AI 正在加速開發下一代 AI：Amodei 描述的回饋循環為什麼讓人不安

本文整理自 Anthropic 執行長 Dario Amodei 於 2026 年 1 月發表的長文《科技的青春期》（The Adolescence of Technology）。本篇為系列共五篇的第五篇，聚焦 AI 能力的加速軌跡、Scaling Laws 的實證基礎，以及 Amodei 認為最被忽視卻最關鍵的趨勢——AI 開發 AI 的回饋循環。強烈建議讀者閱讀原文全文。

一句不經意的話，揭露了整篇文章最重要的事實

在一篇涵蓋五大風險、橫跨地緣政治和經濟衝擊的萬字長文中，最讓人停下來反覆思考的，可能是 Amodei 隨口提到的一句話：「AI 正在寫 Anthropic 大部分的程式碼，而且正在大幅加速我們開發下一代 AI 的速度。這個回饋循環正在逐月加速。」

這句話的含義需要拆開來看。

AI 寫程式碼，這件事本身已經不新鮮。GitHub Copilot 在 2022 年就上線了，到 2025 年已經有數百萬開發者在使用。但 Amodei 說的不是「AI 輔助工程師寫程式碼」——他說的是 AI 正在寫他們公司「大部分」的程式碼，而且這些程式碼的目的是開發下一代更強的 AI。

這就是回饋循環的意思：AI 寫程式碼 → 加速開發下一代 AI → 下一代 AI 更強 → 寫出更好的程式碼 → 進一步加速開發。每轉一圈，速度都比上一圈快。

Amodei 用了一個很克制的說法：「gathering steam month by month」——逐月加速。但如果你理解指數成長的本質，你就知道「逐月加速」在足夠長的時間軸上意味著什麼。今天看起來還是漸進式的進步，某個時間點之後會突然變成爆炸性的躍進。而且你很難事先知道那個轉折點在哪裡。

十年的 Scaling Laws：為什麼他有底氣做預測

Amodei 不是憑直覺在說「AI 會持續變強」。他引用了一個有十年研究歷史的實證基礎：Scaling Laws。

Scaling Laws 的核心發現是：當你增加 AI 訓練的算力和資料量時，模型的能力會可預測地提升。不是隨機的、不是偶爾的，而是系統性的、跨領域的。Amodei 和 Anthropic 的共同創辦人親自參與了這個研究方向的早期工作。

他在文中舉了一個讓人印象深刻的對比：三年前，最強的語言模型連基本的四則運算都做不好。今天，同類模型已經開始在未解的數學問題上取得進展，能夠從零開始撰寫複雜的程式碼。三年的時間，從「算不好加減乘除」到「嘗試解未解的數學難題」。

更重要的是，這個進步不是只發生在某一個領域。Amodei 指出，生物科學、金融分析、物理學、代理性任務（也就是 AI 自主追求目標的能力）都展現了類似的進步曲線。AI 不是在某一項技能上變得很強而其他方面停滯不前——它是在幾乎所有認知任務上同步進步。

這就是為什麼 Scaling Laws 讓人不安。如果進步是隨機的、偶發的，那我們可以合理地預期它會停下來。但如果進步是系統性的、可預測的，那「它會繼續」就不是盲目樂觀，而是基於十年資料的合理推斷。

反駁「AI 撞牆」的敘事

2024 年底，CNN 和金融時報（Financial Times）刊出了一系列報導，核心論點是：AI 的進步速度正在放緩，可能遇到了技術瓶頸。這些報導在科技圈和投資圈產生了巨大影響。很多人鬆了一口氣：看吧，AI 不會那麼快改變一切，我們還有時間。

Amodei 顯然對這些報導很不以為然。

他的反駁不是抽象的——他用了後續模型的具體能力進步來回應。在那些報導發表之後，新一代模型在數學推理、程式撰寫和代理性任務上的表現出現了顯著的跳躍式進步。他沒有點名具體的模型，但考慮到時間線，這很可能包括了 Claude Opus 4 和後續版本的能力提升。

他的論點是：媒體和公眾對 AI 進步的認知，往往落後於實際的技術發展。當記者寫「AI 可能撞牆了」的時候，實驗室裡的研究員已經在用撞牆之後的成果做下一輪實驗了。這個認知落差不只是知識上的問題——它會影響政策制定、企業策略和個人職涯規劃。如果決策者還在用「AI 撞牆」的假設做規劃，他們的計畫可能從一開始就建立在錯誤的前提上。

「我能感覺到時鐘倒數的聲音」

在整篇文章中，Amodei 刻意維持著學術式的冷靜。他反覆使用「不確定」、「可能」、「有相當機率」這類限定語。他批評末日派使用過度情緒化的語言。他主張所有判斷都應該基於證據而非直覺。

但在描述 AI 進步速度的時候，他突然偏離了這個語調。

他寫道：「在 Anthropic 內部觀察了五年的進展後，我能感覺到（feel）進步的速度，以及時鐘倒數的聲音。」

這個「feel」在整篇文章中極為突兀。一個花了上萬字告訴你「我不確定任何事情」的人，突然切換到第一人稱的感性表達。這個破格值得認真對待。

Amodei 給出的保守框架是：不是說強大 AI 一定在一到兩年內到來，而是「有相當的機率」在一到兩年內，「非常高的機率」在未來幾年內。但他的感性表達暗示，他內心的確定程度可能比這些限定語所傳達的更高。

他之所以不把話說死，可能有幾個原因。作為一家 AI 公司的 CEO，做出過度確定的時間表預測是危險的——無論是對投資人、對員工還是對公眾。作為一個科學家，他知道「確定」和「高機率」之間的差距。但作為一個在前沿親眼看過五年進展的人，他的直覺判斷可能比他願意公開表達的更為篤定。

到 2027 年：數百萬個超人智能體

Amodei 描繪的近期未來不是遙遠的科幻場景。他估計到 2027 年左右，資料中心的規模可能足以支撐數百萬個模型實例同時運作。每個實例都具備超越人類的認知能力，運作速度是人類的十到一百倍，可以連上網路，可以自主規劃和執行複雜任務。

他用了一個反覆出現的比喻：「資料中心裡的天才國度」。大約五千萬個超越諾貝爾獎等級的智能體，每一個都是完全相同的——因為它們都是同一個模型的副本。它們不會疲倦、不會分心、不會請假、不會在會議中走神。它們可以同時在數千個專案上全力工作，而且彼此之間可以即時共享發現。

如果這個描述讓你覺得不真實，Amodei 提醒你：三年前最強的 AI 連加減乘除都做不好。從那個起點到今天的距離，就是你用來推估未來三年可能變化的參考基準。

而回饋循環的存在意味著，未來三年的進步速度可能比過去三年更快。因為現在的 AI 已經在幫忙開發下一代。

我的觀察

回饋循環是整篇萬字長文中最關鍵的段落，但它被埋在了五大風險的討論裡，很容易被忽略。 大多數讀者讀這篇文章會聚焦在恐怖的風險場景——AI 欺騙、生物武器、極權監控、大規模失業。但所有這些風險的時間表，都取決於一件事：AI 變強的速度有多快。而回饋循環正是決定這個速度的核心機制。如果 AI 開發 AI 的效率每隔幾個月就翻一倍，那 Amodei 描述的所有風險的「未來十年」情境，可能會在「未來三到五年」就到來。這不是在販賣恐懼——這是在指出，所有關於「我們還有多少時間準備」的估算，都需要把這個加速因子考慮進去。多數人的規劃仍然建立在「線性進步」的假設上。回饋循環告訴我們，實際的進步可能是指數級的。

「我能感覺到時鐘倒數的聲音」——這句話出自一個在整篇文章中極度克制的人，這個「破格」本身就是訊號。 Amodei 整篇文章的基調是學術式的冷靜、反覆的限定語、刻意的不確定性。這是一個受過科學訓練的人在處理複雜問題時的標準態度。但唯獨在描述 AI 進步速度的時候，他切換到了第一人稱的感性語言。如果你跟有科學背景的人共事過，你會知道讓他們說出「我能感覺到」有多困難。這些人會說「資料顯示」、「證據建議」、「機率分布指向」——幾乎永遠不會說「我感覺到」。Amodei 在這個地方破例了。這暗示他觀察到的現象可能比他願意用數據語言描述的更令他震動。讀者可以自己判斷這代表什麼，但不應該忽略這個語調的轉變。

「AI 撞牆」的敘事在 2024 年讓很多人鬆了一口氣，但很多決策者和工作者仍然活在那個認知框架裡——這個落差本身就是風險。 2024 年底那波「AI 放緩」的報導，影響了一大批人的判斷：投資人開始收緊 AI 投資、企業推遲了 AI 導入計畫、個人覺得「AI 還早，不用急著學」。Amodei 用後續的模型能力跳躍式進步反駁了這些報導。但問題在於，公共認知的更新速度永遠比技術慢。到了 2026 年初，仍然有大量的企業主管和政策制定者在用 2024 年的「AI 可能撞牆」框架做決策。這個認知落差的後果是具體的：延遲導入 AI 的企業會在競爭中落後；沒有調整職涯策略的個人會在就業市場上措手不及；用「我們還有很多時間」為前提制定政策的政府，會發現時間比他們想的少得多。如果你現在做的任何重要決定——職涯、投資、企業策略——仍然建立在「AI 進步會放緩」的假設上，你值得重新評估那個假設。

本系列全部文章

本系列共五篇，整理自 Dario Amodei 的長文《科技的青春期》（The Adolescence of Technology）：

1. Anthropic 執行長萬字長文：人類正在經歷「文明的青春期」
2. Amodei 直言：別把晶片和資料中心賣給中國，AI 極權是人類最大威脅
3. AI 取代白領不是危言聳聽：Amodei 預估一半初階白領工作將在數年內消失
4. 不要當末日派，也別盲目樂觀：Amodei 的「外科手術式監管」主張
5. 本篇 → AI 正在加速開發下一代 AI：Amodei 描述的回饋循環為什麼讓人不安