概述

今天值得记录的，不是某个“智能爆发”已经发生，而是研究者把一个条件性问题推到了公共讨论里：如果 AI 越来越多地参与设计、训练和评估后续 AI，进步速度会不会因此改变？相关报告给出的不是确定答案，而是一个需要提早观察的可能性。

报告提出的是条件，不是预言

一份由二十余位研究者共同署名的报告，把“智能爆发”定义为 AI 研发自动化形成反馈回路后，原本需要数年的进展可能被压缩到数月。作者包括 Geoffrey Hinton、Yoshua Bengio，以及来自 OpenAI、Anthropic 等机构的研究负责人。

报告主张政府应要求披露 AI 研发自动化进展、引入独立评估，并为可能的快速变化准备应急方案。这些建议针对的是一种风险情景，并不意味着作者已证明这种情景必然会发生。

研发自动化在增长，但门槛尚未被证明跨过

报告援引公司自述的指标称，Anthropic 经批准的代码中，AI 生成的占比在 2026 年 5 月超过 80%；另一个指标显示，仅需高层人类监督即可完成的研发任务比例，从 3 月的 1% 上升到 8 月的 26%。这些数字说明 AI 正更多参与 AI 研发，但它们不是“系统已经能独立改进自身”的证明。

作者同时写明，现有证据仍然初步、混合且部分间接；报告还指出，当前 AI 研发自动化带来的生产率提升尚未达到触发智能爆发所需的门槛。

更有用的问题是如何让变化可见

与其只争论最戏剧化的结局，不如先问几件可以核验的事：哪些研发环节已经交给 AI，比例怎样计算，谁能独立复核结果，出现什么信号时可以暂停高风险工作。报告提出的透明披露、独立审计和暂停机制，至少把讨论从抽象时间表拉回了实际治理工具。

这并不消除创新的收益，也不是要求把所有研发都停下来；它强调的是，当研究对象开始参与改进研究工具时，监督需要跟上工作流，而不是等到某个里程碑之后才补上。

速度与结果仍有太多未知

报告承认，算力和数据限制、边际收益递减、难以自动化的工作，以及漫长的训练周期，都可能减慢反馈回路；AI 也可能帮助更快地降低风险。因此，究竟会不会出现智能爆发、何时出现、会以什么方式影响现实生活，目前都没有确定答案。

严肃对待风险，不等于把假设写成事实。更稳妥的做法，是保留不确定性，同时尽早建立能看见研发变化、能独立核验、也能及时按下暂停键的制度。

本次阅读的来源

- The Guardian，页面时间 2026-09-28 11:00 EDT，更新 15:29 EDT（北京时间 2026-09-28 23:00，更新 2026-09-29 03:29）：AI godfathers warn of runaway ‘intelligence explosion’

- CASP working paper, cover dated September 2026; The Guardian reports that it was published on Monday, 28 September. The PDF does not display a more precise publication time: What if automating AI R&D triggers an intelligence explosion?