昨晚 Anthropic 旗下的 Anthropic Institute 正式发布了一篇关于 RSI（Recursive Self-Improvement，递归自我改进）的长文，标题就叫《When AI builds itself——当 AI 构建自身时》。这不是外部机构对 AGI 的畅想，而是 Anthropic 第一次用自己内部的研发数据，系统讲清楚：Claude 已经在多大程度上参与 Anthropic 自己的 AI 研发，以及如果这条路径继续发展，什么时候可能走到“AI 开发下一代 AI”的闭环。
http://t.cn/AXKCUo6j
Anthropic 开篇说得很直接：过去 AI 发展的每一步都是人驱动的，但现在 Anthropic 正在把越来越多 AI 开发工作交给 AI 自己。继续发展下去，并且有足够算力，最终可能出现一个能够自主设计和开发自己后继模型的 AI 系统，这就是 RSI。Anthropic 强调现在还没有真正实现，但“它可能比大多数机构准备好的时间更早到来”。

为什么 Anthropic 现在突然把 RSI 单独拿出来讲？因为内部数据已经开始出现很明显的拐点。

Anthropic 把自己的演进路线总结得非常清楚：
2021-2023：人自己写代码；
2023-2025：Chatbot 帮人写一部分；
2025-2026：Coding Agent 自己写、自己改；
今天：Autonomous Agent 已经能自己运行代码，还能把数小时的工作继续分给其他 Agent；
再下一步，就是 Closing the Loop——闭环：Agent 自己构建和训练模型，未来的 Claude 由 Claude 自己持续改进。

而且这不是 PPT。

截至 2026 年 5 月，Anthropic 合并进生产代码库的代码里，超过 80% 已经由 Claude 编写；2026Q2，典型工程师每天合并的代码量已经是 2024 年的 8 倍。工程师越来越不是自己写代码，而是在指挥和审核 Claude。

更重要的是，Claude 已经不只是在“写代码”，而是在参与改进 AI 本身。

Anthropic 给 Claude 一段训练小模型的代码，让它不断重写、运行、计时、再优化，相当于一个缩小版的 AI Research Loop。2025 年 5 月 Claude Opus 4 只能做到约 3 倍优化，到 2026 年 4 月 Mythos Preview 已经做到约 52 倍。Anthropic 的评价是，在这种目标明确的研究流程里，Claude 已经在不到一年时间里从“超级助手”走到了“超人类”。

甚至开放式研究也已经开始出现类似趋势。

Anthropic 做过一个 AI Safety 的开放研究项目，由 Claude Agent 自己提出假设、做实验、与其他 Agent 交换结果，再继续迭代。整个过程累计跑了 800 小时 Agent 工作量，消耗约 1.8 万美元算力。人类还负责选题和制定评价标准，但实验设计和执行已经基本由 AI 完成。

所以这篇文章真正重要的地方，我觉得不是“Claude 又变强了”。

而是 Anthropic 自己第一次非常明确地把这条链条摆出来：
AI 帮人开发 AI → AI 承担绝大多数 AI 研发工作 → AI 自己设计实验 → AI 自己选择研究方向 → AI 训练下一代 AI → 下一代 AI 再继续改进自己。

最后一步一旦完成，就是 RSI。

而 RSI 对算力最大的影响，是算力需求的生成机制会发生变化。

以前算力需求主要还是人制造的：多少用户、多少 Token、多少企业应用、训练多少模型。

但如果 AI 开始自己做 AI Research，逻辑就会变成：
更多算力 → 跑更多 AI Agent 和实验 → 更快找到模型和算法改进 → 得到更强 AI → 更强 AI 又可以并行更多研究和实验 → 再需要更多算力。
以前一个研究员一天只有 24 小时，所以研发速度受“人”限制。

未来如果一个 AI Researcher 可以复制成 1 万个甚至 100 万个，那么真正的约束就不再是有多少研究员，而是有多少 GPU、多少电、多少数据中心、多少互连带宽。

Anthropic 在文章里甚至把这一点直接写出来：如果真的进入完全 RSI，AI 发展的速度将主要由可获得的算力，以及算法训练和推理效率提升的速度决定。

所以我觉得 Anthropic 昨晚发这篇文章，对算力产业的意义非常大。
过去我们讨论的是：
人类使用 AI，所以算力需求高速增长。
下一阶段可能变成：
AI 使用算力去改进 AI 自己。
从“人驱动算力”，进入“AI 自我循环驱动算力”。

一旦 RSI 真正形成闭环，算力需求就不再只是跟着用户和 Token 增长，而可能开始具备自我强化、复利甚至指数级增长的特征。

这才是这篇文章最值得重视的地方：AI 越强，未必越省算力；恰恰可能因为 AI 能够自己创造更多有价值的计算任务，让算力成为 AI 自我进化最核心的生产资料和最终瓶颈。@源深路炒家