AI 開始自己寫自己。
Anthropic 發布了一篇談「遞迴自我改進」（Recursive Self-Improvement, RSI）的文章。整篇文章要講的事情很容易懂：如果 AI 已經可以寫軟體，那 AI 遲早會開始改寫自己、自我進化。
先講文章中最讓我有感的三個數字，因為這些完全吻合我的自身經驗，過去幾個月也都放在一些公開的投影片和演講當中分享。
截至 2026 年 5 月，Anthropic 合併進產品的程式碼，超過 80% 出自 Claude 之手。 在 Claude Code 推出之前，這個比例還是個位數。我自己實作產品的比例，是 85% 出自 Claude Code，但我做的是全新產品 Kuroma.ai，所以一開始就可以高比例用 Claude Code 來寫，沒有 legacy 人類手寫的 code 來當分母。
同一個工程師，現在每季產出的程式碼量，大約是 2024 年的 8 倍。 我自己最近寫程式的經驗是 5 到 10 倍，依不同的任務而定，有些 AI 來做會比較浪費時間的短任務，人類做起來還是比較快，例如翻譯幾個接地氣的字串、微調一下 UI、更改 production 資料庫的小部分內容，這些短指令自己跑一跑就好了，叫超級聰明的 AI 跑會稍微浪費時間 (bash 指令好歹還是自己下一下吧，全部交給 AI 真的就是全部腦袋外包了)。
根據 METR 的量測，AI 能可靠完成的任務長度，現在每四個月就翻倍一次，比過去每七個月翻倍又再加速。 Claude Opus 4.6 已經能處理人類需要 12 小時的任務。這部分沒什麼懸念，AI 現在處理長任務的可靠度，已經超過資深工程師的水準，不過，Anthropic 這邊沒講的是，對於真的需要架構師等級規劃的長任務，AI 幾乎沒辦法一次做對，如果沒有搭配精心調製的軟體開發 skill，做出來問題一大堆，所以老實說目前還沒到那麼神奇恐怖的地步，但確實正在往破台的路上逐步邁進。
Kuroma.ai 目前的規模是 900,000+ 行程式碼，接近百萬行。所以我觀察到的一個有趣現象是也驗證了我之前的結論， 我們還是需要資深的架構師來維護這種規模的軟體 ，人類數量雖然可以大量減少，但是到這個規模，已經不是「AI 可以快速產生網站，好厲害！」這種程度的 vibe coding 可以支撐。
當然啦，Anthropic 還是想把自己的論述推到底，我也認同：在 AI coding 這件事上，「動手做」這個動作，現在幾乎不花人類任何時間了。寫程式、跑實驗、產出結果，邊際成本趨近於零。
我在之前的文章裡寫過，頂尖的聰明人花了一個世紀寫頂尖的程式，最終目標居然是把自己取代掉，這種現實怎麼想都只能令人慘笑。一年過去，劇本只有更荒謬。AI 現在動手寫的，已經是「製造 AI 的那些程式碼」本身。這頭機器，開始自己造自己了。
Anthropic 也指出人類目前唯一還守得住的陣地： 研究的品味與判斷力 。講得更具體，是「決定哪些問題值得做」、「判斷哪些結果可以信」、「以及知道一條路什麼時候已經走進死巷」。文章把這件事叫做 direction-setting，方向設定。
這其實就是架構師該做的事情。
進入動手變免費的時代，價值與瓶頸一起往上游搬
所以軟體工程師要立刻改變自己的心態是： 趕快升級成為架構師，並且讓自己第一線接觸客戶和真實世界的需求 。你還是會花很多時間在螢幕前，但帶著這個螢幕去坐在客戶旁邊吧。
當「動手」變得免費，價值就會全部集中到 定義問題 和 判斷對錯 這兩件事上。這也是為什麼，工程師的能力必須從 how to code，往上爬到 how to architect，再往上爬到 how to decide。
最後，Anthropic 這篇文章很誠實地搬出了 Amdahl's law（阿姆達爾定律）。
當你把一段流程裡的某一段加速到極致，整體速度就會被「還沒被加速的那一段」卡死。Anthropic 自己就撞上了這道牆：當 Claude 開始海量產出程式碼，瓶頸立刻轉移到「人類來不及審查」。
所以說，AI 唯一的瓶頸就只剩下人類了。(怕)
不過啦，AI 不會消滅瓶頸，它只會把瓶頸往上游搬，搬到判斷、搬到審查、搬到驗證。所以未來的組織裡， 最值錢的能力會是「最快找到瓶頸、並且把它打通」的那種人 。這會是一種新的基本功。
接下來，是我最想跟台灣、跟亞太夥伴講的一個角度，外面比較少人提。
當AI開始自己寫自己，為什麼台灣扮演關鍵角色？
這篇文章描繪了三種未來，其中最極端的一種，是 AI 真的進入完整的遞迴式自我改進。在那個情境裡，文章寫了一句很關鍵的話： 到那一步，AI 進步的速度，將完全由「算力」這一個變數決定 。
這句話很重要請讀三遍。
如果 AI 開發最後變成一場純粹比算力的競賽，那麼誰掌握了算力的供應鏈，誰就握住了整個遞迴迴圈的「油門」。 而今天全球算力供應鏈最關鍵的瓶頸，是先進封裝 CoWoS，是 TSMC，是台灣。
我過去常用「賣鏟子給挖金礦的人」來形容台灣半導體的角色。我們賣了 40 年的鏟子（晶片）給淘金客（AI 公司）。現在劇情變了：金礦開始自己挖自己，而唯一能決定它挖多快的，仍然是鏟子。
換句話說，在遞迴的時代，台灣的籌碼不會縮水。在最極端的情境裡，台灣手上的 CoWoS 產能，會直接變成全人類 AI 進步速度的關鍵。這個角色不會變小，它會被更加放大。前提是，我們要先看懂這件事，並且在這 24 到 36 個月的窗口裡，從「只賣鏟子」往「自己操作推土機」這一端移動。
總之，因為 AI 開始自己寫自己，算力的需求可能在短期內還會出現更加戲劇化的加速。
AI治理最難一關：沒人驗證得了對手真的停了
最後，談一件我在艾森豪獎美國參訪行程當中，花最多時間在討論的事情： 治理 。
但我先講結論，這趟旅程當中，我完全沒有得到答案，連一點點方向的指引都沒有得到。我跟艾森豪總統的在世孫女 Susan Eisenhower 討論到用類似管制核武的方式，是否是個可以參考的方式，但結論是我們都不確定，只得到弱弱的結論：我們必須讓各國領導人和科技領袖坐下來好好談談這件事情。
Anthropic 這篇文章的後半讓我有點意外。它沒有說 RSI 一定會發生，也沒有說它一定是好事。Anthropic 拋了一個更難的問題： 如果有一天我們需要按下暫停鍵，這個世界有沒有能力，協調出一個「可被驗證」的暫停？
我自己覺得是幾乎不可能，因為訓練一個前沿模型，比偷偷藏一座飛彈發射井容易太多了，你幾乎無法查證對手是不是真的停了下來。無限的商業利益就在眼前，誰有時間跟你一起坐在地上喝啤酒給拍？
回到我一貫的判斷。
軟體只是第一張骨牌，下一個是AI自己
我始終認為，AGI 不會在某一個單點、某一個早上突然降臨。它會一個領域、一個領域被分別攻克。「軟體開發」是第一個落地的領域。而 Anthropic 這篇文章再次驗證的是：「AI 開發」本身，正在成為下一個被攻克的領域。
這張骨牌一旦倒下，會加速推倒後面所有的骨牌。這是一個槓桿最高的領域，必須先被破台，一但軟體被破台，後面的路就全通了。
所以我還是那句話：不要被嚇倒，但這個窗口是真的。人類的工作會一路往上搬，從寫程式，搬到設計系統，搬到決定什麼東西值得被做，最後搬到決定這個會自我改進的迴圈，到底是為了什麼而轉。
過去一個世紀，我們在解決「軟體要怎麼蓋」這件事情。
接下來，我們要自問：「那個會自己蓋自己的東西，到底是為了誰、為了什麼而存在。」
本文授權轉載自程世嘉
