全部免费开放，支持手机下达指令让Agent在云端执行任务；Anthropic也在客户端被发现未发布的主动助手Orbit，它能自动从Gmail、Slack、GitHub提取信息生成个性化工作简报。所有信号指向同一个方向：巨头们不再比谁的模型跑分高，而是比谁能让AI真正住进企业和个人的日常工具里。
递归自我改进的燃料：算力、融资与一场世纪诉讼
支撑"AI造AI"这条时间线的，是正在疯狂加码的算力竞赛。Anthropic与亚马逊签署了十年千亿美元级的AWS算力协议，锁定5GW算力用于Claude的训练和部署，亚马逊对其总投资最高可达330亿美元，而Anthropic年化营收已突破300亿美元。另一边，软银计划组建新公司Roze AI，用自主机器人建造数据中心，目标估值1000亿美元，预计2026年下半年完成IPO。苹果悄悄下架丐版Mac mini，最低配置升至16GB+512GB——AI热潮引发的存储芯片短缺涨价，已经让普通消费者开始为这场军备竞赛买单。
资本也在为递归自我改进的叙事下注。谷歌旗下GV领投、英伟达跟投，成立仅四个月的Recursive Superintelligence拿到5亿美元融资，估值40亿美元，目标直指能自主完成科研全流程的自学习AI。Anthropic自己则推出了内省适配器（IA），用近700个带标记的问题模型训练，让AI能自我报告不良行为，为未来的自我改进系统装上审计工具。但热闹之中也有一根刺：马斯克诉OpenAI案开庭，其律师当庭公开OpenAI总裁Brockman的私密日记，索赔金额超过1500亿美元，并要求罢免奥特曼。Brockman当庭承认未出资却持有价值约300亿美元的股权。这场诉讼的结果将直接影响OpenAI的上市进程——在"AI造AI"的宏大叙事之下，控制权和股权的争夺同样凶猛。
中国力量：从1200万上下文到开源多模态的全线突围
在巨头争论时间表的同时，中国团队在多个技术方向上同步推进。Subquadratic公司发布了首个1200万token上下文的模型SubQ，基于全新的SSA架构，官方称其领先于Transformer，在100万token场景下速度提升52.2倍，成本仅为Claude Opus的5%。字节跳动开源了250亿参数的多模态模型Mamoda2.5，采用MoE+DiT架构，仅激活12%的参数，推理速度最快提升95.9倍，性能宣称接近闭源的Sora和快手Kling。谷歌也为Gemma 4推出Multi-Token Prediction推测解码架构，不改模型、不降质量，推理速度最高提升3倍，并按Apache 2.0协议开源——本地跑大模型的门槛正在被快速拉低。
开源社区同样火热。一个四人中国团队发布的开源项目Multica，定位是管理多AI agent协作的平台，截至4月底已在GitHub斩获2.27万star，即将启动商业化和新一轮融资。阿里开源了PromptEcho方法，无需标注和训练奖励模型，仅通过冻结多模态大模型的一次前向推理，就能为文生图训练提供高质量奖励信号。上海交通大学发布的SkVM系统，通过提前编译和环境绑定技术，解决AI技能跨模型、跨框架运行不稳定的问题，平均提升任务完成率15.3%，最高减少40%的Token消耗。从底层架构到上层工具链，中国团队在开源生态里的存在感正在以肉眼可见的速度增强。
医学、机器人与生活：AI落地进入实感阶段
技术叙事之外，AI在真实世界的影响开始变得可触摸。哈佛医学院联合医疗机构在《Science》发表研究，在真实急诊场景中，OpenAI o1模型的诊断准确率达到67%，超过了人类内科主治医生的50%到55%——当然，研究同时强调AI取代医生为时尚早，它的价值在于辅助医生在信息匮乏时快速做出初步判断。麦肯锡调研150位医疗高管的报告显示，50%的医疗机构已落地生成式AI，仅1%无意布局AI Agent，预期投资回报率达2到4倍。DeepMind CEO哈萨比斯则公开表态：AI最好的用途是改善人类健康，AlphaFold已预测几乎所有已知蛋白质结构并免费开放。
机器人赛道则呈现出冷热两极。软银要用机器人盖数据中心，前软体机器人创始人高少龙再创业聚焦具身智能数据服务，RoboScience完成10亿元A轮融资；但另一边，机器人"祖师爷"波士顿动力却在IPO筹备前夕遭遇核心高管集体出走，CTO转投Google DeepMind，Atlas人形机器人月产仅4台。前iRobot创始人安格尔再创业，推出能识别人类情绪的仿生宠物机器人Familiar，用于监护独居老人。更富戏剧性的是学术圈的反弹：因AI作弊泛滥，美国多所大学重启了2400年前的苏格拉底式口试来检测学生的真实理解；而一位科研工作者用AI生成42首主题为"别读博"的歌曲，在B站拿下超过5000万播放。从急诊室到博士生的情绪出口，AI正在渗入每一个具体的生活褶皱。
当叙事换剧本，普通人该盯住什么
把这一轮资讯放在一起看，AI行业的叙事已经完成了换幕。上一阶段的主线是"谁的模型更强"，Benchmark榜单和跑分截图是行业的硬通货；现在的主线变成了三个更实际的问题：AI变聪明的速度由谁控制，AI如何进入企业和个人的真实工作流，以及这场变革的成本由谁承担。Jack Clark的60%概率、OpenAI的百亿美元部署公司、TRAE的三端免费、苹果的"AI税"涨价，都是这条新主线的注脚。对企业和开发者来说，与其继续追踪模型榜单，不如认真评估自己的工作流里哪些环节可以被Agent接管——因为部署层的战争已经打响，而赢家往往是在战场形成之前就进场的人。
对普通人而言，值得盯住的是三件事。第一，递归自我改进的时间表之争才刚刚开始，Anthropic内部恐怕也不是铁板一块，黄仁勋就公开批评过行业领袖的极端言论，后续的争论会比数字本身更有信息量。第二，ChatGPT已向美国企业全量上线广告主平台，免费用户将开始看到广告，AI产品的商业模式分裂正在发生，付费与免费的体验差距会越拉越大。第三，端侧和本地的AI能力在快速变强、变便宜，Gemma 4提速三倍、SubQ成本降到Opus的5%，这些都意味着未来两年，运行在自己设备上的AI会从尝鲜变成常态。潮水的方向已经清晰，剩下的只是每个人选择站在哪个位置。
暂无评论内容