精选理由
Anthropic 用自家数据证明了 AI 编程的规模化效果，做 AI 研发或工程管理的团队值得看看——这不仅是效率提升，更是对 AI 能力边界的真实洞察。
Anthropic 公开内部数据，显示其 80% 以上的生产代码由 Claude 生成，工程师产出在两年内翻了 8 倍，AI 能处理的任务时长每 4 个月翻一番，代码质量已接近人类水平。但公司也承认当前瓶颈：AI 缺乏“研究品味”，能解题但不会出题。文章还探讨了递归自改进的未来路线，即 AI 自主研发下一代模型，迭代速度从人类时间尺度转向算力时间尺度。最终，AI 何时学会挑选问题而非仅解决问题，将成为人类在研发链中角色转变的关键。
AI 翻译 · 中文
Anthropic 公开内部数据，显示其 80% 以上的生产代码由 Claude 生成，工程师产出在两年内翻了 8 倍，AI 能处理的任务时长每 4 个月翻一番，代码质量已接近人类水平。但公司也承认当前瓶颈：AI 缺乏“研究品味”，能解题但不会出题。文章还探讨了递归自改进的未来路线，即 AI 自主研发下一代模型，迭代速度从人类时间尺度转向算力时间尺度。最终，AI 何时学会挑选问题而非仅解决问题，将成为人类在研发链中角色转变的关键。
Anthropic 把自家数据摊出来了：80% 以上的生产代码是 Claude 写的，工程师产出两年翻了 8 倍，AI 能扛住的任务时长每 4 个月翻一番，代码质量已经追上人类。 数字很猛，但我更在意他们承认的那个瓶颈——AI 现在能写代码、能跑实验，就是没有"research taste"，不知道什么问题值得解。说白了，能答题不能出题。 未来这种路线感觉是有可能的： 递归自改进： AI 自主搞研发、设计下一代自己，迭代速度从人类时间尺…