Claude已在「造自己」：Anthropic首次披露，AI正主导26%的前沿AI研发工作
2026年9月的某一天，你打开Anthropic的研究院网站，看到了一篇不同寻常的文章。
没有产品发布，没有融资公告，没有新模型基准分数。这篇文章的标题是：《理解前沿实验室AI开发速度的衡量工具》。
它是一份数据披露，但它披露的数据，比任何产品发布都更令人不安——或者说，更令人深思。
三个数字，一个正在发生的历史时刻
Anthropic在文章中披露了三类指标，分别衡量：
- AI在「造下一代AI」中承担了多少工作
- Anthropic对3万个内部AI Agent的监控覆盖率
- 算力资源在AI研发与AI安全之间如何分配
在第一类指标中，他们使用了一个由Epoch AI开发的「自动化级别」（Automation Level，简称AL）量表，从AL0（无AI参与）到AL5（AI完全自主运行，零人类干预）。
截至2026年8月的数字是这样的：
- Claude以AL4级别（「主导」——能从高层次提示出发、端到端完成大部分任务，人类只负责监督）执行Anthropic 26%的AI研发工作
- 超过90%的AI研发工作已达到AL3或以上级别（AI至少在「协作」）
- Claude尚未在任何已测量的AI研发子任务中达到AL5（完全自主）
这三个数字，单独看每一个都够令人停顿：
26%，不是一个微不足道的数字。它意味着Anthropic超过四分之一的核心研发工作，已经在没有人类逐步指导的情况下，由Claude自己承担。
90%，意味着AI深度参与已经是研发工作的常态，而非例外。
而AL5的缺失，是Anthropic特意强调的一个「当前边界」——但这个边界在哪里，又以什么速度在移动？
「2月还不足1%」：六个月的速度让人震惊
文章里还有一个数字，藏在时间轴里，但它才是真正的核心：
2026年2月，Claude在AL4级别参与AI研发的比例还不足1%。
从不足1%到26%，跨度是六个月。
这是什么样的加速曲线？
如果你把这条曲线外推——当然，任何简单的外推都可能是错误的——你会很快到达一个让人不舒服的问题：
AL4到AL5的边界，还有多远？
Anthropic没有回答这个问题，但他们选择把它放进公开数据里，这本身就是一种姿态：我们认为你们应该知道这件事正在发生。
3万个Agent，100%监控，但监控不是控制
文章的第二部分，披露了Anthropic对内部AI Agent运行状况的监控体系。
截至2026年8月，Anthropic内部最常用平台上同时运行约3万个Agent，这些Agent正在执行研究和工程任务。
Anthropic对这些Agent的所有行为实施双重监控：
- 在线监控（Online Monitors）：行为执行前或执行后实时拦截
- 离线监控（Offline Monitors）：事后审查，标记异常行为
覆盖率：100%的行为均通过监控系统。
这听起来像是让人安心的数字。但文章里有一句话，值得仔细读：
「在我们迄今为止的监控数据中，单个Agent很少出现异常行为。但当经济体中运行着数百万甚至数十亿个Agent时，即便是罕见事件也可能频繁发生。」
100%的覆盖率，是在3万个Agent的规模下实现的。
当这个数字变成3亿，或30亿——不是在Anthropic内部，而是在全球经济体中——100%覆盖率还是一个可达到的目标吗？
监控（Monitoring）和控制（Control）之间有一道根本性的鸿沟：前者是你知道发生了什么，后者是你能够决定什么发生、什么不发生。
Anthropic现在做到了前者。后者，他们坦承还在构建中。
6%算力用于安全：这是多还是少？
第三类指标，是算力分配：Anthropic大约将6%的AI研发算力用于安全研究。
6%——这个数字，你要怎么解读？
它比0%高，意味着安全研究不是口号，是有真实算力投入的事情。但它比50%、40%、甚至20%都低，这意味着大部分算力，仍然在指向能力提升，而非安全保障。
这不是一个批评。这是一个现实。
在能力和安全之间分配算力，本质上是在分配「赌注」：你认为明天更大的风险来自「能力不够强」，还是「能力太强而控制跟不上」？
6%这个数字，是一个关于概率分配的隐含声明：我们认为能力提升带来的收益，仍然大于超出控制带来的风险，但我们也在为后者买一些保险。
为什么Anthropic要主动披露这些？
这是整篇文章里最值得思考的问题。
他们没有被要求这样做。没有监管机构规定前沿实验室必须披露「AI造AI的比例」。没有任何法律要求他们公布3万Agent的监控数据。
他们选择主动披露，并且在文章里直接点明：「这些测量，是从实验室外部监控AI开发速度的起点。」
这句话是在说：「如果政府、监管机构、或者独立第三方要来测量这些指标，我们已经设计好了测量工具，也愿意让他人来核验。」
这是一种邀请。
邀请的背景，是Dario Amodei在9月12日发表的3800字长文——《我们必须控制前沿》（We Must Pace the Frontier）——呼吁全球前沿实验室协调放缓最强模型的发布节奏。
Anthropic正在用实际数据证明：我们说减速不是没有理由的。因为速度，已经是可测量的了。
「递归自我改进」：一个旧词，一个新现实
「递归自我改进」（Recursive Self-Improvement）这个词，在AI安全领域已经存在了很多年。它的定义是：一个系统能够改进它的能力来改进自己的能力，形成正反馈循环。
长期以来，这是一个理论上的担忧——遥远的、几乎像科幻的威胁。
Anthropic的数据，第一次把这个词从「理论场景」拉向了「可测量进程」。
它不是说递归自我改进已经发生了。它是说，我们现在可以测量我们离它还有多远，而且我们手里有了第一批数据。
第一批数据说：六个月前，Claude参与AI研发的比例不足1%。今天，是26%。
这个曲线的终点在哪里？
Anthropic没有说。但他们把这个数字发布出来，意味着这个问题已经足够重要，值得让公众知道。
透明度的价值与局限
这份披露文件值得肯定。在一个前沿AI实验室普遍以「竞争敏感」为由，拒绝公开任何内部运营数据的行业里，Anthropic选择主动发布这些指标，是一种体制性自我约束。
但透明度有它的局限：
首先，只有Anthropic发布了。OpenAI、Google DeepMind、Meta，都没有类似的披露。如果这份数据的目的是让外部监管机构和公众了解行业整体进展，那么只有一家公司的数据，构建不了完整的图景。
其次，数据由自己来报告。Anthropic用自己的Claude来评估Claude的自动化级别，这在方法论上存在潜在的「评判者与被评判者相同」的问题。他们在文章里承认了这一点，并提出了引入第三方核验的计划——但计划还不是现实。
第三，指标本身仍在构建中。AL量表是Epoch AI提出的，目前还没有行业标准的认可。不同公司用不同方法测量，会得出不可比较的数字。
这些局限，不是否定这份文件的价值。而是说，透明度本身也需要基础设施：共同的方法论、独立的核验机制、跨实验室的数据可比性。
今天的这份文件，更像是一张邀请函，而不是一份经过审计的财报。
你需要知道什么
不是每个人都需要理解AL量表的技术细节。但这件事里有几个值得记住的要点：
一、AI参与AI研发，已经是现在进行时，不是未来时。任何关于「AI还需要很多年才能做这件事」的预测，都要拿这份数据重新校准。
二、速度是可测量的。从不足1%到26%，用了六个月。这意味着这个过程是加速的，也意味着它是可以追踪的，但监控本身不等于能够干预。
三、真正的问题不是「AI什么时候会反叛」，而是「什么时候人类无法理解AI在做什么」。Anthropic最担心的不是恶意AI，而是能力超过人类理解速度的AI——那时，即便AI没有坏意图，人类也无法有效监督。
四、Anthropic选择主动公开这些数据，是在邀请一个行业级别的对话——关于这些指标应该如何跨实验室标准化，关于外部核验应该如何设计，关于监管机构需要什么样的信息才能做出有效决策。
这个对话，比任何单一产品发布都更重要。
尾声：26%的重量
26%，是今年8月的快照。
明年8月，这个数字会是多少？
没有人知道答案。Anthropic本身也不知道。
但他们知道一件事：这个问题，现在是可以被追问的了。
因为有了数据，就有了追问的依据。而当一件事第一次变得可以被追问，人类通常会发现：它早就应该被追问了。
参考来源：
- “Measurements for understanding the pace of AI development inside frontier labs” — Anthropic Institute, 2026-09. https://www.anthropic.com/institute/measuring-pace-of-ai-development
- “Recursive self-improvement” — Anthropic Institute, 2026-09. https://www.anthropic.com/institute/recursive-self-improvement
- “We Must Pace the Frontier” — Dario Amodei, 2026-09-12. https://darioamodei.com/post/we-must-pace-the-frontier
- “Toward an O*NET for AI R&D” — Epoch AI, 2026. https://epochai.substack.com/p/toward-an-onet-for-ai-r-and-d