当一家前沿实验室主动说“我们离某个临界点很近了”，这通常不只是技术通报，而是一次有意的议程设置。
发生了什么
据 TechCrunch 报道，Anthropic 发出警告称，公司已“非常接近”具备 RSI（Recursive Self-Improvement，递归自我改进）能力。所谓 RSI，指的是 AI 在训练自身这件事上强到足以引发能力加速跃升的临界状态：模型参与改进下一代模型，下一代又更快地改进再下一代，形成正反馈。报道同时指出，在“AI 末日论”者眼中，RSI 正是那个“一旦越过便无法回头”的灾难节点。
需要说明的是，Anthropic 的表述是“接近”而非“已经实现”，公开信息中并未给出具体的时间表或量化指标。
为什么重要
RSI 之所以被单独拎出来讨论，是因为它改变了能力增长的曲线形状。过去每一代模型的提升，主要依赖人力投入——数据清洗、架构调整、评测设计、训练调参，都是人在做。如果模型能承担其中相当一部分研发工作，迭代周期就会被压缩，原本以年计的进步可能被压缩到更短的时间尺度。
这也是为什么 RSI 在安全讨论中位置特殊：它既是能力问题，也是控制问题。一个能加速改进自身的系统，其行为与目标漂移的容错窗口会同步收窄。Anthropic 长期以“安全优先”作为自身定位，把 RSI 摆上台面，客观上既是在提示技术拐点，也是在为自己偏保守的路线提供正当性——这一点值得读者保持清醒：风险叙事与商业叙事在前沿实验室那里往往难以完全分开。
影响与看点
对行业而言，最直接的变化是竞争节奏。如果头部实验室普遍认为自我改进已进入工程可行区间，算力、评测与安全团队的资源配置都会被重新排序，“谁的迭代闭环更短”将取代“谁的榜单分数更高”成为核心指标。
对开发者来说，短期不必恐慌于“模型自己造模型”，但要留意两个可观察信号：一是模型在训练侧任务（数据筛选、评测生成、训练脚本调试）上的实际表现是否被系统性纳入产品；二是各家是否开始披露“AI 参与研发”的比例。这些比口号更能说明进度。
对普通用户，RSI 的体感不会以“某天突然觉醒”的形式出现，更可能是工具更新变快、能力边界移动得让人跟不上。真正需要公共讨论的，是评测与监督机制能否跟上迭代速度——如果改进速度超过验证速度，风险就不是假设。
我的判断是：Anthropic 这次表态的价值不在于“预言”，而在于把 RSI 从论文概念推入公共议程。接下来值得盯的不是谁先说出口，而是谁愿意公开可验证的度量方式。
