Claude主导26%研发，抛出“AI降速论”的Anthropic掀起“AI研发AI”热议! RSI训练范式催化算力需求大扩张

来源：金融界

智通财经获悉，全球AI应用最强劲领头羊Anthropic于9月17日公布的测量结果显示，截至8月，Claude已“主导”26%的AI研发工作，达到或超过“协作”级别的工作占比则在90%以上。随着Anthropic与OpenAI全面聚焦RSI(递归自我改进)这一最新AI大模型训练范式，前沿AI实验室研发能力升级与资本规模扩张同步推进，全球AI产业投资者们的关注点也由纯粹的AI大模型或者AI智能体产品，全面延伸至研发平台与长期AI算力基础设施容量与能力范围。

据近期一系列媒体援引知情人士披露的消息报道，投资者与另一AI应用领头羊OpenAI的新融资讨论已涉及1.2万亿美元估值，公司则寻求约1.5万亿美元的估值水平;Anthropic在5月融资时的投后估值为9650亿美元，目前讨论中的IPO方案则是寻求以约2万亿美元估值、最高融资1000亿美元推进上市，届时该公司发行规模有望匹敌甚至显著超过SpaceX，成为新的历史纪录——这里的2万亿美元是拟议上市估值，而非已经完成交易的上市市值。

OpenAI近日重磅推出的Astra大模型将AI能够承担的专业任务继续向外积极拓展，英伟达CEO黄仁勋此后更是在社交媒体上发出GPT-6 Astra问世意味着“AGI已到来”的重磅表态，而英伟达已经确认的强劲营收区间与后续强劲出货指引，再叠加AI大模型研发正跨入“递归自我改进(RSI)”这一打开又一条AI算力需求激增曲线的革新式阶段——即Astra有望扩大商业应用端AI算力需求，AI开始“造AI”的RSI研发轨迹则可能增加前沿算子实验、评估与长期持续训练投入，共同延长算力投资周期，这也是为何周四美股AI算力相关股票集体大涨，其中费城半导体指数大涨超3%。

值得注意的是，Anthropic公司披露Claude贡献了其26%的研发投入以及竭尽全力冲击人类社会最大规模IPO前不久，该公司CEO在上周末重磅抛出“AI降速论”，市场本周也开始定价与计入AI降速讨论等因素带来的风险——Anthropic与OpenAI等全球AI领头羊在周末一致呼吁放缓前沿AI大模型开发速度。

“AI降速”讨论影响的是市场对前沿研发节奏、资本开支路径与风险补偿的判断，不能直接等同于现有AI应用需求停止增长。 9月12日，阿莫代伊呼吁放慢模型能力提升的速度，奥尔特曼随后表示认同需要控制前沿发展的节奏，但行业对协调方式、外部评估和监管安排并未形成完全一致的方案。

Claude一己之力主导26%研发工作!Anthropic重磅披露AI助研与安全投入

Anthropic PBC周四的一份披露报告表示，其超过四分之一的人工智能研发工作由旗下Claude旗舰AI聊天机器人或者AI智能体产品线推动，这提供了迄今最清晰的迹象，表明AI技术确实能够显著帮助加快未来模型的开发。

根据周四发布的这份最新官方报告，Anthropic发现，Claude“主导”了公司26%的研发工作，而年初这一比例实际上接近于零。这家AI开发商表示，Claude还在员工约90%的工作进程或者复杂任务事项中与他们协作。

这些数据是一份更广泛报告的一部分，旨在帮助公众跟踪AI开发进展，以回应人们日益加深的担忧：AI可能迅速自我改进，并超出人类控制。

该公司还重申了其计划，将来自多个组织的第三方评估人员引入公司内部，并赋予他们与公司自身员工相当的内部流程、系统和数据访问权限，以完善AI技术安全以及围绕人工智能应用的风险控制与管理系统。

“AI系统的能力正在呈指数级增强，并已开始将更多构建自身的流程彻底实现自动化。在全球考虑放慢前沿AI开发步伐之际，公众需要获得更多信息，”该公司写道。

Anthropic是聚焦“递归式自我改进”(RSI)的多家AI公司之一。这一概念指的是，AI系统能够在几乎没有或完全没有人类帮助的情况下改进自身能力。一些公司将其视为AI开发的未来，但这种形式的AI系统超级能力一旦实现，可能带来的安全威胁也引发了担忧。

Anthropic在博客中表示，它尝试建立一套框架，用于跟踪智能体，并监测它们在其平台上完成的工作量。公司称，截至8月，任一时刻都有超过3万个智能体在公司内开展研究和工程工作。

Anthropic还披露了其在加速AI开发与确保AI安全之间的资源分配情况。根据其测量结果，视所开展研究的类型而定，公司有6%至12%的计算资源用于安全监测。

在9月初的一篇博客文章中，最强劲AI大模型竞争对手OpenAI也分享了其推进研究自动化的最新进展，指出在发现旗下模型入侵初创公司Hugging Face的外部系统后，公司暂停了部分模型训练。

上周，Anthropic员工雅各布·考克森高调离职，进一步加剧了人们对AI相关的人类社会生存性风险的焦虑。他在社交媒体上分享的辞职帖中指责AI开发者公司“拿我们的生命下注”。

过去几天，包括Anthropic首席执行官达里奥·阿莫代伊和OpenAI首席执行官萨姆·奥尔特曼在内的多位AI公司领导人，呼吁放慢这项技术的开发速度，以应对其日益难以预测的风险——不过，他们对于具体应如何处理存在分歧。

周六，阿莫代伊在一篇3800词的长文中呼吁政府监管，并呼吁科技行业支持更广泛的AI降速举措。这引发了美国总统唐纳德·特朗普的强烈反对，他将对这项技术风险的担忧斥为“技术骗局”，并拒绝制定新规则的想法。

其他科技行业领导人也作出了回应。奥尔特曼与英伟达首席执行官黄仁勋主张，AI公司能够自行以安全的方式控制AI发展的节奏;Meta Platforms首席执行官马克·扎克伯格则表示，AI实验室应依靠独立评估人员和安全操作顾问，确保模型安全。

从“AI助研”到递归改进，AI算力需求打开新维度?

Astra与递归自我改进(RSI)的投资意义，在于前沿高性能AI大模型，以及AI研发本身正在成为持续消耗算力的新场景。OpenAI于9月6日披露，已实现“自动化研究实习生”目标，能够在人类指导下完成部分原本需要熟练研究人员数天的任务;截至8月中旬，每个人类工作日对应约3.1个智能体运行工作日。这衡量的是运行时长，并非科研产出提高3.1倍。由此可以推演，研究自动化将同时增加代码生成、实验评估所需的推理，以及候选模型训练需求。不过，完整RSI尚未成为已经确立的主导范式，研究方向和资源配置仍由人类决定。

OpenAI推出的GPT-6 Astra大模型，以及AI领头羊们聚焦的RSI技术路径，有望成为驱动AI算力需求指数级扩张的两大核心驱动力，即性能更强的AI大模型与更广泛的AI应用工具使用、算力需求更加强劲的下一代AI训练路径，正在增强AI算力基础设施需求持续增长的重要依据。OpenAI此前不久披露，Astra强化了编程、浏览、计算机操作和复杂任务执行能力，扩大了模型能够参与的实际工作范围。 产品负责人表示，Astra需求激增给基础设施带来了压力;公司自9月10日起暂停每月200美元Pro 20X套餐的新增订阅和升级，现有订阅继续正常续费。

其中递归式自我改进(Recursive Self-Improvement，RSI)的核心，是让AI参与研发更强的AI，再由更强的模型继续提高研发能力，形成不断迭代的反馈闭环。 它不是替代预训练或强化学习的某一个新算法，而是覆盖研究设计、代码编写、实验执行、结果评估和模型迭代的研发范式。Anthropic与OpenAI目前公开展示的进展，主要是人工监督下的研发自动化，而不是已经实现完全自主、无需人类介入的递归改进。

截至8月，Claude已“主导”26%的AI研发工作，达到或超过“协作”级别的工作占比则在90%以上，公司最常用的内部平台上，同时开展研究与工程工作的智能体约有3万个。这些数据的产业意义在于，AI已从研究人员偶尔调用的辅助工具，走向持续参与研发流程的执行资源;研发活动本身，正在成为持续推理算力的重要需求来源。

Anthropic与OpenAI聚焦RSI，首先是为了提高整个研究迭代流程的效率，而这一过程本身需要更多并行实验与持续运行的研究智能体。 从工程机制推演，研究智能体可以帮助提出和筛选方案、修改训练代码、生成实验配置、执行测试并分析结果，使研究人员能够同时探索更多候选路径;其中，智能体思考与编程需要推理算力，验证方案还需要训练、评测及数据处理资源。

OpenAI披露，截至8月中旬，其研究组织每一个人类工作日对应约3.1个标准智能体工作日;按使用量排序的中位研究人员，每日推理用量按API价格折算超过600美元，这里分别是运行时间和服务价格折算口径，并不是生产率倍数或实际内部现金成本。公司还指出，随着其他研发瓶颈减弱，计算资源可能成为更重要的约束。安全研究也构成独立工作负载——Anthropic在7月13日至20日的样本中，将全部AI研发算力的约6%、AI驱动研发算力的约12%用于AI安全相关工作进程。

这些关于RSI的最新研究进程以及Astra大模型横空出世带来的AGI热议，都意味着当AI大模型全面开始承担更多研发任务，产业不再只是“投入算力训练模型”，而是增加了“用算力运行研究智能体，再由智能体组织更多实验”的需求链条;研发自动化扩大了可探索的实验规模，也提高了对可用计算容量、调度效率与可靠性的要求。

RSI与Astra对AI算力投资主题最重要的催化，不只是“模型参数变大”，而是AI能够承担的工作范围扩大、每项任务的执行流程加深：面向用户的应用推理与面向模型研发的研究推理，共同拓宽了AI算力基础设施资源的长期需求空间。RSI与Astra提供了来自商业应用端的直接需求信号，让“研发自动化+用户推理”两条算力增长路径同时进入视野。

知名市场调研机构TrendForce的预测报告显示，2027年NVL72机架出货量同比增长超过50%，包含GB200/GB300以及下一代基于Vera Rubin架构的相关围绕英伟达AI GPU的NVL机架系统总产值有望超过7100亿美元，同比增长214%，其中包含产品升级和价格上涨的影响。随着Astra引领的先进最前沿大模型带来愈发强劲AI算力需求，摩根士丹利预计北美四大超级云计算与AI应用厂商们数据中心综合资本开支将从2026年的9170亿美元升至2027年的1.47万亿美元、2028年的1.64万亿美元，同期部署容量预计由2025年的35吉瓦扩大至2028年的145吉瓦。

从推理系统架构看，更复杂的任务往往包含更长上下文、多轮模型调用、工具执行与结果校验：预填充(Prefill)需要处理输入，解码(Decode)持续生成输出，键值缓存(KV Cache)则随上下文和并发规模扩大而占用更多内存，计算吞吐量、内存带宽与容量需要协同提升。 进一步的产业推论是，GPU、TPU承接模型计算，CPU承接工具执行与任务编排，HBM、服务器DRAM、存储和高性能网络基础设施、数据中心光互连器件支撑数据高效率运输与状态管理，最终需要由完整且未来规模愈发庞大的AI算力服务器集群交付可持续运行的服务。