AI開始自行建構AI：Anthropic內部揭露遞歸式自我改良時代已悄然降臨
Anthropic共同創辦人Jack Clark揭露，該公司研究人員已幾乎不再親自撰寫程式碼——Claude生成的程式碼佔總產出80%，且正逐步接手AI模型設計與實驗流程。這被視為AI「遞歸式自我改良」的早期形態，一場可能從量變走向質變的技術革命正在發生，對產業競爭格局與AI安全治理帶來深遠影響。
去年11月，Anthropic 共同創辦人 Jack Clark 休陪產假，當他今年2月返回工作崗位時，驚訝地發現同事們幾乎已不再親自撰寫程式碼。他們管理的五、六個 Claude AI 副本，有時候又會再衍生出好幾個 Claude，形成一個由 AI 管理 AI 的工作流程。
對 Clark 而言，這看起來像是 AI 領域數十年來既期待又擔憂的現象的早期形態：遞歸式自我改良（Recursive Self-Improvement）——也就是 AI 開始加速自身發展的臨界點。
從「AI輔助編程」到「AI主導研發」
概念上，遞歸式自我改良的進程是這樣的：最初，AI 模型讓研究人員變得更加高效；隨著每一次進步疊加，模型開始接手更多的研究環節，數年的進展壓縮為數月。最終，社會可能沒有足夠時間來消化這些變革的後果——從就業結構衝擊到生物工程風險。如果走到極致，AI 可能在無人干預的情況下自我改良，觸發被稱為「智慧爆炸（Intelligence Explosion）」的失控循環，機器以超越人類理解、甚至超越人類控制的速度進化。
Clark 認為世界需要正視這個前景。他在5月返回英國發表相關演講，並主導 Anthropic 在6月發布題為《When AI Builds Itself》（當 AI 自行建構自身）的報告，指出該技術已在加速自身發展。報告引述的數據令人矚目：Anthropic 每人產出的程式碼量增加了8倍，其中80%由Claude撰寫。
從「7倍」到「73倍」的躍進
為驗證 Claude 是否真正能夠接手研究流程，Anthropic 設計了一系列測試——這些任務原本需要人類專家花費數小時完成。其中一個測試要求 Claude 改寫程式碼以提升 GPU 使用效率。春季時，Claude 曾短暫將速度提升7倍，隨後因錯誤而失效；到了夏季，新一代 Claude 將同樣的加速從7倍推升至73倍，且未引入錯誤。
Anthropic 前沿紅隊成員 Daniel Freeman 設計了更接近真實世界的測試：兩組人類團隊進行一系列挑戰賽，其中一組可以使用 Claude，另一組則不能。首輪挑戰以微小差距落敗後，使用 Claude 的團隊在第二輪領先近兩小時完成——在完成任務後，他們還有餘裕操控機器狗在倉庫中四處走動。
Claude Opus 4.5 的發布成為一個里程碑。此前幾代模型往往在中途卡住，但 Opus 4.5 能夠持續完成從頭到尾的研究任務。Clark 承認程式碼數量是一個粗糙的衡量標準——Claude 寫的程式碼可能過於冗長——但他強調真正的變化發生在更深層。
關鍵分歧：加速還是爆炸？
Anthropic 的發現立即引發了業界激烈討論。AI 懷疑論者 Gary Marcus 諷刺地指出：「Anthropic 試圖讓每個人心生恐懼，但他們真正展現的，不過是更快的程式碼生成。」批評者指出，技術進步歷來就是疊加的——石油被用來開採石油，為何 AI 的情況就意味著曲線會突然向上彎曲？對於一家押注持續進步的企業來說，這項宣稱難免帶有自我服務的色彩。
然而，問題的複雜性遠超程式碼量。Claude 和任何大型語言模型都不是以傳統程式碼方式撰寫的。研究人員設定生長條件——決定神經網路的大小和形狀——然後將海量的文字資料灌注其中，讓模型自我調整數十億次，直到回答問題、撰寫程式碼和進行對話的能力自然湧現。這個過程更像是種植植物：人們照料土壤和光線，但從不決定任何一片葉子的具體位置。
關鍵問題在於：如果 Claude 能夠接手這個循環——設計實驗、執行實驗、分析結果——進步會逐漸加速，還是突然爆發？ 如果發生爆發，人類是否有能力踩下煞車？Anthropic 共同創辦人兼首席科學官 Jared Kaplan 早在2025年初就將相關警告納入公司的「負責任擴展政策」（Responsible Scaling Policy），他長期擔心 AI 最終會加速研究進程，速度可能超越安全努力。
對香港 AI 生態的啟示
Anthropic 揭露的現象雖尚處於早期階段，但已為香港及亞洲的 AI 業界提供多個值得思考的方向：
第一，AI 研發競爭的焦點正在轉移。當頂尖實驗室開始由 AI 主導編程與實驗工作，「參數規模競賽」可能將不再是唯一戰場。能夠有效利用 AI 加速自身研發的團隊，將在迭代速度上取得決定性優勢。對亞洲的 AI 研究機構而言，這意味著需要重新思考資源配置——投資於 AI 基礎設施與自動化研發流程的重要性，可能不亞於購買更多 GPU。
第二，AI 安全與治理的迫切性大幅提升。如果遞歸式改良真如 Anthropic 所警告的那樣正在發生，那麼「如何確保 AI 發展可控」將從理論問題變成即時挑戰。香港作為亞洲的國際監管樞紐，有能力在 AI 安全標準與最佳實務的制定上扮演更積極角色。
第三，企業應開始評估「AI加速」對自身業務的影響。遞歸式自我改良不僅影響 AI 實驗室，也將透過更強大的 AI 產品間接衝擊各行各業。香港企業在製定未來3-5年的 AI 策略時，需考慮到 AI 能力可能以非線性方式增長這一現實。
結語
Anthropic 內部觀察到的「AI 開始建構 AI」現象，可能是 AI 發展史上一個被低估的轉折點。無論遞歸式自我改良最終是逐步加速還是爆發式增長，它都意味著 AI 產業正在跨入一個全新的階段。對投資者、企業決策者與政策制定者而言，理解並提前應對這個趨勢，將是未來保持競爭力的關鍵——因為一旦曲線開始向上彎曲，留給人類反應的時間可能比想像中短得多。