Anthropic 联创 Clark 把自我改进 AI 预判提前到 2027 年，依据是新基准 TasteVal

一句话看懂：Anthropic 联合创始人 Jack Clark 把“AI 递归自我改进（RSI）”可能实现的时间从 2028 年提前到 2027 年，主要依据是 P-Zero Research 的新基准 TasteVal：头部模型的“研究品味”自 2025 年 12 月起约每三个月翻一倍。

事件核心：发生了什么

P-Zero Research 推出基准 TasteVal，衡量 AI 在给定研究目标后独立设计实验、解读结果的能力，即所谓“research taste”（研究品味）。每项任务固定研究目标与可量化分数，模型自行决定下一步实验；为保证公平，实验由固定编码代理在单张 Nvidia H100 上运行，单次上限为 40 GPU 小时或 120 小时实际时间。

P-Zero 把研究品味换算成“算力效率”：达到人类专家分数所需算力越少，研究品味越高。表现最好的 Anthropic Opus 5.5 算力倍数为 2.3，即用不到一半算力达到专家水平；但统计区间为 1.15 至 4.37，下限时优势很有限。人类基线来自 24 位近期在 OpenAI、Google DeepMind、Nvidia、微软研究院等工作过的专家。自 2025 年 12 月起，跨模型代际的算力倍数约每三个月翻倍，但作者称翻倍时间区间为 1.7 至 5.0 个月，不确定性不小。

为什么重要

目前公开信息显示，TasteVal 只测八个 AI 模型研发类任务，且“选择研究方向”这一步已由基准预先设定，覆盖面有限；任务可被快速、低成本检验，作者也承认结果可能高估研究品味的提升速度，对照组也不含顶尖研究者。但它把讨论从模型跑分转向“大模型能承担多少独立科研工作”，这对训练、推理与算力分配都有参考意义。Clark 此前在 2026 年 5 月的文章中给出过更保守的概率：2028 年底前出现可自主训练更强后继系统的概率约 60%，2027 年前约 30%；现在他把时间线前移了一年。

对用户/开发者/创作者的影响

对开发者而言，短期内更现实的变化是 AI 代理在实验设计、超参搜索和数据筛选上承担更多重复工作，人力转向设定目标与判断方向。若“实验算力成为瓶颈”的判断成立，算力成本与调度效率会直接影响团队产出，而非只看模型单价。对普通用户和创作者，这类能力不会立刻变成可用产品，更可能先体现在自动化科研工具和 AI 应用的迭代速度上。