【AI自我进化的临界点：Anthropic CEO预言6到12个月内实现递归自我改进】

Anthropic CEO Dario Amodei 最近的一段访谈在技术圈引发热议。他描述了一个正在逼近的临界点：AI模型即将能够完成软件工程师的绝大部分工作，并由此开启递归自我改进的循环。

Dario 的设想很清晰：先打造出擅长编程和AI研究的模型，再用这些模型来生产下一代模型，形成一个不断加速的闭环。这个曾经停留在理论层面的构想，如今正在变成现实。

他透露，Anthropic内部已经有工程师表示“我不再写任何代码了”。他们让模型生成代码，自己只负责编辑和周边工作。这种工作模式的转变，比大多数人预想的来得更快。

Dario 给出了一个大胆的时间表：6到12个月内，模型将能完成软件工程师的大部分甚至全部工作。

当然，他也坦承这个循环存在瓶颈。芯片制造、模型训练时间，这些物理层面的约束无法被AI加速。完整的递归自我改进可能还需要几年时间。

这番言论在社区引发了两极分化的讨论。

支持者指出，半年前Dario预测模型将生成80%到90%的代码，如今这个预言基本应验。Claude Opus 4.5在代码优化上已经超越人类开发者，Anthropic仅用一周半时间就用它构建了CoWork产品。按这个速度外推，他的新预测并非空穴来风。

质疑者则认为，写代码从来不是软件工程的全部。参加需求讨论、理解业务约束、处理遗留系统的复杂性，这些才是工程师真正的价值所在。让AI写出能运行的代码是一回事，让它理解一个组织的特定语境是另一回事。

有意思的是，一位资深工程师的观察或许更接近真相：AI确实在改变工作方式，但它更像是把工程师从重复劳动中解放出来，让他们能专注于解决更多问题。这究竟会导致每个工程师承担更多项目，还是工程师岗位的大规模缩减，目前还没有定论。

递归自我改进的真正挑战在于：它需要的不仅是写代码的能力，还有提出新想法、设计新架构、评估改进效果的能力。这是一个从量变到质变的跨越。

有人引用了一个有趣的类比：仅仅因为设计汽车的工程师工作效率翻倍，并不意味着汽车就能跑得更快。AI研究不只是写更多代码，而是科学探索和创新。

但反过来想，AlphaFold已经解决了蛋白质折叠问题，证明AI确实能在重要的开放性问题上取得突破。如果这种能力延伸到AI研究本身，事情就会变得非常有趣。

无论如何，一个不争的事实是：我们正站在一个转折点上。接下来的6到12个月，将是检验这些预言的关键窗口期。

reddit.com/r/singularity/comments/1qiqatj/recursive_selfimprovement_in_6_to_12_months_dario