token 涨 124 倍，进展只涨 10%
实验室内部数据：AI 研究的收益是真的，但远未能自我维持
AI 行业在最近两个月里高调宣告递归自我改进的到来 —— AI 系统造出更好的后继者，进而触发一场能力增长的自我维持的级联。OpenAI 把 AI 驱动的研究列为头号组织优先事项。Anthropic 报告称，它超过 90% 的研究任务现在涉及 AI 协作或由 AI 主导执行。阿里巴巴在其云峰会上声称，Qwen3.8-Max 在大约五天里跑了 33 个自动化训练任务，把它的 Artificial Analysis 基准分数从 40 推到了 45。
在这样的背景下，Ramez Naam —— 一位在微软工作了 13 年、并在 2011 年提出关于太阳能成本曲线的 Naam 定律的计算机科学家 —— 发表了一篇 8500 字的定量质疑文章，9 月 27 日刊于 Noah Smith 的 Noahpinion Substack。他的结论来自 OpenAI 和 Anthropic 双方公开的内部数据：AI 自我改进的回路是真实的，但它运转的效率只有自我维持所需水平的大约五分之一 —— 当前表现与智能爆炸门槛之间的差距，是五到十倍，而不是百分之五到十。
自主不等于加速
Naam 论证的第一步是定义上的。业界倾向于把递归自我改进的五个不同层级混为一谈，好像它们构成一条单一的跑道。弄清楚究竟已经到达哪一层 —— 哪一层还没有 —— 对评估智能爆炸是否临近至关重要。
第一层是 AI 辅助的研究者：人类仍然指挥所有工作，但 AI 工具提高了个人生产力。这在今天已很普遍。第二层是 AI 改进较弱的模型：AI 系统自主地训练或精炼能力不及自己的模型。这也已经发生，主要实验室都有多个例子。第三层 —— 关键的、有争议的前沿 —— 是 AI 自主迭代同档模型，不过人加 AI 的组合仍然胜过纯 AI。阿里 Qwen 的说法大致处在这一区域，尽管 Naam 指出它们仍未被独立第三方验证。
第四、第五层 —— 先是 AI 完全替代人类研究者，然后是快速起飞，即每一轮改进周期都比上一轮更便宜、更快，无限地复利下去 —— 尚未被证明，也还没有接近。
关键的洞见是：问题不在于 AI 能不能在研究情境里自主行动，而在于对 AI 研究投入的回报是在上升还是在下降。一个不需要人类输入、但每一步都面对指数级更难问题的 AI 系统，是在跑步机上，而不是在逼近奇点。
宏观账本：指数级的投入，线性的产出
在审视反馈回路的机制之前，Naam 先汇总了一份宏观经济记分卡。自 2023 年初以来，按英伟达 H100 等效算力衡量的 AI 芯片产能 —— 据 Epoch AI —— 已增长约 127 倍。美国 GDP 约 3% 如今流向 AI 基础设施，资本投入远超云超大规模厂商能从营业利润中收回的水平。
在这个背景下，Epoch AI 的 Epoch 能力指数（ECI）—— 一个汇总多套测试表现、以抵御饱和的综合基准 —— 显示，自推理模型在 2024 年末出现以来，前沿 AI 以每年约 14 到 16 个 ECI 点的速度前进。按以往任何技术的标准，这都是真正快的步伐。但它是一条直线，而不是一条加速的曲线。
OpenAI 自己的研究加速报告 用一个对比就把这种错位摆到了明面上。在它的内部研究基础设施里，在测量期内每位研究者的 token 消耗上升了 124 倍。每位工程师的代码产出增长了大约七倍。但每位研究者的实验数 —— Naam 主张最贴近有效研究吞吐量的指标 —— 只增长了 1.6 倍，在 2026 年 8 月达到相对 2025 年均值的峰值。
这种差异并不说明 AI 工具没用。它说明的是流程上的低效：同一个底层研究问题，需要越来越多的 token、迭代和算力，才能取得渐进的进展。Naam 套用了一个标准的幂律衰减指数 0.2 —— 取自对成熟科学领域研究生产率的研究 —— 把 60% 的实验数增长，换算成对真实研究速度约 10% 的改善。
Anthropic 的内部数据得出了相容的结论。一项对 130 名技术人员的调查发现，Claude Mythos Preview 带来了约 4 倍的几何平均生产率乘数 —— 这是个有意义的数字。但 Anthropic 估计，要让模型进步的速度翻倍，需要的生产率增益大约要高出一个数量级：约 40 倍。这个「4 倍到 40 倍」的差距，就是技术上的阻力墙。
Anthropic 自己在 Claude Fable 5.1 与 Mythos 5.1 系统卡 里的措辞印证了这幅图景：内部使用 AI 曾是「维持当前进展速度的一个关键因素」—— 而不是加速它的因素。
Cunningham 门槛：这个回路需要多强？
对智能爆炸需要什么的最严谨的定量框定，来自的不是 Naam，而是 Elasticity Institute 的 Tom Cunningham、Lukas Althoff 及另外七位合著者，他们的论文 《递归自我改进的经济学》 于 9 月 13 日出现在 arXiv 上。
Cunningham 的框架把 RSI 反馈回路建模为两个相连的弹性。第一个：AI 能力每提高一个单位（一个 ECI 点），会在多大程度上转化为更高的 AI 研究生产率？第二个：更高的研究生产率，又在多大程度上转回新的 AI 能力增益？要让回路变得自我维持 —— 每一轮向下一轮输入足够多、以维持或增加势头 —— 这两个弹性的乘积必须越过一个临界门槛。
利用 Stockfish —— 这个开源国际象棋引擎数十年的改进记录，是软件改进软件为数不多的干净经验案例之一 —— 的历史数据，论文把门槛校准在约 15%：AI 能力提高一个 ECI 点，必须带来至少 15% 的 AI 研究生产率提升，回路才能自我维持。Naam 用 Stockfish 数据所做的重新校准，把估计推向 19%，不过他承认这个差异带有相当的不确定性。
论文自己的估计，基于 Anthropic 那项 130 人的生产率调查，把当前 RSI 回路的效率放在约 9% —— 低于门槛，但接近到足以继续留在讨论里。
Naam 随后用 OpenAI 记录的实验数据重新跑了这个计算，那份数据覆盖的样本远大于 Anthropic 的自愿调查，而且是直接测量的、而非自报的。如果 9% 的效率准确，16 个 ECI 点的增益应该带来大约 4 倍的生产率提升。观察到的提升是 1.6 倍。顺着弹性模型倒推，Naam 估计当前真实的 RSI 效率为每个 ECI 点 2% 到 3% —— 大约是自我维持门槛的五分之一到十分之一。
为什么狭义超级智能不能泛化
在审视实验室数据直接说明了 AI 研究能力什么之前，Naam 先直面另一方最强的证据：OpenAI 9 月 8 日的公告：一个约 1 万个并发 AI 智能体的蜂群，生成了一份针对克雷数学研究所七个千禧年大奖难题之一 —— 纳维-斯托克斯方程的存在性与光滑性问题 —— 的证明。这 88 小时的努力消耗了约 1300 亿个输出 token，是一个真正的科学里程碑。
Naam 把这称为「狭义超级智能」：AI 在一个高度受限、完全可验证的领域里，完成远超人类能力的任务。数学对 AI 来说是可处理的，因为每一步证明都可以被机械地验证，合成训练题可以无限生成，而 Lean 证明检查器对一个结果要么接受、要么拒绝，毫无歧义。AI 架构研究没有这些性质。当一家实验室想知道一种新的训练技术是否有效，它必须跑昂贵的训练、等上数周才能出结果，并对改进能否泛化做出判断。没有自动验证器，对富有创造性的失败也没有惩罚结构。
Anthropic 在 Opus 5.5 系统卡里把这一局限说得很明确，该系统卡发布于 9 月 22 日。Claude 在开放式研究任务上「大多测试渐进式的想法，偏好不那么有野心的假设」，公司写道，并解释说训练数据以渐进改进的例子为主，而不是概念上的飞跃。在 Anthropic 自己的 CoBench 基准 —— 用来测试 AI 在历史 AI 研究调试任务上的表现 —— 上，Opus 5.5 得了 55.8%，而 Anthropic 内部定义的、模型要完全替代人类研究人员所必需的门槛是 85%。从 Claude Opus 5 到 Opus 5.5，这项指标只提高了 2.6 个百分点 —— 在统计误差范围之内。
OpenAI 的内部数据提供了最尖锐的直接测量。在衡量 AI 智能体能以 80% 成功率门槛独立完成的 AI 研究任务比例时，公司发现智能体只能可靠地完成需要人类花不到 15 分钟的任务。METR 独立的任务时间跨度评估则相反，显示 AI 智能体在 50% 成功率下，能成功完成人类要花至多 14 小时的编程任务，而且这个跨度大约每四个月翻一番。这个 16 到 44 倍的差异，反映的是定义明确、可验证的任务，与推动前沿 AI 研究的开放式判断之间的根本差别。
三条加速捷径，三个死胡同
反馈回路弱到无法自我维持，AI 研究能力又远低于基准所暗示的水平，业界便依靠三种战术性做法来强推更快的进展。Naam 逐一审视，发现了同一个障碍。
测试时算力扩展 —— 让模型在回答前推理更久 —— 提供真实但按对数递减的回报。推理预算每翻一倍，成本是两倍，换来的准确率增量却越来越小。这种做法抬高了任何给定模型的性能上限，但预算越大，收益放缓得越多。
智能体蜂群 —— 并行运行数百或数千个 AI 实例 —— 提升了吞吐量，但面临两个相互独立的瓶颈。牛津哲学家 Toby Ord 的 9 月 21 日关于蜂群扩展的分析 以经验方式表明，N 个智能体的蜂群取得的是 N^λ 的加速，而不是 N 倍的加速，其中 λ 依任务类型落在 0.48 到 0.68 之间。智能体增加十倍，换来三到五倍的吞吐量提升，成本却是十倍。第二个瓶颈是想法多样性：一项把 AI 输出与 467 名人类参与者作对比的研究发现，前十个 AI 回答合起来大约产生八到十个不同的想法，而在此之后每多一个 AI 回答，带来的新贡献都在递减 —— 到最后需要两个 AI 输出，才能抵得上一个人类多给一条建议的增量价值。
用强化学习扩大模型规模 仍然是最强大的做法，也是 Naam 最尊重的一种。OpenAI 的纳维-斯托克斯证明，建立在大规模强化学习后训练叠加预训练的基础之上。但这条路也会撞上收益递减：稠密模型越大，每 token 的算力成本涨得比线性更快，压缩了模型改进与推理效率之间的经济空间。
三回路的反驳
对 Naam 单回路分析最精致的挑战，来自经济学家 Tom Davidson、Basil Halperin、Thomas Houlden 和 Anton Korinek，他们的 NBER 工作论文 构建了一个爆炸性增长的三回路模型。他们的框架把三个相互强化的回路联系起来：软件回路（AI 改进训练算法）、硬件回路（AI 加速芯片设计）和经济回路（AI 生产率增长为二者产生资本）。当三者一起增强时，即便没有任何一个回路单独做到，总体轨迹也可能越过爆炸门槛。
Naam 称这是他审视过的最有说服力的支持爆炸的论证。但他指出两处结构性缺口：软件回路的校准可能继承了与基于调查的生产率数字同样的高估；而硬件回路受物理制造时间线的约束 —— 更好的芯片架构仍然需要 18 到 24 个月才能走完制造并抵达部署。
这两条反对意见都不是决定性的。三回路模型仍然是对爆炸性增长终将如何发生的一种正当描述。它没有给出的，是它此刻正在发生的证据。
需要什么改变
RSI 反馈回路是真实的。它还没强到可以自我维持。Naam 指出了三条可能改变这笔账的路径。
第一条是 外部燃料：算力、数据中心建设和资本投入的持续增长，即便没有自我维持的软件回路，也可以靠蛮力把前沿能力推得更高。这条路保持当前的线性轨迹 —— 但如果硬件扩展最终放缓，实验室已经造出的那些 AI 研究工具，对维持任何进展就会按比例变得更加关键。
第二条是 回路本身的质变：更好的训练数据、规模堪比 2017 年 Transformer 的架构突破，或者真正发展出研究直觉、而不是为渐进改进做优化的 AI 系统。Naam 明确让这条路保持开放。当前的模型主要是在渐进进步的例子上训练的，这或许可以解释 Anthropic 在 Opus 5.5 中记录到的、对渐进式假设的系统性偏好 —— 一种根本不同的训练体制有可能纠正的结构性约束。
第三条是 多回路强化：如果软件、硬件和经济回路相互强化的速度，快过各自收益递减所消耗的速度，那么即便没有任何一个回路单独做到，复合轨迹也可能越过门槛。这是 Davidson 等人的论证；Naam 的分歧在于校准，而不在结构。
Naam 的贡献不是排除智能爆炸 —— 他明确拒绝这么做。而是对当前证据让这个系统离自我维持状态还有多远，给出了一个定量估计。这个距离是当前回路强度的五到十倍，而不是百分之五到十。要弥合它，需要比前沿 AI 发展最近这几年所交付的任何东西都更大的变化 —— 而来自 OpenAI 和 Anthropic 的数据都确认：跑步机在转。它还没有能力自己转起来。