算法1年翻倍，芯片2年翻倍？重磅实锤：AI正在自我加速，拦不住了
一句话看懂：NBER新论文通过量化模型发现，AI的算法效率每约一年翻倍，芯片效率每两年翻倍，且两者叠加形成强正反馈环。研究指出，仅需全行业13%的研发自动化率，就可能在未来6年内触发AI自我迭代的“奇点”式爆发增长。
事件核心：发生了什么
美国国家经济研究局（NBER）发布论文（编号w35155），标题为《AI研究何时自动化会导致爆炸式增长？创新网络中的反馈回路》。研究团队实证发现，AI领域的“想法难找效应”——即随着技术进步新点子越来越难发现的现象——远弱于半导体、制药等其他技术领域。AI芯片效率每两年翻倍，算法效率每约一年翻倍，两者叠加使有效算力增长远超单一摩尔定律。论文模型进一步指出，当全行业研发自动化率达到13%（或软硬件领域达到17%），反馈回路的综合强度就会超过临界值，引发“爆发式增长”。Anthropic政策负责人Jack Clark也预测，到2028年底有60%以上概率出现“无人参与的AI研发”。
为什么重要
这项研究打破了两个传统认知。第一，AI打破了其他科技领域“做容易的、然后撞墙”的规律：因为AI研发工具本身就是AI，更好的模型直接成为下一轮改进的工具，构成一个自我增强的闭环。第二，不需要100%自动化——论文证明，只要AI能承担研发流程中部分关键环节（如代码编写、实验设计），就能超越人类研究员数量增长瓶颈。校准结果显示，硬件研发自动化的经济影响力约是软件的5倍：自动化1倍芯片设计任务的推动作用，相当于自动化5倍软件任务。这意味着AI自我加速不仅可能发生，而且时间窗口可能比很多经济模型预计的短得多。
对用户/开发者/创作者的影响
如果模型预测成立，AI研发的主力在未来6年内将逐渐从人类转向AI自身，这将直接改变开发者获取工具的方式：大模型API的推理成本可能因算法效率翻倍而持续指数级下降；图像生成、代码生成等AI应用的质量提升周期将被压缩到以月为单位。对于创作者，内容生成工具的能力边界可能被自动化的AI研究员不断拓宽，但同时也意味着依赖单一平台或闭源模型的生态风险增大——因为模型迭代速度远超人力跟进速度。对硬件采购决策者而言，论文强调“硬件研发影响力是软件的5倍”提示：算力基础设施的投入回报率可能被低估，尤其是芯片设计自动化的价值。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，论文模型是否为真——需要关注后续是否有其他独立研究团队复现该反馈环强度的估算结果。第二，硬件研发自动化是否率先突破——芯片设计工具（如EDA）的AI化进程将比通用AI能力更值得跟踪。第三，临界点是否在2030年前后触发——若2027-2028年前后出现首个“AI独立设计芯片架构”的公开案例，则论文核心假设将被验证。目前公开信息显示，OpenAI的Sam Altman和Anthropic的Jack Clark均已表态认可该时间线，但具体产品落地时间尚无明确证据。
来源：36氪 · 24小时热榜
