哈佛物理学家兼计算机科学家Alex Wissner-Gross在最新播客里给出一个判断：AI已经越过“超级智能逃逸速度”。他的依据不是科幻推演，而是评测机构METR的一张进度图表——Anthropic未公开的模型Model 4，表现已经跳出指数趋势线上方，跨入超指数增长区间。

希鸥网观察到，这张图的冲击力在于坐标轴变了。横轴是时间，纵轴是AI独立完成软件任务的时长，OpenAI公开模型GPT-6 Astra停在9小时，Claude Opus 5.5约20小时，而Anthropic压着没发的Model 3和Model 4已冲破36小时，相当于人类连干一个工作周。内部模型比公开版领先约9个月。

真正的底层变量是“算力乘数”。按Anthropic首席执行官Dario Amodei的换算，2倍算力乘数意味着只花500万美元，就能训出原本要烧1000万美元硬件才能达到的编码水平。过去一年Anthropic的硬件算力按原速增长，能力增速却翻了倍，说明软件算法优化贡献了2.5到3倍的增量。

套用Cobb-Douglas生产模型，研究员脑力与实验算力对半贡献，软件研发速度要翻2到3倍，单个研究员的串行效率必须提升4到9倍。这与Anthropic内部调查吻合：员工自评Model 4让效率提升12倍。宏观公式反推出10倍，主观感受报出12倍，两个数字撞在一起，就不是夸大。

组织形态随之变形。METR研究员Ajeya Cotra描述，每位Anthropic研究员被装进一个“时间膨胀泡”——外面过1天，泡里已推完10天工作量。研发进度从1倍到2倍花了12个月，2倍到4倍只需6个月，4倍到8倍3个月，8倍到16倍6周。每轮翻倍时间减半，总耗时收敛在一年内。

希鸥网认为，这场竞赛的胜负手已经从“谁有更多GPU”切换到“谁的算法迭代闭环更短”。算力是买得到的，研发复利买不到。当OpenAI、Anthropic、Google DeepMind三家内部都跑通全自主研究，模型能自己挑课题、自己改下一代算法，外部观察者盯着万卡机房和电力缺口时，真正的变量藏在冰面之下。

对创业者而言，第一个启示是接受能力天花板的存在。就像一个人天生创造力不强，训练能改善但改不了底层偏好，硬拼短板只会耗尽现金流。更划算的做法是训练自己“依靠更擅长者的思维方式”——把AI当成那个更擅长者，而不是逼团队用人力去追平36小时的连续工作产出。

第二个启示是给组织装“时间膨胀泡”。有创造力但缺乏条理的人靠警钟管理节奏，创业公司也该给研发流程装上强制节拍：把算子优化、超参搜索这类有明确指标的可爬坡任务拆出来，优先交给模型跑，人类只保留定方向和验收两个动作。局部提速远超10倍，均值才会被拉起来。

第三个启示是关于节奏判断。计划者习惯先想清目标再动手，发觉者看到新情况就改方向，两种人在AI加速期会剧烈摩擦。理性的做法是设一个短周期复盘机制，比如每6周对齐一次研发路径——这个数字不是拍脑袋，正是研发速度再翻一倍所需的时间。错过一个6周窗口，可能就错过一代模型。

国际金鸥奖中国区盛典，第十二届金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。如需修改或发布文章，请加微信号：sheisceo