SEMICONDUCTOR / AI INVESTING14 SEP 2026
AI 先在能自己判卷的地方加速
读剑桥《智能爆炸》报告
9 月 28 日，剑桥大学一个 AI 政策项目发了一份 14 页的报告，问的是：AI 研发越来越多交给 AI 做，进步会不会突然加速？22 位作者里有 Hinton、Bengio、OpenAI 首席科学家、Anthropic 联合创始人。这一篇只读它说了什么、哪些是已经发生的、哪些是推算，以及它对本系列的判断意味着什么。
AI 最先、最快加速的，是自己能判卷的活：写代码、做数学、做 AI 研发，对不对当场就知道。世界要过几个月才回答、还说不清是谁的功劳的活，加速不起来。研发越快，后一类活里“记下当初预计、对照后来实际”的那本账就越稀缺。
已发生 01 八成代码·26%研发 |
推算 02 一年半快十倍 |
分界 03 能不能当场判卷 |
SEMICONDUCTOR / 01
一、已经发生的：两个数
先说比方。一家工厂造出第一台机器，不送去卖，留在厂里改生产线；改过的生产线造出更好的第二台，第二台再回来改生产线。每转一圈，机器更强，造机器也更快。这就是报告说的“递归”，转圈的是整套系统：模型、智能体、算力和人，不需要哪个模型自己改自己的参数。
报告给了两个已经发生的数，都来自 Anthropic 自己的报告：
—被批准合入的代码里，AI 写的占比从 2025 年 1 月的个位数，升到 2026 年 5 月的八成以上。—只要人做高层监督、主要由 AI 自己完成的研发工作，从 2026 年 3 月的 1%，升到 8 月的 26%。
OpenAI 和 Google 也说，内部几乎所有写代码、做技术设计的环节，都不同程度用上了 AI。
读这两个数要带两个口径：一是自报，没有第三方核过；二是“被批准的代码八成是 AI 写的”，不等于“八成的活是 AI 干的”，一行代码和一个研究想法的分量不一样。
SEMICONDUCTOR / 02
二、推算的那一半：一年半，快十倍
报告的推算分两步。
第一步，算“有效研究员人数”。假如 AI 做研发达到顶尖专家的水平、运行成本又和今天差不多，单是一家前沿公司今天的算力，就够撑起相当于至少几百万名顶尖研究员的队伍。今天这些公司的研究员只有几千人。
第二步，算会不会越转越快。用历史数据估了一个“研发回报率”：再多投一倍的研究力量，能换回多少进步。估出来在 1.2 到 1.9 之间，大于 1 就意味着投入的增长跑赢了越来越难。照这个数推，研发全部交给 AI 以后大约一年半，进步速度会快十倍，今天一年的进步只要五周。
这一步是全文最弱的一环，报告自己列了四个可能卡住的地方：
—实验要算力，训练要数据；互联网上的数据，照现在的速度到 2028 年就跟不上了。
所以“智能爆炸”在报告里是一个要提前准备的可能，不是预测。作者自己的话是：证据初步，有时还互相矛盾。
SEMICONDUCTOR / 03
三、为什么偏偏是 AI 研发先加速
报告里有一句话，比十倍那个数更值得记：AI 研发可能比大多数工作更早被自动化，因为它主要在数字世界里，成功的标准清楚，模型可以很快试一下、看结果、知道哪个改动管用；生物这类领域，就得靠更慢、更吵、更贵的真实世界反馈。
本系列第 37 篇写过同一句话的另一面：AI 能自我改进的地方，恰好是能自动打分的地方；第 25 篇把“自我改进”拆成了五个条件。这份报告给了那两篇当时没有的东西：实验室自己报出来的比例。它也接上第 60 到 62 篇的那条线：能便宜判卷的部分，会被“多试几次，再让机器挑”吃掉；判卷贵、只能做一次的部分，才留得住溢价。现在可以说得更具体：
—写代码、做数学、做 AI 研发：结果当场能验，转圈快，最先加速。—企业的大多数决定，比如分床、批款、定价、调库存：做了以后，世界要过几天到几个月才回答，回答了还说不清是不是这个决定造成的。这里转一圈要很久，加速不起来。
AI 能加速多快，取决于它能多快知道自己对不对。
SEMICONDUCTOR / 04
四、按产业链过一遍
只写方向，不写估值和个股。
—AI 应用：写代码是最先被吃透的一块，这和我们 AI 生产力研究“先做写代码”的顺序一致。但写代码快不等于企业变快：企业里慢的那一半，是等世界回答、再对照当初的预计。谁能把“预计”和“实际”记在同一本账上，谁就握住了企业里最慢、也最稀缺的那一环。—大模型：如果新一代模型几个星期就出一个，单个模型部署以后不再学这件事的分量会下降，学习发生在一代一代的更替里。但前沿领先的保鲜期也会缩短，第 55 篇说的前提“长期保住”更难了。—数据中心、云、电、芯片：研发越是交给 AI，实验要的算力越多；报告自己承认，算力可能正是卡住爆炸的那一道闸。这一条对算力需求是加分，但只是推论，没有数字。
全世界角度要补一句：报告里已经发生的那两个数，全部来自美国的三家公司。中国、欧洲、日本的实验室有没有类似的自动化比例，公开资料里看不到。所以“AI 已经在造 AI”目前只能说成“美国前沿实验室的自报”，不能当全世界的事实。
SEMICONDUCTOR / 05
五、出现什么，说明这篇错了
—Anthropic 后续自报的“AI 自主完成研发占比”停在 26% 附近，几个季度不再上升。—有研究证明，实验要的算力得跟着前沿训练规模同比增加。报告自己说，那样的话，靠软件转圈的爆炸就发生不了。—反过来，如果企业里出现了能快速、可靠判卷的办法，让“世界怎么回答”也能当场知道，那么第三节的分界就不成立了，企业决策也会跟着加速。
SEMICONDUCTOR / 06
六、边界
—本文是行业结构判断，不涉及任何个股的估值、买卖或仓位，不构成投资建议。—已经发生的两个数是 Anthropic 自报；十倍、五周是模型推算，依赖一个从历史数据估出来的回报率，作者自己说不确定性很大。—作者所用的 AI 模型来自 Anthropic，涉及 Anthropic 的数字只照报告原文。
SEMICONDUCTOR / 07
七、三行，留着复习
—AI 研发自动化已经开始：Anthropic 自报八成代码、26% 的研发由 AI 完成；十倍加速是推算，不是事实。—能当场判卷的活先加速；世界要很久才回答的活，加速不起来。