新智元报道
Anthropic的联合创始人Jack Clark，在研究大量公开数据后，得出了一个惊人的结论：到2028年底之前，AI自我生成的可能性高达60%。
有人认为，未来不久，AI将具备自行构建自身的潜力。
这位专家就是Anthropic公司的创立者之一Jack Clark。
在今年的5月4日，Clark于X平台上发文指出：“我认为，在2028年底之前实现递归自我改进（RSI）的概率为60%。”
除此之外，他还担任《Import AI》的创始人兼主要撰稿人，专注于追踪AI能力的发展。
发布该推文的同时，Clark在自己的专栏中发布了一篇深入的文章。
文章详细分析了这一现象及其背后的原因和依据。
这一前景让Clark感到既震惊又困惑。他表示，虽然他不愿意接受这个观点，但这种变化的影响实在太深远，以至于让人感到渺小，并质疑社会是否已准备好应对由此带来的挑战。
在他的文章中提到，如果这一现象发生，人类将迈入一个难以预测的新时代。
虽然他认为RSI不会在2026年实现，但他预计一两年后可能就会有非前沿模型出现初步的概念验证：即某一代AI能够端到端地训练出它的继任者。
支撑他这一结论的依据主要来自于公开资源中的信息，包括arXiv、bioRxiv和NBER上的论文以及他对各大实验室产品的持续观察。
他认为，今天所有的技术组件都已准备就绪，接下来的问题是：模型何时能够积累足够的创造力来推动前沿的发展？
四年
从30秒到12小时
Clark的核心论据在于一系列能力的进展曲线。
METR机构的时间轴图显示了这一趋势。
根据METR的数据，AI系统能独立完成任务的成功率正在迅速提高。
从2022年到2026年的短短几年间，GPT系列模型的性能已经从30秒飞跃到了12小时。
- AI能力研究员Ajeya Cotra预测，在2026年底前，这一数字有可能突破至100小时。
- 与此同时，编程能力也在迅速提升。
- 截至2025年，Claude Mythos Preview已经达到了93.9%的得分水平。
- 从2024年到2026年的测试成绩中可以看到显著的进步。
- Anthropic内部的另一个测试也表明，模型优化小型语言模型训练代码的速度正在迅速增加。
此外，Clark认为大部分AI研究工作属于“汗水”型任务，如数据清洗、实验和参数调整等，而非创新性的灵感。
他进一步指出，即使偶尔出现重大突破（例如Transformer架构），这些也仅占整个过程的1%，而其余99%的工作正被快速自动化的进程所接管。
AI已经能在某些方面管理其他AI系统。比如Claude Code这类工具可以分配任务给多个子AI并汇总结果，这与人类团队运作方式相似。
PostTrainBench测试显示了AI在微调模型以提升特定任务性能方面的进展。
截至2026年3月，AI系统在这方面已经能接近人类研究员的水平。
Anthropic内部的一个概念验证项目也展示了AI在解决AI安全和对齐问题上的潜力。
Clark综合这些证据认为，当前技术已能够自动化大部分AI工程任务，并且迹象显示AI研究也有望实现进一步的自动化。
然而，Clark的文章发布后引发了业内的一些质疑。
华盛顿大学机器学习教授Pedro Domingos指出，从LISP发明以来，AI就有能力构建自己。然而，如果这个过程带来的只是递减而非递增回报，则其重要性有限。
另一位研究者Dan Brickley则提出了对“RSI”定义的疑问。
一个账号名为@crepesupreme的人士提出，AI概率从2027年的30%到2028年的60%，暗示可能存在某个关键事件导致了这种跳跃式增长。
对此Clark回应说，他认为创意突破是进入“自我研发”循环的关键。如果没有这样的突破，RSI的可能性将大大降低。
同时他也承认自己的预测只是一种概率估计，并非确定的时间点。
- 有人问为何他不直接向公司内部研究员获取信息，Clark解释说公开数据才是具有可信度的来源。
- 他列举了一些早期迹象表明，AI正在尝试解决复杂的数学问题和发现新证明。
- 更重要的是，一旦这一现象成为现实，随之而来的问题将更加严峻。例如如何治理这些系统？
- 连Clark自己也在文章中表达了自己的担忧：当前的对齐技术在经过多代迭代后其准确率将迅速下降。
Clark试图通过这篇文章提醒人们讨论、研究和制定治理策略的时间紧迫性。他认为留给这些问题的答案时间窗口正在缩小。
据报道，OpenAI的目标是让其AI在2026年达到“实习研究员”水平，并于2028年实现完全自动化；同时Anthropic也正在进行相关概念验证工作。
99%的工程活
AI快接完了
整个行业都在朝着这一目标加速发展。Clark认为无论从哪个角度来看，所有的数据都指向同一个方向：随着时间推移，AI的能力将不断增强，且没有减速的迹象出现。
Clark给出了一个框架，引用了爱迪生那句话：天才是1%的灵感和99%的汗水。
他认为，AI研究也是如此。
一个典型的AI研究循环是这样的：拿一个现有系统，在某个维度上扩大规模，观察什么地方开始出问题，修掉工程问题，再扩大一轮。
这个过程里，大部分工作是数据清洗、跑实验、调参数、读论文、复现结果，这些都是「汗水」，不是「灵感」。
偶尔会出现真正改变范式的发明，比如Transformer架构，比如混合专家模型（MoE）。但那是1%，而且这1%越来越不是瓶颈，因为那99%的工程工作正在被AI快速接管。
Clark列了几个信号：
AI已经能管理其他AI。Claude Code、OpenCode这类工具里，单个AI可以扮演「项目经理」，把任务分发给多个子AI并行处理，之后汇总结果。
这和一个人类研究团队的组织方式没有本质区别。
PostTrainBench测试了一件事：AI能不能自己微调开源小模型，提升它在某个任务上的表现？
这个工作通常是前沿实验室里有经验的研究员在做。
截至2026年3月，AI系统在这个任务上能做到人类研究员效果的一半左右，大约是25%到28%的提升幅度，而人类基线是51%。
https://posttrainbench.com/
Anthropic内部还有一个「自动化对齐研究」的概念验证：让一组AI agent，在AI安全研究问题上自主攻关。
结果是，AI给出的方案超过了Anthropic人类研究员的基线。
https://www.anthropic.com/research/automated-alignment-researchers
Clark把这些证据串在一起的判断是：AI今天已经能自动化AI工程的绝大部分，AI研究里有多少能自动化，还不完全清楚，但迹象已经很明显。
质疑声也来了
Clark的帖子发出后，行业里也出现了一些质疑。
华盛顿大学机器学习教授，《终极算法》作者Pedro Domingos回复到：「从LISP在50年代发明以来，AI就能构建自己了。问题在于，这个过程究竟能带来递增回报还是递减回报——而目前没有任何证据支持前者。」
递归自我改进听起来很科幻，但能循环不等于循环有收益。如果每一代AI优化自己的效率只有边际改善，而不是指数级放大，那这件事的影响范围会非常有限。
还有人质疑概念边界。「RSI到底有没有一个权威定义？」一位名叫Dan Brickley的研究员问道。
另一个更尖锐的观察来自账号@crepesupreme：
2027年30%，2028年60%。一年内概率跳升30个百分点，意味着2027到2028年之间存在某个不连续的能力事件。那个具体事件是什么？
Clark在通讯文章里回应了这个隐含问题：他认为AI研究仍需要某种创意突破才能真正进入「自我研发」循环：AI目前在这一块还没有变革性的表现。这正是他给2027年只打30%的原因；而如果这个缺口在2028年底前被填上，概率就升到60%。
但他同时也承认，自己预判的是概率，而不是确切的时间点。
还有人问他：「你在Anthropic工作，你为什么要去翻公开数据？直接走下楼去问研究员不就行了？」
Clark的答案是：用公开数据，是因为公开数据才有可信度。他要的不是内部判断，是一个任何人都能独立核验的结论。
窗口还开着
但在缩窄
Clark在通讯文章里写：他为什么不给2027年更高的概率？
因为他认为AI研究还包含一些对创意直觉的要求，而AI目前在这一块只有「诱人的早期信号」，还没有系统性突破。
他列了两个信号：一个是Gemini模型参与攻克Erdős数学问题，在700个问题里解出了1个被数学家认为有一定原创性的解。
另一个是斯坦福、UBC等机构与Google DeepMind合作，AI在发现新数学证明中起到了「非常实质性的作用」。
这些结果在AI能力演化的时间轴上，可能是某种早期信号。
Clark的估计是：如果2028年底没有出现他描述的情况，那说明当前技术路径存在某个根本性的能力天花板，需要人类的创意才能突破。
更关键的是「如果出现了」之后的问题。
Anthropic在2026年3月宣布成立The Anthropic Institute时，官方声明里写了这样一句话：
如果AI系统的递归自我改进确实开始发生，那么世界上谁应该被告知，以及这些系统应该如何治理？
https://www.anthropic.com/news/the-anthropic-institute
连Anthropic自己，都还没有这个问题的完整答案。
Clark在通讯文章里给出了一个更技术性的担忧：今天的对齐技术，如果有99.9%的准确率，在递归迭代50代之后，准确率会跌到95.1%；迭代500代之后，跌到60.5%。
除非你的对齐方案在理论上能保证在更智能的系统上同样有效，否则问题会很快出现。
也许，Clark想要说的是：治理窗口是有限的，而且它正在缩窄。他希望通过文章发出一个提醒：这件事留给讨论、研究和治理设计的时间，比大多数人想象的短。
据奥特曼直播及媒体报道，OpenAI的目标是让AI在2026年9月前达到「AI 研究实习生」水平，2028年达到更完整的自动化研究员；Anthropic自己也在发表自动化对齐研究的概念验证；一家叫Recursive Superintelligence的新公司刚刚完成5亿美元融资，其目标之一就是自动化AI研究。
整个行业已经在朝这个方向加速了。
Clark说，无论从哪个维度看，数据都指向同一个方向，而每一条曲线，都在向右上方飞，时间越长，能力越强，而且没有任何一条显示出减速的迹象。
参考资料：
https://x.com/chatgpt21/status/2051314386317295758
https://importai.substack.com/p/import-ai-455-automating-ai-research
https://www.anthropic.com/research/automated-alignment-researchers