AI正在造AI

影子備忘錄2026.10.03 17:33 · 來自廣東全文6136字00:00 / 16:37我們其實已經身處一個AI創造AI的閉環之中。文 | 影子備忘錄當你的代碼編輯器開始建議下一行代碼，當你的企業用AI生成的報告去訓練下一個AI模型，當一個人花一週時間“手搓”出服務十五萬用戶的產品……我們其實已經身處一個AI創造AI的閉環之中，這是是2026年正在發生的日常。今天筆者想聊一個可能被低估的事實：AI不再只是我們手中的工具了，它正在變成“製造工具的工具”，或者說，它正在變成“創造者的創造者”。這件事聽起來抽象，但你只要留意一下身邊的細節，就會發現證據無處不在。

一個數字背後的信號此前JetBrains發佈的《2026年開發者生態系統調查報告》顯示，今年5月到7月，全球約90%的專業開發者已經在工作中至少每週使用一次AI編程Agent，其中68%的開發者每天都在用。這意味著AI編程工具已經從“嚐鮮玩具”變成了基礎設施。更值得注意的是，Claude Code在今年1月時使用率還只有18%，短短幾個月就飆升到39%，直接翻了一倍多。而老牌選手GitHub Copilot的使用率反而從29%降到了21%。競爭格局在劇烈變化，但所有變化的底層邏輯是一致的：寫代碼這件事，正在從“人類手寫”變成“AI生成+人類審核”。全球開發者總數約1.

08億，AI工具滲透率已經達到85%，付費AI工具的月活躍用戶約4000萬，財富100強企業的覆蓋率達到了90%。如果你覺得這些數字還是太宏觀，那換個角度：Anthropic內部的數據顯示，其工程師合併代碼請求的數量提升了67%，70%到90%的代碼都是在AI工具輔助下完成的。騰訊的情況也類似，有超過90%的工程師在用AI編程助手，公司超過50%的新增代碼由AI輔助完成，平均編碼時間縮短了40%以上。快手更激進，截至今年6月，員工使用自研AI Agent產品的佔比超過92%，研發人員AI生成代碼的貢獻率達到了60%。不只是寫業務代碼，還包括寫訓練腳本、調參、管理部署、診斷測試結果。GPT-5.

3-Codex的發佈說明裡有一句話讓人印象深刻：早期版本的模型被團隊用來“調試自己的訓練過程、管理自己的部署、診斷測試結果和評估”。翻譯一下就是：AI在幫人類造更好的AI。AI造AI的三層遞進“AI造AI”這件事，不是一夜之間發生的。它經歷了三個層次的遞進，每一層都比上一層更深。第一層：AI輔助人類寫代碼。這是我們最熟悉的場景。你在Cursor或者Claude Code裡敲下幾行註釋，AI自動補全後面的代碼。你描述一個功能需求，AI給你生成完整的函數實現。這個階段的本質是“AI提效”，人類仍然是創造的主體，AI是加速器。

MIT的研究團隊追蹤了十萬名開發者的產出後發現，使用AI編程工具後，代碼行數達到了原先的17.3倍，但實際發佈的軟件版本只提升了30%。代碼寫了17倍，但真正發佈的軟件只多了三成。這說明大量的代碼是“嘗試性”的，AI讓寫代碼變得極其廉價，但驗證和發佈仍然是瓶頸。而且這個階段有個有趣的發現：AI工具對低活躍開發者的效率提升高達85%，而對原本就高頻提交的開發者僅有21%的提升。換句話說，AI正在“填平”開發者之間的能力差距。第二層：AI自主完成開發閉環。到了2026年，事情開始質變。AI不再只是“寫代碼的助手”，而是能獨立完成“發現→定位→修復→驗證”全流程的Agent。

OpenAI有一個內部實驗讓人印象深刻：他們沒有重新訓練模型，也沒有人工重寫代碼，AI系統在六週內自己把準確率從25%拉到了86%。Codex自己定位bug、寫修復方案、跑測試、驗證結果，整個過程在生產環境裡跑通了。更進一步，OpenAI內部有一個代碼量超過一百萬行的系統，整套系統裡沒有一行代碼是人工手寫的。再看Anthropic的做法：他們推出了AI代碼審查工具Code Review，通過多智能體並行分析GitHub上的Pull Request，自動標註邏輯錯誤，按照紅/黃/紫三色分級提示，並提供可執行的修復建議。

這個工具的意義在於：當AI大量生成代碼之後，“審代碼”本身也變成了瓶頸，於是AI開始審查AI寫的代碼，一個完整的自我循環正在形成。第三層：AI參與創造下一代AI。MiniMax發佈的新一代大模型M2.7就具備所謂的“自我優化閉環”：模型可以連續執行超過100輪“分析—改進—驗證”的循環，自主調整採樣參數、優化工作流策略，在內部評測中實現了約30%的效果提升。OpenAI走得更遠。他們在今年9月宣佈，其AI已經具備“自動化研究實習生”的能力，並專門成立了RSI（遞歸式自我改進）團隊，目標是在2028年3月前實現完全自動化的AI研究員，能夠讓AI自主生成、審計高質量訓練數據，接管自身研發全流程。

OpenAI在發佈GPT-5.3-Codex時坦率地寫道：“早期版本的模型在創建自身的過程中發揮了關鍵作用。”這不是隱喻，不是宣傳話術。這是字面意義上的“AI造AI”。大廠內部的“AI造AI”閉環如果說前面講的是行業全景，那這一部分筆者想聚焦到一個更具體的問題：在最前沿的科技公司內部，AI到底是怎麼“造”出更多AI的？第一個變化是“AI使用”變成了硬指標。有報道顯示，一些大型科技公司已經要求所有技術部門的開發方式必須全面轉入AI Coding模式，並將AI編程工具的應用能力和代碼交付量納入績效考核。谷歌把AI使用情況納入了部分員工的績效評估，摩根大通也要求工程師利用AI提升效率。

這代表著AI編程從“可以用”變成了“必須用”。當一個組織里每個人都被要求用AI寫代碼，這個組織的產出就從根本上帶上了AI的基因。第二個變化是內部工具的規模化。英偉達超過一萬名員工已經在使用GPT-5.5，工程師通過Codex進行開發，效率提升可以被精確量化。谷歌員工在使用一款名為“Agent Smith”的內部AI工具，可以自動處理包括編程在內的多項任務，因為使用人數激增，官方甚至不得不限制訪問。這些內部工具的本質就是AI在寫AI的工具鏈。一個AI編程助手被用來開發更好的AI編程助手，更好的AI編程助手又被用來開發下一代AI模型。第三個變化是“超級個體”的湧現。

阿里雲棲大會上，阿里巴巴首席人才官提出了一個觀察：“今天工程師代碼效率可以提高10倍，但端到端開發週期並沒有明顯縮短。超級個體的集合……”。AI讓寫代碼變快了，但讓“把東西做出來”並沒有等比例變快。因為軟件工程不只是寫代碼，還有需求分析、架構設計、測試驗證、部署運維。AI目前主要在“寫代碼”這個環節發力，而其他環節的瓶頸反而被放大了。但這個矛盾本身，恰恰是下一代AI要解決的問題。當AI編程Agent從“寫代碼”進化到“管項目”，從“完成任務”進化到“定義任務”，端到端的開發週期才會真正被壓縮。

Gartner預測，到2028年，異步AI編程Agent的工作流將把軟件工程團隊的生產力提升30%到50%，遠超2025年AI代碼助手的0%到20%。也就是說，現在只是“AI造AI”的早期階段。真正的大規模閉環還在後面。AI造AI的“非代碼”維度如果說大廠內部的AI造AI主要發生在代碼層面，那在企業應用和個人創造層面，故事更加豐富。先看企業端。AI降本增效這件事已經被說了太多，但很少有人注意到其中蘊含的“AI造AI”邏輯。以製藥行業為例，藉助AI，候選化合物的發現週期從36個月壓縮到20個月以內，研發成本降低了40%以上。

這個效率提升帶來的不只是“省錢”，更是企業可以用節省下來的資源去探索更多的藥物靶點，去訓練更精準的AI篩選模型。降本增效的產物，本身就是在創造新的AI能力。鋼鐵行業也是類似的邏輯。首鋼股份2026年以來上線了45個AI智能體，累計落地智能化應用場景929個。熱軋生產的AI智能體方案排程效率提升了80%，這些AI智能體在優化生產的同時，產生的數據反過來又在訓練更好的AI模型。製造業的數據更為直觀：美的計劃在2026年前通過AI相關應用實現約9億元的成本節約，而2023年這個數字僅為約4000萬元。從4000萬到9億，四年增長超過20倍。

背後是一條清晰的曲線，AI應用越多，產生的數據越多，訓練出的AI越好，能創造的價值就越大。還有一個案例值得關注：吉宏股份上線的全域智能運營平臺，上線後整體運營效率提升60%以上，人力成本降低約30%，內容產能增長77倍，客服自動化率達到85%。注意那個“770%”的內容產能增長，這也意味著一家公司用AI生產的內容，本身就可以用來訓練和優化AI系統。內容即數據，數據即燃料。再看個人端。這是筆者認為最令人興奮的變化。過去，創造軟件是一件需要專業訓練的事。你得學編程語言、學框架、學部署、學運維。一個想法從腦海到上線，中間隔著巨大的技術鴻溝。但2026年，這道鴻溝正在被AI填平。

百度推出了“秒噠”，用戶不需要掌握任何編程語言，通過自然語言描述需求，就能生成覆蓋從前端到後端的完整應用。阿里巴巴發佈了Meoo，用戶只需用自然語言描述想法，最快1分鐘就能自動生成前端後端完整的網站，並在阿里雲上一鍵部署上線。螞蟻靈光的“靈光圈”平臺更激進，推出了零代碼應用創作社區，還啟動了1億元的創作者激勵計劃。這說明一個有趣的現象：“創造AI的人”不再只是大廠的工程師了。有一個案例筆者印象很深：一位21歲的吉他愛好者，用AI編程工具在一週內做出了一個音色參數工具。首月只賣出了6份，但半年後月流水達到了2.5萬美元，服務了15萬吉他手。

全程零廣告，就是AI生成前後端代碼加上海外支付通道接訂閱收費。這個案例的關鍵不在於賺了多少錢，而在於一個完全不懂編程的人，用AI創造了一個AI工具，然後這個工具又在服務更多人。阿里巴巴“魔搭”AI開源社區的“創空間”頻道有將近2.3萬個AI應用，其中約95%由個人開發。95%。這個數字足以說明，個人正在成為AI應用創新的重要力量。硅谷頂級風投a16z在最近的播客中討論了一個新趨勢：個人AI助理正在從“省時間”進化到“幫你隱形搞定一切”。消費端有Instinct和Muse，垂直賽道有專注旅行的Soore、專注郵件的工具，B2B端有Vellum、Catch、Town等執行型助理產品。

Meta的Muse上線約一週，試用人數超過50萬，每日活躍用戶約25萬，總提示詞數量200萬條。Manus發佈了主打個人生活場景的智能助理Cue，騰訊的Handy Bot在微信內測，字節的豆包個人助理定名“小豆”，阿里的千問加速向“我的千問”演進。個人AI助理，正在成為2026年最擁擠的賽道。而每一個用戶與AI助理的互動，都在產生數據，這些數據又在訓練更好的AI助理。每個人都在無意中參與著“AI造AI”的循環。但這也是把雙刃劍聊到這裡，必須面對一個更嚴肅的話題。“AI造AI”如果只是一個效率故事，那它頂多算一次生產力革命。

但它正在觸及一個更深層的概念——遞歸式自我改進（Recursive Self-Improvement，RSI）。簡單說就是：AI造出更好的AI，更好的AI再造出更更好的AI，形成一個加速循環。這個概念曾經只存在於理論討論中。《紐約時報》今年9月的報道寫道：“遞歸式自我改進是這樣一個想法，即AI可以學會建造和訓練自己，創造指數級的新進展，以及風險。”但現在，它正在從理論變成工程實踐。Anthropic發出了一個值得注意的警告：AI系統可能達到一個階段，能夠在沒有人類干預的情況下開發和改進自己。

劍橋大學的研究團隊提出了一種“紅皇后假說”的方法，讓AI智能體通過反覆測試和增強自己的代碼來持續改進，而不撞上評估天花板。OpenAI毫不避諱地指出了當前的首要任務：“駕馭下一階段的AI進展，構建自動化的AI研究員，並找到讓人類留在自我改進循環中的方法。”“找到讓人類留在自我改進循環中的方法”，這句話的潛臺詞是：如果我們不做點什麼，人類可能會被排除在這個循環之外。有學者在ACM通訊上提出了一個尖銳的問題：“遞歸式自我改進真的來了嗎？”文章指出，OpenAI承認GPT-5.3-Codex的早期版本“在創造自己方面發揮了重要作用”，這種承認本身就是RSI正在成為現實的一個信號。

這不是科幻小說的橋段，這是2026年全球最頂尖AI實驗室正在認真對待的問題。當然，我們也不必過度恐慌。目前的RSI還處於非常早期的階段，AI能調試自己的訓練流程，但還不能從零開始設計全新的架構。AI能優化自己的工作流，但還不能定義“什麼值得優化”。但方向已經明確。速度可能比我們想象的更快。至於它最危險的那一面，遞歸自我改進會不會失控，人類會不會被排除在循環之外……這些問題沒有簡單答案。但至少，最頂尖的AI實驗室已經開始認真對待了。OpenAI專門成立RSI團隊，目標不是“讓AI自我改進”，而是“找到讓人類留在循環中的方法”。我們正站在一個分水嶺上。

往左看，是過去幾十年人類手寫代碼、手動操作的世界；往右看，是一個AI參與創造AI、人類定義方向的新世界。