布林宣称AI飞轮已启动，谷歌自家审计却找不到踪影

本周，谷歌发布两份结论互相矛盾的文件，其中只有一份说清了Alphabet▲+1.14% — Alphabet, up 1.14 percent today的支出究竟买到了什么。2026年10月14日，谷歌DeepMind在新前沿模型Gemini 4 Argon的安全报告中发布了首份评估AI是否正在加速AI研究的内部审计↗，未发现任何可归功于机器自身的加速¹²。

一天后，谷歌联合创始人谢尔盖·布林在一场圆桌讨论中表示，他的研究人员和模型“携手合作”，谷歌正在“开始登上RSI这台跑步机↗”³⁴。递归自我改进（Recursive Self-Improvement，简称RSI）指的是这样一个循环：AI参与打造取代自身的新一代AI，且按设想，每一代都应比上一代更快到来³。

审计发现的是一条直线，而非飞轮

这项评估由DeepMind研究员海顿·贝尔菲尔德牵头，用通用能力指数（General Capability Index）追踪前沿能力：每个模型对应一个数值，综合123个模型、92项基准测试的得分得出，相当于给AI打出的智商分¹²。自2024年底以来，该指数每月爬升约0.1点，是一条平稳得惊人的直线²。就公开模型而言，2026年4月之前月均提升0.091点，4月之后为0.118点，报告发现两者没有统计上的显著差异¹。

Argon本身略高于趋势线，研究团队将此归因于算力和组织投入的增加，而非自我加速¹²。用贝尔菲尔德的话说：“目前机器学习研发在端到端层面并无显著加速，无论是否由AI驱动↗”²。不过，这一局限需要两面看：上述数字只描述DeepMind自家实验室，OpenAIPVT$1.18T — OpenAI, private, latest valuation $1.18T和AnthropicPVT$350B — Anthropic, private, latest valuation $350B并不在内²。

AI写代码，几乎所有变更仍靠人掌舵

飞轮若要转起来，就必须在链条中段咬合，而它恰恰卡在了这里。如今，AI工具已编写DeepMind生产代码的逾四分之三，但约88%的代码变更在上线前仍需人工引导AI，或由人亲自编写代码¹²。4月至9月，AI端到端完成的变更占比仅从7.5%升至11.9%²。

在内部的RE-Bench测试集（涵盖74项机器学习工程任务）上，Argon智能体完成了约一半¹。上一代模型Gemini 3.7 Flash只做到27%。两者都远低于90%——DeepMind将这一得分视为全面自动化的警戒线¹²。在1389次经审查的智能体运行中，任务越大，模型独自完成的概率就越低²。

对12位DeepMind资深研究员的调查显示，自动化程度最高的是定义明确、可验证的执行任务，最低的则是开放式构思和长周期研究品味¹²。真正稀缺的，是验证、审查，以及判断哪个想法值得投入算力的眼光。

资本开支押注创始人的说法

布林称，谷歌内部进度已领先Argon两三个模型，并预计节奏只会进一步加快³⁴。DeepMind的Gemini RSI负责人维汉·贾因（Vihan Jain）发帖称，在后训练（post-training）阶段——即基础模型训练完成后，再依据反馈和数据继续打磨的环节——需求已从要芯片变成了要“Argon配额”³。

这套说法正在撬动真金白银。一个月前，Anthropic首席执行官达里奥·阿莫迪宣称递归自我改进已经在加速，芯片股应声下挫近6%²。为美国政府提供AI政策咨询的Gladstone AI↗本周三发布报告称，受访研究人员大多预计RSI将在三至十二个月内实现³⁵⁶。Alphabet第二季度在资本项目上投入约450亿美元↗，而实测记录显示，每一分能力的提升仍然来自芯片和人⁷。

先读账本，再给飞轮定价

以上种种，都不是反对AI的论据。指数在稳步攀升，智能体真实存在，9月30日发布的Argon也确实在谷歌内部完成着长周期工程工作²⁸。真正要分清的，是测量与故事：按照DeepMind自己的数据，迄今每一分能力的提升都可追溯到算力和人力，而非机器对自身进步的复利式累积。

最终给出答案的，将是DeepMind账本上的两行数字：能力指数的月度斜率，以及代码变更中完全委托给AI完成的比例。如果斜率在不新增算力的情况下变陡，代码变更不再等待审查，那便是飞轮真正转起来的时刻。在那之前，谁能在AI写出的代码与组织最终上线的成果之间搭建起审查与信任层，价值就归谁。