一份本不该这么重要的审计
2026 年 11 月初，非营利评测机构 METR 发布了对 Anthropic 内部研发数据的外部审计报告。这本该是一份技术性文件，但它给出的结论触碰了 AI 行业最敏感的神经：Anthropic 的模型能力增长速度，可能早在 2026 年 7 月 15 日就越过了其自己设定的 AI 加速预警线。
审计的背景值得先交代。Anthropic CEO Dario Amodei 此前公开承诺引入外部审计，并在 10 月宣布给 METR “类员工级"的访问权限。这次审计是一个更窄的独立项目：2026 年 8 月 12 日至 10 月 29 日，2.5 个全职人员获得了前所未有的访问权限——未发布模型的基准测试结果、训练指标、员工调研、内部分析报告，以及约 15 次研究员访谈。METR 没有拿 Anthropic 的钱，但出于安全考虑在 Anthropic 的设备上工作。
这是 AI 行业第一次有外部机构以这种深度审视"AI 是否正在加速 AI 研发本身”。而结论比大多数人预期的都要尖锐。
一年走完两年的路
METR 用一个名为 AECI 的复合指标（将大量基准测试捆绑成一个分数）来衡量模型能力的时间趋势。发现可以概括为一句话：
自 2025 年 10 月起，Anthropic 模型的 AECI 增速从每年约 15 分跃升至 29 分——加速约 1.9 倍。一年完成了过去两年的进展，量级大致相当于从 Claude 2.1 直接跳到 Sonnet 4.5。审计甚至包含了三个 2026 年 7 月至 10 月间完成训练、尚未发布的模型。
真正关键的是归因分析。METR 排除了训练算力更快增长的解释，估计当前提速的约 80% 来自 AI 被用于 Anthropic 自身的研究工作。
员工的证言让这个数字变得具体。一位研究员说：“现在只被想法和算力卡住，不再被代码卡住了。“另一位说，过去需要一到两天准备的实验，现在"近乎零成本”。2026 年 10 月的内部 Slack 调查中，员工平均自评最新内部模型让自己生产力提升了约 12 倍——从 Claude 3.7 Sonnet 时代的 1.2 倍一路涨上来的。
需要立刻补一句：METR 自己把这些自评称为"非常宽松的证据”，认为其不具代表性且大概率夸大。但即便打个大折扣，“实验准备成本趋近于零"这个结构性变化也是真实的。
冷静下来的三个理由
如果只看上面的数字，很容易得出"智能爆炸已经开始"的结论。但 METR 的报告同样详细地列出了不确定性，这部分反而更值得读。
**第一，加速因子的置信区间很宽。**真实值可能低至 1.3，也可能高达 3。而当把 OpenAI、Google、xAI 的模型纳入同一口径时，全行业的加速因子降到 1.4——一种解释是 Anthropic 在 2025 年落后于对手，现在的加速部分只是追赶效应的统计假象。
**第二，Anthropic 内部远未达成共识。**有研究员认为 AI 在生产力提升中的实际占比只有 15%–20%，并且不信任同事的自评；还有研究员认为最近几个月最重要的因素是新招聘的人，而非 AI。
**第三，也是最有意思的一点：AI 尚未做自主研究。**METR 明确指出，目前的加速主要来自 AI 作为助手的辅助，不是 AI 独立完成研究。但报告用了"signs of life”（生命迹象）这个词——独立贡献的萌芽已经出现。而且 METR 没有找到任何会在未来 12 个月内拖慢这一速度的瓶颈，这意味着加速"继续增大"是显著风险。
换句话说：飞轮还没转起来，但它已经开始被推动。
被涂黑的证据
这份审计最受争议的部分，不在数据，而在证据的可及性。
Anthropic 对所有非公开信息拥有单方面删节权，并且大量使用了这一权利。按 METR 的说法，审计员认为最有信息量的证据，大部分被删去了——包括未来模型的预测、按训练步数的分解、瓶颈分析。Anthropic 的解释是，删节"旨在去除可能加速其他 AI 开发者的机密信息"。
结果是一个结构性的悖论：公众只能"远超理想程度地"依赖 METR 自身的判断力。METR 在报告里直白地承认，围绕证据的任何透明性讨论都不存在——其中一张图表上被审计员大字标注了"FAKE DATA"（示意数据）。这不是作假指控，而是无奈声明：我给你看的这张图不是真数据，真数据我不能给你看。
配套审查还发现了更微妙的问题。Anthropic 在 2026 年 8 月的风险报告中公开称加速"小于 2 倍"，但内部未删节版本暗示数值为 1.97——Anthropic 自己也承认"可能已越过阈值"是可信的。METR 认为预警线可能在 7 月 15 日就已触及，并指公开报告同时低估了加速幅度和不确定性。
1.97 和"小于 2"在数学上不矛盾，但在风险沟通上是两回事。前者说的是"我们正站在门槛上"，后者传递的是"还在安全区内"。
被拔掉的插头
故事还有一个尾巴：METR 原本还要审计另一个问题——Anthropic 如何在能力研究和安全研究之间分配算力。Anthropic 在项目进行中途取消了这部分，称要先聚焦风险评估、之后再回来。
这个细节看似程序性的，实际是全局性的。《AI 2027》情景的作者 Daniel Kokotajlo 对此的批评一针见血：**审计算力分配，是让"放缓承诺"变得可验证的前提。**如果无法核查一家实验室把多少算力用于冲刺能力、多少用于对齐和安全，那么任何"我们要慢下来"的表态都是不可证伪的口头承诺。Amodei 自己曾呼吁在自我改进失控前设置"AI 限速"，而验证限速是否被遵守的那个审计，恰恰是被取消的那个。
我的判断
把这份审计放在更大的脉络里，有三层值得展开。
第一层：瓶颈已经转移。“只被想法和算力卡住"这句话值得每个研发团队认真咀嚼。当代码可以近乎零成本地产出，研发速度的约束变量就变成了：提出好假设的速度、实验设计的品味、以及算力预算。这对所有工程团队意味着一件事——你的瓶颈分析需要重做。过去一年你为提速做的投入，可能大部分投在了已经不再是瓶颈的环节上。
**第二层：领先优势可能自我强化。**如果头部实验室 80% 的提速来自 AI 辅助自身研发，而更强的模型又进一步放大这一效应，这就是一条真实的正反馈回路——即使全行业口径的加速只有 1.4 倍。追赶者面对的不再是线性差距，而是复利差距。METR 的报告没有预言智能爆炸，但它给出了爆炸所需回路的第一份量化证据：不是"AI 能否改进 AI”，而是"改进的加速度本身在增长"。
**第三层：审计机制正在被自己的对象甩开。**这是我认为最被低估的问题。这次审计暴露的不是一个坏结果，而是一个结构性困境：**前沿实验室的商业机密和 AI 安全治理所需的透明度，是同一份数据。**Anthropic 的删节理由（防止加速竞争对手）并非强词夺理，但结果是被审计的证据大部分不可见、公开报告存在低估、可验证"限速"的算力审计被中途取消。当被审计对象的速度是审计者的 1.9 倍，且这个倍数还在增长时，事后审计的威慑力会快速衰减——你验证完预警线是否被越过时，下一个阈值可能已经过了。
接下来会发生什么
METR 目前与 Anthropic 共同认为"急性灾难性风险"为低，但不排除未来六个月出现新一轮陡峭加速，从而快速推高风险评级。未来一年有三个观察点：
- **算力分配审计是否会重启。**这是判断"放缓承诺"是承诺还是话术的唯一硬指标。
- **独立贡献占比是否上升。**一旦审计口径下"AI 独立完成的研究"从"生命迹象"变成可测量的比例，预警线的语义就完全变了。
- **审计模式是否行业化。**如果 OpenAI、Google 同意同等深度的外部审计，我们才知道这次是治理范式，还是一次孤例。
这份报告最重要的产出，或许不是 1.9 倍这个数字，而是它示范了一件事：**在 AI 自我加速的时代，外部审计第一次成为必需品，同时第一次显露出它的天花板。**如何设计一种既保护商业机密、又足以支撑安全结论的审计协议，会成为未来两年 AI 治理的核心工程问题——它的难度，不亚于训练模型本身。