科技行业关于自我改进型人工智能的狂热叙事，正在被它最重要的推动者亲自浇下一盆冷水。Google DeepMind 工程师 Haydn Belfield 近日披露的一组内部实测数据给出了明确判断：所谓由 AI 自身驱动的研发加速，在工业级实测中并没有发生。
尽管大语言模型早已接管了大量重复劳动，但技术的自举循环——即更聪明的模型自动优化自身架构、触发指数级智能爆炸的设想——依然停留在科幻与论文预警阶段。真实工程世界展现出的，是一条极为平缓的增长曲线。
75% 代写的繁荣与 88% 的人类兜底
公众对技术迭代的误读，往往源于对统计维度的混淆。在 Google 内部，AI 目前确实编写了超过 75% 的生产代码。但这绝不意味着研发流程已经被 AI 自主接管。
Haydn Belfield 披露的数据显示，约 88% 的代码变更仍需人工监督，且所有代码在最终合并提交前必须 100% 经由人类审核。真正由人类完全放手、全权委托给 AI 独立完成的变更比例，仅仅是从 7.5% 微升到了 11.9%。乔治城大学 CSET 在题为《When AI Builds AI》的报告中曾明确警告，代码生成行数与任务委派率是衡量研发加速的劣质代理指标，它衡量的是机械劳动的代写效率，而非高价值科学洞见的产出速度。
当工程难度从常规业务代码转向高难度的机器学习系统时，AI 的胜任力迅速出现断层。在 DeepMind 内部评测的 1,389 次 Argon 智能体运行记录中，任务复杂度一旦增加，智能体在无人干预下的成功率便呈现断崖式下跌。在包含 74 项真实机器学习工程任务的内部评估套件中，Argon 解决了约 50%。这一成绩虽然明显优于上一代 Gemini 3.7 Flash 的 27%，但距离真正闭环所需的稳定度仍有巨大鸿沟。
值得区分的是，METR 于 2024 年 11 月 22 日发布的公开 RE-Bench 基准实际包含的是 7 个研发工程环境，与 DeepMind 内部采用的 74 项定制工程任务在范围和构成上存在明确差异，不能简单等同。
每月 0.1 点的平坦曲线，撞碎爆炸假设
为了量化 AI 研发是否真的出现自举加速，Google DeepMind 建立了通用能力指数 GCI v1，追踪横跨 123 个模型、92 个评估基准的表现。实测结果表明，Gemini 系列的能力增长速率始终恒定在每月约 0.1 GCI 点，在统计学上没有呈现出任何指数级自驱加速的迹象。
在 Gemini 4 Argon 的模型卡中，DeepMind 甚至明确将两项核心风险指标——机器学习研发加速与机器学习研发自动化——均评定为未达到。Argon 稍微跑赢基准趋势线的那一点增益，被团队明确归因于算力堆叠与工程组织资源的大规模追加，而非算法自身的自我进化。
这一结论与理论学界的紧迫呼吁形成了鲜明对照。2026 年 9 月 28 日，Alan Chan 与 Christoph Winter 联合 Geoffrey Hinton、Yoshua Bengio 以及 OpenAI 首席科学家 Jakub Pachocki 等 20 余位顶尖学者发表论文，警告自动化 AI 研发可能在数年内压缩爆发，呼吁对递归进化的临界点实施强力监管。而在行业竞争端，Anthropic 内部估计其高层级监督下的内部 AI 研发工作占比从 2026 年 3 月的 1% 快速爬升至 2026 年 8 月的 26%。
但这些局部突破并没有引发系统性的雪崩效应。正如 DeepMind 披露的 AlphaEvolve 编码智能体，虽然成功发现新的调度启发算法，帮助 Google 全球算力资源平均回收了 0.7%，印证了算法对局部基础设施优化的有效性，但这依然属于特定约束条件下的参数寻优。Cunningham 等学者发表的经济学模型论文（arXiv:2609.15802）结合 METR 研究指出，当前 AI 研发的正反馈强度显著低于自我维持爆炸的临界阈值；哪怕软件研发环节实现高度自动化，边际收益递减与外部物理约束也决定了指数级智能爆炸并非必然发生。
自动化写完可验证的逻辑，不等于模型拥有了提出新科学假说的能力。
无法跨越的科学假说之墙
DeepMind 对内部 12 位资深研究员的调研指出了当前技术架构的核心死穴：自动化的天花板被牢牢限定在目标明确、反馈闭环极短的任务内。
在单体函数编写、常规测试生成或基准对齐上，模型表现优异。然而一旦进入长周期规划、设计颠覆性实验方案、诊断训练微小震荡以及开创全新架构等开放式探索环节，现有模型几乎无计可施。
- 结论.软件辅助编写、全流程自动化研发与自维持智能爆炸是三个跨度极大的工程阶段，不可混为一谈。
- 风险.如果科技巨头将局部效率提升误判为智能跃迁，过热的算力资本开支可能面临研发投资回报率大幅不及预期的泥潭。
从目前的工程现场来看，一线工程师并没有被算法取代，反而普遍被迫转型为全职代码审核员与系统异常诊断员。对于资本市场与政策制定者而言，比起沉溺于抽象的末日假说，穿透统计口径的幻觉、紧盯前沿模型的实测基准阈值，才是理解当下技术节奏的唯一现实解法。