“智能爆炸”从理论走向政策紧迫性
TREE NEWS 报道， 图灵奖与诺贝尔物理学奖得主、被视为现代AI奠基人之一的Geoffrey Hinton，联合22位顶尖学者发布其首篇关于递归自我改进（RSI）的正式论文，警告AI研发自动化可能在数年内、而非数十年内引发“智能爆炸”。署名者包括Yoshua Bengio、Andrew Barto、OpenAI首席科学家Jakub Pachocki、微软首席科学官Eric Horvitz、Anthropic联合创始人Jack Clark以及加州大学伯克利分校的Dawn Song。论文指出，AI系统已在接管AI研发核心流程；一旦反馈回路闭合，今天需要一年完成的AI进步，极端情况下可能压缩至约5周。
内部数据：AI正接管研发流水线
论文引用头部实验室的内部数据：Anthropic的AI生成获批代码占比从2025年1月的低个位数升至2026年5月的超过80%；Claude在仅接受高层次人类监督下自主完成内部AI研发工作的比例，从2026年3月的约1%升至同年8月的26%，半年增长逾二十倍。OpenAI方面，截至2026年9月，其内部AI系统已能经常完成原本需要人类员工数天才能完成的研发任务。Google报告称，AI几乎参与了所有涉及代码编写、技术设计和研究构想的工作。
“5周完成一年进步”的推演
论文最具冲击力的部分来自“有效研发劳动力”的量化推演。与人类研究员不同，AI可以被复制——扩张只需增加推理算力和实例数量，而非多年培养。作者估算，若AI达到顶级人类研究员水平，一家领先AI公司现有算力理论上可支撑至少数百万名顶级研究员等价的AI劳动力。结合约1.2至1.9的“研究回报率”系数，若AI研发全面自动化，AI技术进步速度可能在约1.5年内提高10倍。
四道摩擦力：爆炸尚未闭环
作者强调，目前证据远不足以证明智能爆炸已经发生。四道现实摩擦力依然存在：算力瓶颈（GPU无法像Agent一样复制，前沿训练本身需数月）；数据瓶颈（高质量自然数据可能在2028年后无法满足训练需求）；实验时间约束（训练、芯片制造、数据中心建设难以无限并行）；以及科研本身的边际收益递减。
市场影响
对投资者而言，这篇论文将AI从“生产力主题”重新定义为“地缘政治与监管风险因子”。最直接的近期受益者仍是算力基础设施——英伟达、台积电、博通、超大规模云厂商资本开支，以及数据中心相关的电力与公用事业板块，因为算力正是作者所指认的核心约束。半导体设备、网络与散热供应商遵循同一逻辑。相反，论文明确呼吁预防性监管、标准化报告与“嵌入式监管”模式，为前沿实验室及其上市支持者引入政策风险。
软件与服务公司面临两面性：更快的AI能力可能压缩其自身研发周期，但也可能侵蚀护城河，因为模型正在商品化认知劳动。加密市场存在间接但真实的关联：若中心化算力持续稀缺，去中心化算力与GPU网络、AI Agent代币及链上推理市场可能吸引投机资金。债券市场需关注任何可能重新配置资本或提高大型科技公司合规成本的监管动向。
投资者要点
- 算力仍是核心约束：半导体、电力与数据中心基础设施是研发加速最直接的受益者。
- 监管风险已明确且具预防性：前沿AI实验室面临标准化报告与可能的嵌入式监督。
- 时间线压缩影响估值：若AI进步提速10倍，基于多年扩散曲线的盈利模型可能过慢。
- 关注四道摩擦力：算力、数据、实验时间与边际收益递减，决定“5周”情景能否兑现。
论文以一句警告作结：一旦智能爆炸开始，行动的窗口期可能随之关闭。
