Claude主導26%研發，拋出「AI降速論」的Anthropic掀起「AI研發AI」熱議！RSI訓練範式催化算力需求大擴張

智通財經APP獲悉，全球AI應用最強勁領頭羊Anthropic於9月17日公布的測量結果顯示，截至8月，Claude已「主導」26%的AI研發工作，達到或超過「協作」級別的工作占比則在90%以上。隨著Anthropic與OpenAI全面聚焦RSI（遞歸自我改進）這一最新AI大模型訓練範式，前沿AI實驗室研發能力升級與資本規模擴張同步推進，全球AI產業投資者們的關注點也由純粹的AI大模型或者AI智能體產品，全面延伸至研發平台與長期AI算力基礎設施容量與能力範圍。

據近期一系列媒體援引知情人士披露的消息報導，投資者與另一AI應用領頭羊OpenAI的新融資討論已涉及1.2萬億美元估值，公司則尋求約1.5萬億美元的估值水平；Anthropic在5月融資時的投後估值為9650億美元，目前討論中的IPO方案則是尋求以約2萬億美元估值、最高融資1000億美元推進上市，屆時該公司發行規模有望匹敵甚至顯著超過SpaceX，成為新的歷史紀錄——這裡的2萬億美元是擬議上市估值，而非已經完成交易的上市市值。

OpenAI近日重磅推出的Astra大模型將AI能夠承擔的專業任務繼續向外積極拓展，英偉達CEO黃仁勳此後更是在社交媒體上發出GPT-6 Astra問世意味著「AGI已到來」的重磅表態，而英偉達已經確認的強勁營收區間與後續強勁出貨指引，再疊加AI大模型研發正跨入「遞歸自我改進（RSI）」這一打開又一條AI算力需求激增曲線的革新式階段——即Astra有望擴大商業應用端AI算力需求，AI開始「造AI」的RSI研發軌跡則可能增加前沿算子實驗、評估與長期持續訓練投入，共同延長算力投資週期，這也是為何週四美股AI算力相關股票集體大漲，其中費城半導體指數大漲超3%。

值得注意的是，Anthropic公司披露Claude貢獻了其26%的研發投入以及竭盡全力衝擊人類社會最大規模IPO前不久，該公司CEO在上週末重磅拋出「AI降速論」，市場本週也開始定價與計入AI降速討論等因素帶來的風險——Anthropic與OpenAI等全球AI領頭羊在週末一致呼籲放緩前沿AI大模型開發速度。

「AI降速」討論影響的是市場對前沿研發節奏、資本支出路徑與風險補償的判斷，不能直接等同於現有AI應用需求停止增長。9月12日，阿莫代伊呼籲放慢模型能力提升的速度，奧爾特曼隨後表示認同需要控制前沿發展的節奏，但行業對協調方式、外部評估和監管安排並未形成完全一致的方案。

Claude一己之力主導26%研發工作！Anthropic重磅披露AI助研與安全投入

Anthropic PBC週四的一份披露報告表示，其超過四分之一的人工智慧研發工作由旗下Claude旗艦AI聊天機器人或者AI智能體產品線推動，這提供了迄今最清晰的跡象，表明AI技術確實能夠顯著幫助加快未來模型的開發。

根據週四發布的這份最新官方報告，Anthropic發現，Claude「主導」了公司26%的研發工作，而年初這一比例實際上接近於零。這家AI開發商表示，Claude還在員工約90%的工作進程或者複雜任務事項中與他們協作。

這些數據是一份更廣泛報告的一部分，旨在幫助公眾跟蹤AI開發進展，以回應人們日益加深的擔憂：AI可能迅速自我改進，並超出人類控制。

該公司還重申了其計劃，將來自多個組織的第三方評估人員引入公司內部，並賦予他們與公司自身員工相當的內部流程、系統和數據訪問權限，以完善AI技術安全以及圍繞人工智慧應用的風險控制與管理系統。

「AI系統的能力正在呈指數級增強，並已開始將更多構建自身的流程徹底實現自動化。在全球考慮放慢前沿AI開發步伐之際，公眾需要獲得更多資訊，」該公司寫道。

Anthropic是聚焦「遞歸式自我改進」（RSI）的多家AI公司之一。這一概念指的是，AI系統能夠在幾乎沒有或完全沒有人工協助的情況下改進自身能力。一些公司將其視為AI開發的未來，但這種形式的AI系統超級能力一旦實現，可能帶來的安全威脅也引發了擔憂。

Anthropic在博客中表示，它嘗試建立一套框架，用於跟蹤智能體，並監測它們在其平台上完成的工作量。公司稱，截至8月，任一時刻都有超過3萬個智能體在公司內開展研究和工程工作。

Anthropic還披露了其在加速AI開發與確保AI安全之間的資源分配情況。根據其測量結果，視所開展研究的類型而定，公司有6%至12%的計算資源用於安全監測。

在9月初的一篇博客文章中，最強勁AI大模型競爭對手OpenAI也分享了其推進研究自動化的最新進展，指出在發現旗下模型入侵初創公司Hugging Face的外部系統後，公司暫停了部分模型訓練。

上週，Anthropic員工雅各布·考克森高調離職，進一步加劇了人們對AI相關的人類社會生存性風險的焦慮。他在社交媒體上分享的辭職帖中指責AI開發者公司「拿我們的生命下注」。

過去幾天，包括Anthropic首席執行官達里奧·阿莫代伊和OpenAI首席執行官薩姆·奧爾特曼在內的多位AI公司領導人，呼籲放慢這項技術的開發速度，以應對其日益難以預測的風險——不過，他們對於具體應如何處理存在分歧。

週六，阿莫代伊在一篇3800詞的長文中呼籲政府監管，並呼籲科技行業支持更廣泛的AI降速舉措。這引發了美國總統唐納德·川普的強烈反對，他將對這項技術風險的擔憂斥為「技術騙局」，並拒絕制定新規則的想法。

其他科技行業領袖也作出了回應。奧爾特曼與英偉達首席執行官黃仁勳主張，AI公司能夠自行以安全的方式控制AI發展的節奏；Meta Platforms首席執行官馬克·扎克伯格則表示，AI實驗室應依靠獨立評估人員和安全操作顧問，確保模型安全。

從「AI助研」到遞歸改進，AI算力需求打開新維度？

Astra與遞歸自我改進（RSI）的投資意義，在於前沿高性能AI大模型，以及AI研發本身正在成為持續消耗算力的新場景。OpenAI於9月6日披露，已實現「自動化研究實習生」目標，能夠在人類指導下完成部分原本需要熟練研究人員數天的任務；截至8月中旬，每個人類工作日對應約3.1個智能體運行工作日。這衡量的是運行時長，並非科研產出提高3.1倍。由此可以推演，研究自動化將同時增加程式碼生成、實驗評估所需的推理，以及候選模型訓練需求。不過，完整RSI尚未成為已經確立的主導範式，研究方向和資源配置仍由人類決定。

OpenAI推出的GPT-6 Astra大模型，以及AI領頭羊們聚焦的RSI技術路徑，有望成為驅動AI算力需求指數級擴張的兩大核心驅動力，即性能更強的AI大模型與更廣泛的AI應用工具使用、算力需求更強勁的下一代AI訓練路徑，正在增強AI算力基礎設施需求持續增長的重要依據。OpenAI此前不久披露，Astra強化了編程、瀏覽、電腦操作和複雜任務執行能力，擴大了模型能夠參與的實際工作範圍。產品負責人表示，Astra需求激增給基礎設施帶來了壓力；公司自9月10日起暫停每月200美元Pro 20X套餐的新增訂閱和升級，現有訂閱繼續正常續費。

其中遞歸式自我改進（Recursive Self-Improvement，RSI）的核心，是讓AI參與研發更強的AI，再由更強的模型繼續提高研發能力，形成不斷迭代的回饋閉環。它不是取代預訓練或強化學習的某一個新算法，而是覆蓋研究設計、程式碼編寫、實驗執行、結果評估和模型迭代的研發範式。Anthropic與OpenAI目前公開展示的進展，主要是人工監督下的研發自動化，而不是已經實現完全自主、無需人類介入的遞歸改進。

截至8月，Claude已「主導」26%的AI研發工作，達到或超過「協作」級別的工作占比則在90%以上，公司最常用的內部平台上，同時開展研究與工程工作的智能體約有3萬個。這些數據的產業意義在於，AI已從研究人員偶爾調用的輔助工具，走向持續參與研發流程的執行資源；研發活動本身，正在成為持續推理算力的重要需求來源。

Anthropic與OpenAI聚焦RSI，首先是為了提高整個研究迭代流程的效率，而這一過程本身需要更多平行實驗與持續運行的研究智能體。從工程機制推演，研究智能體可以幫助提出和篩選方案、修改訓練程式碼、生成實驗配置、執行測試並分析結果，使研究人員能夠同時探索更多候選路徑；其中，智能體思考與程式設計需要推理算力，驗證方案還需要訓練、評測及數據處理資源。

OpenAI披露，截至8月中旬，其研究組織每一個人類工作日對應約3.1個標準智能體工作日；按使用量排序的中位研究人員，每日推理用量按API價格折算超過600美元，這裡分別是運行時間和服務價格折算口徑，並不是生產率倍數或實際內部現金成本。公司還指出，隨著其他研發瓶頸減弱，計算資源可能成為更重要的約束。安全研究也構成獨立工作負載——Anthropic在7月13日至20日的樣本中，將全部AI研發算力的約6%、AI驅動研發算力的約12%用於AI安全相關工作進程。

這些關於RSI的最新研究進程以及Astra大模型橫空出世帶來的AGI熱議，都意味著當AI大模型全面開始承擔更多研發任務，產業不再只是「投入算力訓練模型」，而是增加了「用算力運行研究智能體，再由智能體組織更多實驗」的需求鏈條；研發自動化擴大了可探索的實驗規模，也提高了對可用計算容量、調度效率與可靠性的要求。

RSI與Astra對AI算力投資主題最重要的催化，不只是「模型參數變大」，而是AI能夠承擔的工作範圍擴大、每項任務的執行流程加深：面向用戶的應用推理與面向模型研發的研究推理，共同拓寬了AI算力基礎設施資源的長期需求空間。RSI與Astra提供了來自商業應用端的直接需求信號，讓「研發自動化+用戶推理」兩條算力增長路徑同時進入視野。

知名市場調研機構TrendForce的預測報告顯示，2027年NVL72機櫃出貨量同比增長超過50%，包含GB200/GB300以及下一代基於Vera Rubin架構的相關圍繞英偉達AI GPU的NVL機櫃系統總產值有望超過7100億美元，同比增長214%，其中包含產品升級和價格上漲的影響。隨著Astra引領的先進最前沿大模型帶來愈發強勁AI算力需求，摩根士丹利預計北美四大超級雲計算與AI應用廠商們數據中心綜合資本開支將從2026年的9170億美元升至2027年的1.47萬億美元、2028年的1.64萬億美元，同期部署容量預計由2025年的35吉瓦擴大至2028年的145吉瓦。

從推理系統架構看，更複雜的任務往往包含更長上下文、多輪模型調用、工具執行與結果校驗：預填充（Prefill）需要處理輸入，解碼（Decode）持續生成輸出，鍵值快取（KV Cache）則隨上下文和並發規模擴大而占用更多記憶體，計算吞吐量、記憶體頻寬與容量需要協同提升。進一步的產業推論是，GPU、TPU承接模型計算，CPU承接工具執行與任務編排，HBM、伺服器DRAM、儲存和高性能網路基礎設施、數據中心光互連器件支撐數據高效率運輸與狀態管理，最終需要由完整且未來規模愈發龐大的AI算力伺服器集群交付可持續運行的服務。