测量前沿实验室里的 AI 研发速度：Anthropic 的三项自报指标解读

前沿实验室的 AI 研发正在被 AI 自己接管多少？2026-09-17（Newsroom 索引日期；原文页面本身未标日期），Anthropic 发布《Measurements for understanding the pace of AI development inside frontier labs》（作者 Marina Favaro、Phillie Wright），第一次把自己内部 AI 研发的自动化程度、智能体监督水位与安全算力份额拆成三组可复述的数字。本篇逐项转述这三项指标、关键数值、方法论与官方自认的局限（2026-09-18 发布次日重抓原文逐项核对）。所有数字都是官方自报口径——本篇不做与 OpenAI 生态的对比推演。

1. 为什么测量研发速度：问题定义

文章的出发点：AI 正越来越多地自动化自身的研发，逼近"递归自我改进"（recursive self improvement，一个模型完整建造它的后继者）。作者希望在公众讨论如何为前沿 AI 设速时，缩小实验室与外界之间的信息差——把"我们内部自动化到什么程度、怎么监督、安全占多少资源"变成公开数字。

三项指标一句话版：研发自动化指数回答"AI 干了多少"，智能体监督回答"怎么盯着它们"，安全算力份额回答"投入多少算力做安全"。

2. 指标一：研发自动化指数（R&D Automation Index）

分级的骨架来自 Epoch AI 的自动化等级尺度：AL0（无 AI 参与）到 AL5（完全自主、无人在环）。两个关键档位：AL3 是"协作"（collaborates）——AI 承担大块工作、人类紧密指导；AL4 是"主导"（leads）——AI 从高层提示出发端到端完成大部分任务、人类做监督。

当前数值（截至 2026-08）：Claude 主导 26% 的 AI 研发工作；协作级以上的工作占 90% 以上；没有任何被测子集完全自主。

方法论：2026 年 7 月的每周，按部门随机抽 20% 员工，把他们的工作拆解编目成约 15,000 项细粒度任务，组织成一棵 542 节点（378 叶）的任务树并冻结为基线；Claude 智能体收集证据，由独立的 Claude 评审定级，任务按人时加权。校验数据：评审与人类的完全一致率 59%，高于人类与人类之间的 35%；一档以内的一致率 97%。另外用 2026-01 的对照任务篮子做了稳定性检查，未见新任务类型上升。

3. 指标二：智能体监督

这项指标拆成三个子项：覆盖率（多少比例的智能体动作经过监测器）、复核时延（动作发生到人工复核的时间）、拦截升级率（多大比例的动作被拦截或标记）。

当前数值：在最常用的内部平台上，任一时刻约有 30,000 个智能体在做研发与工程工作；100% 的智能体动作在执行前经过在线监测；2026 年 8 月分析了超过 10 亿个智能体决策，其中 0.002% 被拦截（约每 47,000 个拦一个）；被拦动作在一周内有人工复核。离线监测侧：每周标记约 100,000 份转录，其中约 50 份升级到人工复核——约合每千份转录标记 1-2 份。

支撑设计：每个智能体有持久身份（模型升级不换身份）；开放共享消息通道让智能体互相审计。METR 已对离线监测平台做过独立红队。

4. 指标三：安全算力份额

2026-07-13 至 07-20 的一周快照：约 6% 的 AI 研发算力、约 12% 的 AI 驱动研发算力投向安全工作。测法：用既有监测工具加基于 Claude 的分类器，对当周近 10,000 次运行抽样约 14%（偏向计算密集的运行）；无法访问的转录保守计入 AI 研发侧。

官方对这条数字的自我警告最多：两用工作一律计入能力侧；防护用分类器排除在安全侧之外——所以这是刻意保守的下限口径。

5. 官方自认的局限（读数前必看）

原文给出的局限清单，逐条照录其意：

• 标签是尽力而为（best-effort）且未经独立验证；
• 算力快照只覆盖一周；
• 算力份额衡量支出而非工作量——效率提升可以在安全工作不减的情况下缩小份额；
• "什么算安全"本身依赖判断，作者主张举证责任应在开发方；
• 安全算力口径刻意保守（见第 4 节）。

引用本文任何数字时建议带上"官方自报"与对应的口径注释——这与读任何模型发布基准表是同一个纪律。

6. 政策语境：RSP 与第三方评估

文章把这套指标定位为对负责任扩展政策（RSP）能力评估的补充——RSP 官方页面（现行版本 3.4，2026-07-08 生效）本就包含 AI R&D 自动化相关的能力阈值，模型越过阈值后需要论证错位风险。这套指标也与 Advanced AI Framework 拟议的透明度义务对齐。落地上，Anthropic 计划在内部嵌入来自多家组织的独立第三方评估者，给以与内部风险团队对等的访问权，负责验证安全实践、报告事件与监测指标。

7. 怎么读这类自报数字

三步保守读法。第一步，先记口径再记数字："主导 26%"只在 AL4 定义（端到端完成、人类监督）下成立，脱离定义引用就是误导。第二步，把互锁的数字一起读：26% 要和"协作级以上 90%""完全自主为零"同框，拦截率 0.002% 要和"100% 覆盖、每周 10 万标记"同框。第三步，承认自报属性：任务树与评审都是内部构建的，官方给出的局限清单要随数字一起携带。更一般的基准阅读方法见怎么读模型发布里的基准对比图：effort 曲线、对数成本轴与安全干预。

8. 下一步

• 同日公告读法:Anthropic 生命科学验证计划（LSVP）解读：Mythos、Opus、Sonnet 向生物学工作负载分级开放——同属 Anthropic 9-17 的透明度与安全机制动作。
• 怎么读模型发布里的基准对比图：effort 曲线、对数成本轴与安全干预——把"先问口径再读数字"的纪律套到任何官方数字上。