Anthropic 揭開前沿實驗室黑盒子！公布三大指標測量 AI 研發速度：Claude 已主導 26% 研發任務、3 萬名內部 Agent 與算力分配全公開深度解析

先講結論：當「放慢 AI」遇上質疑，Anthropic 選擇直接掀開底牌

就在 2026 年 9 月中旬舊金山 Dreamforce 盛會上，Anthropic 執行長 Dario Amodei 與輝達（NVIDIA）執行長黃仁勳爆發了一場關乎人類文明速度的「世紀大論戰」——黃仁勳高呼「放手狂奔，失控才個別暫停」，痛批道德降速是虛假的二選一；而外界與華爾街最犀利的質疑始終只有一個：「如果前沿實驗室的內部研發是個無人能見的黑盒子，公眾憑什麼相信誰跑得太快？又該依據什麼來設定剎車步調？」

兩天之後，Anthropic Institute 於 9 月 18 日正式擲出震撼彈，發布題為〈Measurements for understanding the pace of AI development inside frontier labs〉（前沿實驗室內部 AI 研發步調量測體系）的里程碑研究。

這份由 Marina Favaro 與 Phillie Wright 主筆、政策研究總監 Jack Clark 指導的報告，徹底跳脫了過往「只看跑分（MMLU、SWE-bench 等能力評估）」的傳統視角，首次將手術刀對準前沿 AI 的「生產過程（Production Process）」。

在這份報告中，Anthropic 毫不保留地公布了其內部最高機密的研發體檢數據：

1. AI 正在高速接管 AI 研發：截至 2026 年 8 月，Claude 已經在 Anthropic 內部「主導（Leads）」了 26% 的模型研發任務，相較於半年前（2026 年 2 月）的不到 1%，暴增超過 26 倍；若包含「人機深度協同（Collaborates）」，比例更已突破 90%！
2. 三萬名並行 Agent 艦隊的監管實測：Anthropic 內部主要平台上，隨時有約 30,000 名 AI Agent 並行進行工程與科研工作；僅 8 月單月就分析了超過 10 億次決策。透過「線上即時攔截（阻斷率 0.002%）」與「離線事後稽核（每週標記 10 萬份對話紀錄）」的雙層防線，防範權重外洩與潛在對齊偏離。
3. 殘酷的算力分配真相：在全公司近萬次運算任務中，直接投入「安全與對齊研發」的算力佔比僅有 6%（在純 AI 驅動研發中佔 12%），直指整個產業仍將絕大部分算力押注於「堆疊模型能力」的現實。
4. 引入「嵌入式第三方評估員」：Anthropic 承諾將向獨立評估機構（如 METR）發放正式員工識別證與公司設備，賦予同等內部權限，讓外部獨立專家長期駐點查驗數據。

這不僅是一份公關透明度宣示，更是全球 AI 治理從「空泛口號」邁向「工程化可審計標準」的關鍵轉折點。

為什麼評測不能只看排行榜？從「能力評估」走向「生產過程監控」

過去幾年，公眾理解 AI 進展的唯一窗口是「能力基準測試（Capability Evaluations）」。每當新模型問世，各大實驗室便爭相發布 MMLU、GPQA、SWE-bench 或 Codeforces 的排名與得分。

但 Anthropic 在報告中指出，能力評估只能告訴你「模型現在能做什麼」，卻完全無法告訴你「下一代模型正在以多快的速度被孕育」。

這種資訊不對稱在「遞迴自我改進（Recursive Self-Improvement, RSI）」初露端倪的今天變得極度危險：

• 如果 AI 只是被人類拿來寫程式，研發速度受限於人類工程師的生理極限與溝通成本；
• 但如果 AI 開始自主排查架構缺陷、優化強化學習策略、甚至撰寫新模型的訓練管線，能力躍升的曲線將呈現爆炸性的超指數增長。

因此，社會若要評估前沿風險，不能等到超級模型已經訓練完成、走出實驗室才被動應對，而必須在前沿實驗室的「工廠流水線」上安裝感測器。

指標一：AI 主導的 AI 研發（The R&D Automation Index）

1. 衡量標準：Epoch AI 的 AL0 至 AL5 標尺

為了科學評估 AI 在自身研發中究竟介入了多少，Anthropic 採用了知名研究機構 Epoch AI 所制定的「自動化等級（Automation Level, AL）」框架：

2. 震撼數據：半年內從 1% 到 26% 的躍遷

Anthropic 揭露的 2026 年 8 月最新數據顯示出驚人的進展：

• AL5（完全自主）：0%。目前在任何模型研發子領域中，Claude 均未被允許、也尚未達到完全無人介入的閉環自主。
• AL4（AI 主導）：26%！在短短半年內（2026 年 2 月至 8 月），Claude 從人類「跟班」躍升為能自主領銜完成四分之一研發任務的「專案負責人」。
• AL3+（AI 協同或以上）：超過 90%！這意味著在 Anthropic，純靠人類大腦、不用 AI 的純手工 AI 研發時代已經徹底終結。

[Anthropic 內部模型研發任務自動化等級分佈 (2026年8月)]
■ AL4 (AI 主導): 26%  (2026年2月僅 <1%)
■ AL3 (AI 協同): ~65%
■ AL0-AL2 (輔助或以下): <10%
■ AL5 (完全自主): 0%

3. 底層工程：如何繪製一張 15,000 項任務的「研發全景樹」？

許多人好奇：一間千人規模的前沿 AI 公司，每天進行的研發包羅萬象，如何能精準計算出「26%」這個數字？這背後是一套嚴謹的自下而上（Bottom-up）任務挖掘工程：

1. 真實場景抽樣：在 2026 年 7 月期間，每週隨機抽樣 20% 參與模型研發循環（Model R&D Loop）的跨部門員工。
2. 語意溯源採集：派出專門的 Claude 研究 Agent，合法合規地檢索受訪員工當週在 Slack、Git 提交紀錄、內部文件與實驗日誌中的軌跡，還原出約 15,000 項極具粒度的研發具體任務。
3. 構建層級分類樹（Hierarchical Task Tree）：將這上萬項任務自頂向下聚類，從頂層的「模型研發」，向下細分為「預訓練」、「強化學習（RL）」、「基礎設施」、「產品服務」，最終延伸出 542 個節點與 378 個具體葉節點（Leaves）（如：評測平台故障排查與修復、RL 沙盒網路出口政策配置、推論事故檢討等）。隨後，Anthropic 「凍結（Freeze）」了這張任務樹，作為日後持續比對的標準籃子。
4. Agent 深入調研與獨立裁判（Judge Model）：針對任務樹中的每個節點，由 Claude Agent 調查內部誰在做、使用何種工具、AI 貢獻比例，再由另一款獨立的 Claude Judge 模型對照 Epoch AI 標尺打分。
5. 工時加權（Person-Time Weighting）：為了避免瑣碎小任務扭曲統計，每個節點的權重直接與投入的人力工時（人週）掛鉤，研發核心項目的權重顯著高於邊緣任務。

驗證亮點：AI 裁判比人類彼此更客觀？
Anthropic 特別讓相關業務負責人進行盲測打分。結果令人震驚：Claude 裁判模型與人類主管的判定一致率為 59%，而兩位人類專家之間的彼此一致率僅有 35%！ 同時，在「正負一個等級差」之內，模型與人類的判定吻合度高達 97%。這證明藉由客觀定義，LLM 完全足以勝任研發流程審計的標準化裁判。

指標二：AI 代理人的監管與干預（Oversight of AI Agents）

1. 萬級 Agent 叢集的真實日常：月審十億次決策

隨著工作從 AL3 邁向 AL4，工程師不再是把 Agent 當作自動補全工具，而是派遣 Agent 獨立執行可能長達數小時、甚至數天的自主任務，Agent 甚至會自主分解子任務並調用數十個 Subagents。

在 Anthropic 內部，隨時都有約 30,000 名 AI Agent 活躍在研發環境中。僅在 2026 年 8 月單月，監控系統就記錄並分析了超過 10 億次 Agent 行動決策！

在如此龐大的運作體量下，傳統的「人類即時盯著螢幕（Human-in-the-loop）」已完全不切實際；但若放任自由，即使只有 0.001% 的異常行為，在數十億次規模下也會累積成數千起資安與安全事故。

2. 雙層防禦體系：線上阻斷 vs. 離線審計

為此，Anthropic 實戰部署了「線上即時攔截」與「離線事後稽核」的雙層監控漏斗：

雙層監管機制對比表

3. 鷹架工程啟示：多 Agent 系統如何不陷入「群體幻覺」？

在多 Agent 協同系統的設計架構上，Anthropic 提煉出了兩條對於全球開發者極具借鑑價值的工程原則：

1. 獨立持久身分（Persistent Identity）：
   • 過去的誤區是讓所有 Agent 共用一個「Claude」大腦。Anthropic 堅持為每個內部 Agent 分配獨立的唯一身分 ID，所有日誌與產出產物永久綁定該身分。
   • 破解「群體盲從（Correlated Failures）」：當 Agent A 收到 Agent B 的訊息時，它會將其視為「外部來源的主張（External Claim）」進行驗證與批判，而非當作「自己的思維」全盤接受。
   • 身分與底層模型解耦，即使底層模型從 Sonnet 升級至 Opus，該 Agent 的權責紀錄與行為輪廓依舊延續。
2. 公開透明通訊匯流排（Open Communication Bus）：
   • 嚴禁 Agent 之間建立端到端的私密通訊（No Private DMs）。
   • 所有協同訊息均發布在全域可見的公共匯流排上，並強制作出原始碼或資料連結引用。這不僅徹底消滅了 Agent 互相傳話導致幻覺不斷放大的「傳話遊戲（Telephone Game）」，更讓監控引擎能完整還原 Agent 之間的因果推論鏈。

指標三：算力分配透明化（Compute Allocation）

1. 為什麼「算力」是國際協調與管制的唯一硬通貨？

軟體程式碼可以被混淆，內部政策可以被粉飾，但晶片（Accelerators）的實體消耗騙不了人。算力是目前 AI 研發中物理特徵最強、最具可審計性的「實體投入（Verifiable Input）」。

如果未來前沿大廠或聯合國要簽署類似「核不擴散條約」的 AI 步調協議，唯一的監管抓手就是各大實驗室如何分配其龐大的 GPU/TPU 算力池。

2. 快照揭密：安全算力佔比 6% 的殘酷與真實

Anthropic 檢視了 2026 年 7 月 13 日至 20 日單週內、全公司近 10,000 次運算作業（按算力消耗進行加權抽樣 14%），並利用嚴格的 Prompt 分類器對任務進行歸類：

• 安全算力佔比：
• 佔全公司 AI 研發總算力（AI R&D Compute）的 6%。
• 佔全公司 「AI 主導之研發」算力的 12%。

這個數字可能讓許多對「安全實驗室」抱有高道德期望的人感到意外——為什麼只有 6%？Anthropic 做出了兩點深刻的專業澄清：

1. 極其嚴苛的「保守歸類」原則：
   • Anthropic 將安全研究嚴格限制為「主要目的在於提升模型安全性、可解釋性與對齊」的任務（如可解釋性稀疏自動編碼器、對齊破局研究、發布前紅隊評測）。
   • 凡是「既能提升能力、又能增進安全」的雙重用途（Dual-use）任務，一律視為「能力研發」，不灌水計入安全分子！此外，日常線上運行的龐大安全分類器（Safeguards Classifiers）推論算力也完全未被計入。
2. 安全研究的物理本質：腦力密集，而非算力密集：
   • 訓練千億、萬億參數的前沿基底模型，是一場動輒消耗數萬張顯卡數月的暴力算力奇觀；
   • 相反地，頂尖的安全對齊研究往往是由研究員耗費數週推敲精妙的實驗架構，執行實驗時可能只需要數十張顯卡跑幾小時。因此，「6% 的算力佔比」在財務與人力資源上，實際上對應著高達數十個百分比的頂尖頂客心智。

這項指標的最大價值，在於建立了標準化範式：如果未來所有前沿實驗室（包括 OpenAI、Google DeepMind、Meta）都公布其安全算力比例，外界便能輕易戳破「每年花幾百億美元堆砌能力，卻只拿零頭做安全」的公關假象。

制度創舉：告別自我背書！「嵌入式評估員」與 AAIF 落地

長久以來，AI 企業的「自我監管（Self-regulation）」飽受產學界詬病——由自己聘請的工程師、拿著自己的內部資料、給自己的模型寫安全合格報告，本質上就是「球員兼裁判」。

為了打破這個信任死結，Anthropic 在這份報告中跨出了極具魄力的一步：落地「嵌入式第三方評估員（Embedded Third-Party Evaluators）」機制。

根據提案規劃：

• 肉身進駐與真實權限：Anthropic 正在邀請外部獨立機構（如曾多次為前沿模型進行危險能力紅隊測試的 METR）的研究員，直接進駐辦公室，配發門禁識別證與受管控的公司筆電；
• 等同內部風險團隊的存取權：外部評估員並非只能在產品發布前一週看公關摘要，而是能隨時調閱內部 Agent 監控軌跡、算力分類日誌與未經修飾的事故紀錄；
• 獨立發布權：評估機構擁有獨立對外發布審計結果的權力。除了國安機密、商業智財或第三方個資可進行技術性刪節外，實驗室絕對無權因為評估結論難看而要求改寫。

這項做法與 Anthropic 正在倡導的《先進 AI 治理框架》（Advanced AI Framework, AAIF）緊密咬合，為全球立法者（如美國白宮行政命令後續法案、歐盟 AI 法案執行細則）提供了一個立即可用的監管範本。

宏觀對決：當黃仁勳高喊「狂奔」，Anthropic 裝上了「時速表」

回看兩天前 Dreamforce 2026 上黃仁勳的犀利發言：

「放手狂奔，能跑多快就跑多快！如果任何時刻你覺得產品不安全，自行停下來。我們不需要新法律，我們不需要新監管！」

黃仁勳代表的是最純正的工程樂觀主義與算力硬體利益——唯有全球科技界瘋狂訓練更大、更多的模型，輝達的伺服器才能維持供不應求的盛世。黃仁勳質疑「放慢前沿」的潛台詞是：既然大家都不知道邊界在哪裡，憑什麼人為規定限速？

而 Anthropic 這次發布的度量指標，正是對黃仁勳最強悍的「技術性回擊」：

Anthropic 想證明的是：在公路上狂奔之前，你至少得在儀表板上裝上時速表（R&D 自動化指數）、在底盤裝上防鎖死煞車（雙層 Agent 監控），並把油箱的消耗明細攤在陽光下（算力分配透明度）。

如果不給公眾與監管者一把尺，科技巨頭之間的「自我約束承諾」只不過是一場隨時會被競爭壓力撕毀的空頭支票；而唯有當所有前沿實驗室都必須強制公開這三項指標時，「為前沿設定步調」才不會淪為大廠排擠小廠的護城河，而是真正成為文明抵禦未受控超級智慧的防波堤。

給企業架構師的啟示：如何治理你的「企業級 Agent 艦隊」？

這份報告的價值絕不僅限於地緣政治與宏觀政策。對於正在開發或導入 AI Agent 的現代企業架構師而言，Anthropic 公布的內部治理方案堪稱教科書級別的實戰指南：

1. 千萬不要讓 Agent「共用大腦」：
   • 如果你的系統中多個 Agent 都共用同一組 System Prompt 或對話狀態，很容易發生「串供」式的級聯錯誤（Cascading Hallucinations）。
   • 實踐法則：為每個 Agent 指派獨立 ID，建立沙盒邊界，並要求 Agent 在接收同伴的指令時執行次級驗證（Secondary Verification）。
2. 拋棄「私下密聊」，建立公開審計匯流排（Audit Bus）：
   • 避免讓 Agent 透過私下 API 互相呼叫而不留痕跡。
   • 實踐法則：將所有 Agent 的對話與工具呼叫路由至統一的事件串流（如 Kafka 或專屬 Message Broker），確保事後能透過離線分析器回溯任何一次錯誤決策的根因。
3. 區分「致命風險」與「對齊偏差」的監控分工：
   • 很多團隊試圖用一個昂貴的慢速模型去檢查每一次 API 呼叫，結果導致系統延遲過高被業務端廢棄；或者完全不做即時攔截，導致重大事故發生。
   • 實踐法則：學習 Anthropic 的分工——毫秒級輕量規則/分類器走線上（攔截外洩、破壞性指令），大型推理模型走非同步離線（挖掘邏輯漂移、隱性偏見）。

常見問題 FAQ

Q1：Anthropic 說 Claude 主導 26% 的研發，這是否意味著 AGI 已經到來？

解答：不，這絕不等於 AGI 或完全失控的 RSI 已經出現。在 Epoch AI 的標尺中，這是 AL4（AI 主導），代表 Claude 能夠在人類給定目標下自主完成特定工程閉環，但戰略方向、架構取捨、資源分配以及最後的程式碼發布，依然牢牢掌握在人類資深工程師手中。更關鍵的是，完全脫離人類的 AL5 目前依然是 0%。

Q2：為什麼 Anthropic 自己的安全算力佔比只有 6%？這是不是太少了？

解答：不能單純以百分比判定安全投入的高低。首先，預訓練大模型的暴力算力消耗是指數級的，而對齊與可解釋性研究更多依賴研究員的精巧實驗設計與腦力，其本身的計算需求遠低於預訓練。其次，Anthropic 採取了極度嚴格的歸類標準，凡是具備「增進能力」與「增進安全」雙重特徵的任務，一律不算在安全分子內。這 6% 的專屬算力在絕對數值上已是數千萬乃至上億美元級別的投入。

Q3：獨立評估員進駐 Anthropic，會不會演變成洩漏商業機密的溫床？

解答：這正是該架構設計的精巧之處。評估員將簽署嚴格的保密與法律協議，並使用 Anthropic 提供且受到內部監控的硬體設備。在對外發布審計報告時，允許對具體的模型權重、演算法原始碼等競爭敏感資產進行脫敏刪節，但評估員必須公開記錄「測試未通過項目」、「安全異常事故」以及「被遮蔽資訊的性質與理由」，兼顧商業機密與公眾知情權。

Q4：如果其他前沿實驗室（如 OpenAI、xAI 或中國實驗室）不跟進公開這三項指標呢？

解答：這正是 Anthropic 發起這項研究的戰略意圖。透過率先提出方法論並開源內部數據，Anthropic 正在將輿論與監管的壓力推向整個產業。當一家公司證明了「研發速度與安全分配是完全可以被量化與驗證的」，其他宣稱熱愛安全卻拒絕公開數據的競爭對手，在面對國會聽證、政府採購與公眾審視時，將面臨巨大的道德與信任赤字。

結語：給狂奔的前沿文明裝上一顆黑盒子

人工智慧的演進正在跨入一個幽暗未知的海域。當代最聰明的工程師們正在創造能夠代替自己寫程式、做研究、探索未知數學領域的心智。

如果我們既不能盲目相信矽谷巨頭「我們內部一切安全」的口頭承諾，也不能因恐懼而全面停滯科學探索的腳步，那麼 Anthropic 這次給出的答案，無疑是當前全球最具建設性的一次工程示範：

不要盲目的恐慌，也不要傲慢的狂奔。把黑盒子打開，把儀表板裝上，讓陽光照進前沿實驗室的每一個晶片與每一行程式碼中。

唯有當這三項指標——研發自動化程度、Agent 監控覆蓋率、安全算力分配比——成為全球所有前沿實驗室的標準配備時，人類社會才能在超級智慧來臨的清晨，擁有真正決定自身命運的選擇權。