https://xiaoyuzhoufm.com/podcast/689c6fb36f495c4caccf91d1
过去一年，OpenAI 和 Anthropic 先后公开内部数据，说 AI 正在加速 AI 研究本身，有的研究员每月花在 AI 编程工具上的钱翻着倍涨。听起来，那个「机器自己造机器」的临界点已经不远了。但 Epoch AI 的研究员 JS Denain 把公开材料逐条读完，结论是：被自动化的只是写代码和排障这类活儿，真正决定研究方向的那一层几乎没提速。
嘉宾是谁
JS Denain（Jean-Stanislas Denain）是 Epoch AI 的高级研究员，带一个叫 Insights 的团队，常驻加州。Epoch AI 是一家非营利的 AI 趋势研究机构，最出名的工作是把几十个 AI 测试成绩缝成一条「通用能力」曲线（叫 Epoch Capabilities Index，简称 ECI），让模型在单个测试考满分之后还能继续比较。他还参与维护数据中心、芯片持有量这些公开数据库。
他今年 6 月和同事 Joe Kwon、Anson Ho 一起写了《Toward an O*NET for AI R&D》：借美国劳工部那套职业任务数据库的思路，把前沿实验室的研发工作拆成六大类、六十多项任务，逐项打分，估计 AI 现在能替人做到什么程度。因为他常年跟数字打交道，他在节目里被问得最多的就是「给个具体数字」。
主持人 Nathan Lambert 是机器学习研究者、技术通讯 Interconnects 的主笔，曾在 Ai2（艾伦人工智能研究所）带开放模型 Olmo 的后训练工作，博士方向是机器人和机器学习的交叉。这是他判断机器人时间线时偏保守的原因，他自己也说得很直白：「机器人会更像自动驾驶，而不是大语言模型。」两人在这期节目里是来回辩论的关系，Nathan 负责扮演怀疑派。
一、那张「每月翻倍」的图，可能只是把用量换了个入口
Denain 在节目开头拆解那张被广泛引用的 Codex 支出曲线
先说说这场争论到底在争什么。AI 圈里有个词叫 RSI，全称是「递归自我改进」（recursive self-improvement）：想象一个 AI 能改写自己的代码、设计自己的下一个版本，而更强的版本又能设计出更强的版本，一圈套一圈。它被当成临界点，是因为一旦这个回路转起来，能力增长就不再由人类投多少钱、派多少人决定，而由 AI 自己决定，时间尺度可能从年压缩到月。所以真正要紧的问题不是「今天的模型多强」，而是「这个回路到底启动没有」。
在这个背景下，过去一年两家头部公司开始往外放内部数据。OpenAI 发了一篇讲「研究加速」的博客，说研究员在 AI 编程工具上的用量涨得很快，其中一张图被到处引用：研究员的 Codex 支出大概每个月翻一倍。Codex 是 OpenAI 的 AI 编程助手，和 ChatGPT 是同一个账号下的两个入口——它可以读代码仓库、改代码、跑测试、提合并请求，任务自己在云端沙箱里跑上一二十分钟。官方帮助中心写得很清楚：Codex 的额度和 ChatGPT 的聊天、图片、语音是分开计量的。
Anthropic 那边也放了两篇：一篇《When AI builds itself》，说到 2026 年 5 月，公司大于 80% 合入代码库的代码由 Claude 写；另一篇用 Epoch AI 那套任务分类做成「研发自动化指数」，这套量表把自动化程度从 0 分（AI 完全没用）到 5 分（完全自主）分档，26% 的研发工作落在第 4 档「AI 主导」，而截至 2026 年 8 月，没有任何一类工作达到第 5 档。这些材料里也引用了 Denain 自己的研究——所以这不是隔空喊话，是同一个圈子里的公开对话。
Denain 的读法是：这些数字确实说明研究者从工具里拿到了价值，但证明不了「半年内出现软件智能爆炸，或者 AI 研究员被完全自动化」。他特别指出那张最扎眼的图可能是测量假象：「它可能是个测量上的假象，他们只看了 Codex，而实际上研究员之前很多用量都跑在 ChatGPT 上。」换句话说，一个人原来在 ChatGPT 里写代码、查报错，现在换成在 Codex 里干同样的事，Codex 的曲线会陡涨，但 AI 帮他干的活总量不一定变多。这就是口径切换造成的增长假象。
那为什么大家还是觉得实验室内部看到了什么？有观众问，公司里的人是不是掌握了外界看不见的指标。Denain 举了个例子：能力外界看得见，但内部团队有自己的 KPI，比如预训练团队的「算力乘数」——大致是说，某项改进相当于额外多出几倍的算力。这类指标如果真在狂飙，会是回路启动的早期预警。但他也说得很清楚：他并不认为 OpenAI 或 Anthropic 的人此刻看到了什么让外界「该比现在恐慌得多」的东西。
这意味着什么？对普通读者来说，最实际的用处是学会区分两类新闻：一类说「工具被用得更狠了」，一类说「能力长出来了」，它们经常被混成同一句话。用量涨得快，可能只是大家把手上的活儿搬进了新工具；而能力有没有长出来，要看那些原本做不了的判断，现在能不能做。
二、快的是干活，慢的是决定干什么
Nathan 在节目里用博士生和导师的类比说明个人提速与机构提速的差别
Denain 的核心论证可以压缩成一句话：AI 加速了下层的执行，没怎么加速上层的判断。往下拆，是两层意思。
第一层，被提速的是工程和排障。他翻 OpenAI 那篇博客时注意到一个细节：公司其他部门的 Codex 支出春天暴涨、夏天就基本走平了，只有研究员、数据团队和工程师这条线一直在涨。而按任务分类看，涨得最多的是写工程代码、排查故障这类活儿。原文自己也写了：高层规划（high-level planning）在 AI 输出的 token 里仍然只占极小比例，而且「整体研究进展未必跟得上这些具体指标」。Anthropic 那篇同样承认，在「选择目标、行使判断」上还有很大差距。
第二层，个人快不等于公司快，因为算力这类瓶颈会兜住上限。Denain 把问题拆得很干净：你最终在意的其实是「Anthropic 这家公司整体产出快了多少」，而不是「某个研究员快了多少」。他的原话是：「研究员全都快十倍，但因为算力或者别的东西，公司整体未必跑得更快。」Nathan 接着给了那个很好记的类比：低年级博士生会变得十倍高产，但从导师的角度看，他的研究议程不会推进得快十倍。
这个瓶颈最麻烦的地方在于，你根本分不清提速是 AI 变强带来的，还是算力变多带来的。Nathan 说他听完 Noam Brown 那期播客后一直在想这件事。Noam Brown 是 OpenAI 里做推理模型的骨干，他在节目里讲多智能体：用一万个智能体、1300 亿 token、跑了 88 小时，解出一道千禧年难题；但被问到这功劳怎么分时，他自己说连 10% 都不会归给多智能体，因为「核心原因是 OpenAI 训出了一个非常强的通用模型」。Nathan 的总结是：现在上线的推理算力太多了，他很难把「AI 研究提速」和「我们算力多了这么多、还能更有效地花在相关问题上」这两件事分开，而它们会同时到来。顺带说一句，Nathan 还把「强化学习环境」看成另一处上限——一个环境大致等于一道可执行的任务、一个自动打分器和一台跑它的沙箱，他怀疑业界没有好办法批量造出「难一个数量级」的环境；Denain 则补了一句乐观的：很多看起来无法验证的任务，其实只是一个更长的、本身可验证的任务的子集。
这里就牵出一个普通读者最该知道的背景：ECI 是什么，为什么连做它的人都担心它被玩坏。ECI 是 Epoch AI 做的能力指数，把 50 多个测试的成绩用教育测量学的方法缝成一条单一曲线，刻度是人为锚定的，绝对分数没有意义，只能横向比。它解决的是「单个测试几个月就被考满分、看不到长期趋势」的问题。但 Epoch 自己的常见问题页写得明明白白：厂商可以针对具体测试刷分，导致高估真实能力。Denain 在节目里甚至主动问 Nathan：如果未来一年 ECI 的斜率翻了五倍，你会觉得是真加速，还是因为这个指标被 Goodhart 化了（意思是：一个指标一旦变成目标，就不再是好指标）？
Nathan 的回答也很诚实：所有能被测量的东西，都会因为可测量而被很快拉起来，然后斜率又会掉下去。他说如果哪天实验室出来讲「用 Claude 我们的 AI 架构发生了非常大的变化」，那才会让他大幅改判——今天几乎所有大模型都建立在同一种叫 Transformer 的架构上，换架构相当于换掉整条技术路线，那属于「做不出来的判断」，而不是「做得更快的执行」。相比之下，数学上的进展他只意外、不震惊，因为数学题可证伪，恰恰是 AI 最擅长爬的那类坡。
这段对不在 AI 圈的人也有用。任何知识型工作都可以问同一个问题：被工具吃掉的是执行动作，还是决定做什么的判断？前者替换得快，后者替换得慢，而薪水通常付给后者。至于创业和投资，「AI 让公司快十倍」这种叙事在算力、代码审查、环境生产这些环节受限时，是跑不起来的——这些地方才是值得盯的瓶颈。
三、只差 6 个月，可算力差好几年，这笔账怎么算
Denain 在节目里给出蒸馏被阻断后中美差距的估计
第三个问题更容易引起争论：中国头部实验室到底落后多少？Denain 给出的数字是「大概六到八个月」，口径是发布日对发布日。如果按模型训练完成的时间算，差距还要大一点，因为他判断 OpenAI 和 Anthropic 从训完到发布拖得更久。作为对照，Epoch AI 今年 1 月的公开数据是：自 2023 年以来中国模型平均落后美国前沿 7 个月，最小 4 个月、最大 14 个月。
主持人当场提了反例：Kimi K3（月之暗面 2026 年 7 月发布）和 GLM 5.2（智谱 2026 年 6 月发布）按发布日算只落后两三个月，在 Artificial Analysis 这个第三方评测榜上，Kimi 当时甚至可能不到两个月。Denain 的回应是：ECI 里确实有大约 4 个月的案例，所以「4 到 8 个月」比较合理；但两个月「有点过拟合的味道」。他说 Epoch 内部专门检验过：如果用私有测试题、或者用模型发布之后才公开的测试题来重算滞后，污染和过拟合的效应基本不显著；可如果只看模型卡上厂商自报的分数，那就会有问题。
真正让他改变判断的是另一件事。Nathan 问：如果蒸馏被彻底卡死，六到十二个月后这个数字会是多少？蒸馏在这里指的是用更强模型的输出（包括推理过程）当训练数据——今天很多模型都这么训，只是拿别家 API 的产物去训竞品会违反服务条款。Denain 的答案是「八到九个月」。为什么上调？他说有两个原因：一是说蒸馏是主因的人变多了，二更关键——「我重新看了关于差距的其他解释，发现它们没有我最初想的那么有说服力」。他还提到「Claude routers」给了贴近真实使用场景的 prompt 分布，这个他一开始没想到；不过 Nathan 反问「你们本来就有基准分布，直接照着重造样本就行了」之后，Denain 也承认，如果只是解释 ECI 上的滞后，这个理由算不上多好的解释。
他也承认，这些替代解释加起来可能已经够用。所谓「其他解释」，是他在节目里列的一长串：中国实验室在算力和资本上落后得多，但在人力和数据上落后少得多，人多、数据近，这本身就是优势；他们的发布速度更快，中间版本放得更勤；他们更在意榜单成绩，其中有财务动机——智谱已经在港交所上市，分数贴近前沿对资本市场有用；还有「四分钟一英里效应」，有人先证明某条路能走通，后来者就不用浪费资源去试错一堆方向。还有一条 Nathan 说自己也从中国那边听说过的传闻：美国这边有数据供应商配合前沿实验室，花大量研发算力筛出哪些强化学习环境真正有效，经验学到手之后再照着做一批类似的环境转卖出去——Denain 把它叫「隐性研发算力被花掉、又被省下来」，但说影响多大不确定。
这段里还夹着两个技术背景，值得单独说清楚。第一个是训练流程：模型大致分三段——预训练（海量文本上学语言和常识）、mid-training（中期训练，用筛选过的高质量数据和合成推理数据继续训练，把数学、代码、工具使用这些能力塑形）、以及后训练（从 SFT 监督微调开始，再做强化学习）。Beren Millidge 在另一档播客里说，mid-training 常常把模型带到最终强化学习版本的「将近 80%」，Denain 拿这句话来论证：把强模型的输出当数据喂进中段训练，确实很有效。Nathan 则坚持强化学习才是能力来源，并指出在前沿实验室里，中段训练和 SFT 其实常被当成同一个阶段。
第二个是榜单为什么会失真。Artificial Analysis 和 ECI 一样是把多个测试合成一条曲线，区别是它由一家商业公司维护、更新更频繁，也是媒体引用最多的那个榜，做法是把大约 10 个测试按权重合成一个总分。但它同时带来三重问题：测试题或答案如果进了训练数据就是污染；榜单一旦被当成绩效指标就会被针对性地优化；而已经上市的中国实验室又天然有动力展示自己贴近前沿。所以分数差距只是一个可以被优化的代理变量，不等于能力差距。Denain 的保留也在这里：他反过来认为 ECI 这类指数可能低估差距，因为 OpenAI 和 Anthropic 有些能力根本不会体现在测试上。
对普通读者，这事的价值在于把一个情绪化的问题拆成了归因题。差距只有几个月，而算力差好几年，中间那段差额由什么填补——是蒸馏、是人力、是发布节奏，还是纯粹因为跟上别人比开创方向容易——直接决定了未来两三年该怎么看出口管制、开源生态和这些公司的估值。Denain 自己给出的答案里，没有一个因素是决定性的，这也提醒我们：把这段差距归给单一原因的人，多半比你更确定。
写在最后
把三段拼起来看，Denain 其实在做同一件事：把宏大叙事拆成可以逐个检查的部件。谈 RSI，他不看宣言，去看支出曲线有没有换过口径；谈生产力，他不看某个人的提速，去看公司的整体产出受什么限制；谈中美差距，他不接受「偷」或「追上了」这两种说法，而是把差额摊到算力、人力、数据、发布节奏上一项项算。
他也留了明确的自我怀疑。他自称世界观是「能力至上论的大统一」，认为人们最大的分歧在于能力会长到多大、多快；他接受「十年尺度上至少 10% 的存在风险」这个说法，说自己极其不确定、但确实非常担心。机器人不是他的专长，他直说「我们不声称自己有机器人方面的专业能力」。
所以真正值得盯的，可能不是某张励志的增长曲线，而是那个还没人知道答案的问题：如果 AI 真的开始加速 AI 研究，它应该先在哪儿露头？Denain 的答案很朴素——先出现在实验室内部那些没人发的效率指标上，而不是出现在一条被广泛转发的推文里。
收听本期：小宇宙搜索「闪电译制厂」，收听《EP10｜与 Epoch AI 的 JS Denain 辩论：递归自我改进、中美差距与锯齿式能力》。 https://www.xiaoyuzhoufm.com/episode/6abd9763195d838e2aec34a5
原节目：Interconnects《Debating RSI, the US-China Gap, and Jaggedness with JS Denain of Epoch AI》 https://www.interconnects.ai/p/debating-rsi-the-us-china-gap-and