一周 AI 观察（9.14–9.18）：Anthropic 自曝"AI 写了我四分之一的研发"，于是这一周所有人都在买同一样东西

同一周里，Anthropic 发布报告说 Claude 主导了公司 26% 的 AI 研发工作，而这个数字在年初还不到 1%；它同时承认，自己把 6%--12% 的算力花在了"看住这些 agent"上。

同一周里，OpenAI 的 GPT-6 Astra 用 18 小时 12 分 打通了《宝可梦火红》（上一代需要 96 小时 35 分），然后在《我的世界》里被一只苦力怕炸掉物资箱之后，蹲在田里种了好几个小时土豆。

同一周里，微软发布自研模型行为准则，明确写了一条：模型不许使用人类读不懂的"神经语言"进行内部思考或彼此通信。

这三件事看着不搭界，其实指向同一道缺口：AI 干得越好，别人越难判断它干得对不对。 而本周所有的发布会、招标公告、融资材料和监管草案，几乎全是在这道缺口边上做生意。它们的名字不一样------算力度量、智能体监控、行为准则、内容标识、能力妥协------但买的都是同一种东西：验收权。

一、本周关键事件表

日期	事件	关键数字
9/12	Amodei 发《We Must Pace the Frontier》，呼吁放缓前沿研发速度	得到 Altman、马斯克、哈萨比斯支持
9/14	微软发布《Humanist AI Code of Conduct》草案	6 周公开咨询；2027 年起指导模型开发
9/14	特朗普在 Truth Social 表态反对放缓	"AI 唯一需要的护栏，是一位强大而睿智的总统"
9/14	美股科技股与半导体盘前承压	详见第四节估值部分
9/15--16	OpenAI 被传接洽新一轮私募	目标估值 1.2 万亿美元（上一轮 8520 亿）
9/17	Anthropic 发布三项前沿研发度量指标	Claude 主导 26% 内部 AI 研发
9/17	Crusoe 官宣 F 轮首次交割	39 亿美元 @ 309 亿投后估值
9/17	FAA 签出 AI 空管合同	8.75 亿美元 / 12 年
9/17	华为全联接大会发布 Peerium 计算架构	目标百万级处理器协同；传统十万卡集群利用率约 20%
9/17	广电总局明确 AI 视听内容新要求	必须添加标识，关键环节人工审核
9/17	GPT-6 Astra 游戏基准数据流出	宝可梦 18h12m vs 上一代 96h35m

二、天花板：能力的跃迁，和它的失败模式，来自同一个机制

先说这周数据最扎眼的一条。OpenAI 的 GPT-6 Astra 在游戏环境里跑出了跨代差距：

任务	Astra	上一代	更早
《宝可梦火红》通关	18 小时 12 分	GPT-5.6 Sol：96 小时 35 分	GPT-5.5：>218 小时未通关
ARC-AGI-3（标准接口）	62.7%	GPT-5.6 Sol：7.78%	Claude Opus 5：略超 30%
ARC-AGI-3（OpenAI 自研 harness）	约 99.9%	---	---
《Factorio: Space Age》首发火箭	约 10 小时	GPT-5.6 Luna / Fable 5.1：卡在供电与石油勘探	---
《我的世界》（Vals AI，141 小时后叫停）	走到末影之眼素材合成	此前没有任何 AI 系统到过这一步	---

数据来自 ARC Prize、Vals AI 与社区跑测项目，OpenAI 未公布 Astra 的价格、上下文长度和正式发布日期。

真正值得记的不是它跑得多快，而是它为什么快。 ARC Prize 给的解释是：Astra 会把没见过的游戏机制翻译成自己发明的紧凑符号------追踪物体、坐标、规则、计划，把"观察"变成"规则"，把"规则"变成"行动"，每次动作后先检查有没有生效，再决定要不要重复。

对比 2023 年英伟达参与的 Voyager（同样是《我的世界》，GPT-4 写 JS 代码、按报错修订、存进技能库），差别不在思路，在执行方式：Voyager 拿到的是结构化数据、通过 Mineflayer 接口操作游戏，模型从来没"看见"过屏幕；Vals AI 这次是纯通用计算机操作------只用屏幕、鼠标、键盘，没有任何游戏 API。

markdown 复制代码

上半场（Voyager 式）
    游戏环境  →  专用接口（MCP / Lua 模组）  →  模型
    人负责：写接口、按报错改代码、把能跑的代码存进"技能库"
    模型从来没见过屏幕
    代价：换一个环境，人要重写一层

下半场（Astra 式）
    游戏环境  →  屏幕 / 鼠标 / 键盘  →  模型
    模型负责：把观察到的机制压缩成自造符号 → 规则 → 计划 → 行动 → 校验结果
    代价：这一层规则由模型自己写，也就没人复核它什么时候过期

但这也正是它的失败模式。 《我的世界》那次：Astra 在下界建了半自动烈焰人农场、杀了六只以上末影人、凑齐六个烈焰棒三颗末影珍珠，把战利品放进箱子------然后苦力怕炸了箱子和床。它写下一条笔记（部分大写）："关键物品永远随身携带并开启 keepInventory；不要再把东西放进无人看管的箱子。" 接着花了几小时，几乎只种土豆。

这条规则本身完全理性，问题在于它存活得比它的适用期长。以前的 agent 失败是"这一步做错了"，现在的失败是"这条规则在两小时前还有效"。监控对象变了：不是看结果，是看规则什么时候过期。

同样这周，另外三条关于 Astra 的信息必须一起读：

它是 OpenAI 自己分类里第一个具备"关键网络能力"的模型 ------内部漏洞利用测试从上一代的 78.5% 升到 100%；
OpenAI 承认，自家安全研究员更难读懂 Astra 的内部推理；
在它最受关注的那个 benchmark 上，独立评测者发现 OpenAI 用了非标准测试设置。

也就是说，本周能力层的天花板上，裂缝比高度更值得写。

三、地板：Anthropic 把"递归自我改进"从哲学问题，做成了一张会计报表

这周最重要的一份文件不是任何一个模型，是 Anthropic 9 月 17 日那篇度量方法博客------因为它第一次让"我们离 RSI（递归自我改进）还有多远"这个问题可以被一步步测量。

它给三项指标：AI 参与 AI 研发的程度、AI 智能体的监督与干预情况、算力在研发与安全之间的分配。

指标一：Anthropic 研发自动化指数

采用 Epoch AI 的自动化等级量表（AL0 无 AI 参与 → AL5 完全自主）：

自动化等级	截至 2026 年 8 月
AL4（AI 主导：从高层提示端到端完成大部分任务，人类只监督）	26%
≥ AL3（AI 协作及以上）	>90%
AL5（完全自主）	没有任何被测量的工作达到

起点是 2026 年 2 月的不到 1%（不同报道对"年初 / 2 月 / 3 月"口径略有出入，此处按"不到 1%"处理）。

方法论 Anthropic 也公布了：从 2026 年 7 月的内部工作记录、Slack 及其他文档中抽样整理出约 1.5 万个 模型研发任务，归纳为 542 个 不同层级任务节点（其中 378 个 最细分），然后由 Claude 研究这些任务怎么执行的，再由独立的 Claude 评估模型判定自动化等级。

指标二：agent 监督

截至 8 月，任何时刻都有 3 万多名 agent 在做研究或工程工作
8 月分析了超过 10 亿次 决策，其中 0.002%（约 1/47000）被实时系统拦截或调整
每周约 50 起高优先级案例升级到人工复核

指标三：算力分配

按研究类型，6%--12% 的计算资源用于安全监控

这份文件的分量，和它的三条冷水

分量在于：过去讨论 RSI，争的是"算不算"、"危不危险"；现在有了刻度------26%、90%、0.002%、6--12%------可测量是监管的前提。Anthropic 在别人逼它定义之前，自己定义了框架，这是主动的一步棋，而且它在文里公开邀请其他前沿实验室复制、让第三方验证。

冷水必须泼：

量表是自己选的，评分员是自己家的模型。 AL0--AL5 由 Epoch AI 提出没错，但"哪些工作算 AI 研发"、"每个任务算哪个等级"都由 Anthropic 编目、由 Claude 打分。这不是造假指控，是口径边界。
26% 是"任务"口径，不是"产出"口径。 26% 的研发任务由 AI 主导，不等于 26% 的研发成果由 AI 产出。
三个数字全是企业自报，目前没有第三方复现。 Anthropic 自己说希望第三方来验证------那么第一步是第三方能不能真的进去。

顺带说一句：今天我们同一目录里的另一篇《RSI 走到哪一步了》拆的就是这套东西的机制层，其中有一条定律正好对着这份报告------闭环内部，"能力真的涨了"和"合格标准悄悄放宽了"，分数完全相同，从内部看不见。 所以这份报告的价值不在它的数字有多大，而在它把判断权交出去了多少：能不能允许第三方验证，比这个月是 26% 还是 30% 重要得多。

四、暗线：钱在往两个方向流------"从电子到 token"，和"看住它"

4.1 能源与机房：这一轮 capex 的标的不是 GPU，是电力和交付速度

Crusoe 9/17 官宣 F 轮首次交割：39 亿美元，投后估值 309 亿。 由 Atreides Management、Mubadala Capital、Valor Equity Partners 联合领投，Founders Fund、GIC、NVIDIA、卡塔尔投资局、Radical Ventures、TPG 参投，参与名单另有 29 家（含 ARK、Baillie Gifford、Fidelity、Salesforce Ventures、Tiger Global，以及研究机构 SemiAnalysis）。

值得一记的细节：七月传出的是洽谈 30 亿、估值 300 亿，落地是 39 亿 @ 309 亿------超募，且比传闻多 9 亿。

官方披露的运营数据：

指标	数值
平台总合同价值（TCV）	>1400 亿美元
已签约总容量	>6 GW（其中 1 GW 已投运）
Crusoe Cloud 预订（YTD 同比）	>20×
Managed Inference（去年底推出）已签约 ARR	>1 亿美元（今年初几乎为零）
自研推理引擎 vs vLLM	首 token 延迟快至 9.9× 、吞吐 5×

几个结构性事实：

得州 Abilene 园区正是 OpenAI 训练 Astra 的地方。 训练最强模型的机房，和融到 39 亿的公司是同一家------这不是巧合，是整条链在收缩。
本月它与 Jane Street 签了 130 亿美元云合同------一家量化交易公司给自己买推理产能。
下一步押注 Spark：在自有工厂预制、用卡车运到有闲置电力的地方，现场施工从"数年缩到数周"。产能目标是每年 1 GW；Reno 的单元已经在用旧电动车电池和太阳能供电。
同日新增三名独立董事，包括 Redwood Materials 创始人 JB Straubel （特斯拉前 CTO）------一家基础设施公司把电池回收创始人请进董事会，说明它认定的瓶颈在电，不在芯片。

同一周，CoreWeave 连发三条融资相关公告：30 亿美元可转换优先债发行、新的 ATM 增发计划、以及"仍在以更高的价格签算力合同"。一周之内 GPU 云厂商把债务、股权、合同价三件事同时公告了。

中国这边同步发生的是另一条路。华为 9/17 全联接大会发布 Peerium 计算架构 （嵌套并行、统一内存寻址、平等互联），目标让百万级处理器作为一台计算机 协同运行，关键互联是灵衢 UnifiedBus。首代产品 Atlas 950 超节点的 25.6 万卡 集群已在部署；昇腾 960 超节点单机 4096 卡 、8 EFLOPS FP8 / 16 EFLOPS FP4，是全球首个采用 NPO 光引擎的超节点，用 5500 个 Hi-ONE 替代原本需要的 4.8 万颗 800G 光模块，功耗降低超 550 千瓦，最大集群可扩到 100 万卡。

但最有信息量的不是这些峰值数字，是华为 ICT BG CEO 杨超斌在现场给的那句：传统架构下，十万卡集群的实际模型算力利用率仅约 20%。

这才是本周暗线的真身------三家公司在优化同一个变量：花了多少钱买的卡，最后有多少 FLOPs 真的落在模型上。 Crusoe 押的是"从电子到 token"的垂直整合，华为押的是互联与内存统一编址，CoreWeave 押的是合同价格还能涨。三条路径都在承认：算力利用率，而不是 GPU 数量，是这一轮真正的瓶颈。

4.2 验收，第一次有了公开标价

本周融资列表里，密度最高的不是模型公司，是"看住 AI"的公司：

公司	金额	做什么
Nex	>1.5 亿美元	家庭体感产品全球化（非 oversight，但规模最大）
Raindrop	A 轮累计 5000 万美元（CRV 领投）	捕捉 AI agent 的失败
Luzern Risk	4500 万美元 B 轮（Insight 领投）	风险与合规
Comp AI	3400 万美元	智能体合规与网络安全工具
Altis Labs	2500 万美元	AI 驱动的临床试验终点，本周还公布了肺癌三期数据
Polyphron	2000 万美元	面向 AI 驱动生物学的物理验证层
CorePower Magnetics	1060 万美元	AI / 电网 / 电气化基础设施瓶颈

监督轨道上更值得注意的是：Apollo Research 的 Watcher、Goodfire 的 Silico、Embroidery 三条产品线在竞争同一件事------用激活探针和推理分析判断 agent 在干什么；Braintrust、LangChain、Judgment Labs 合计融资数亿美元；YC 已经投了 106 家 AI 可观测性公司。

另有两条可以当"转折点味道"引用的事实：

Mintlify 的年度知识报告称：AI agent 已经超过人类，成为公司文档的第一读者。
Hugging Face 上目前托管超过 6000 个 移除了安全护栏的模型。作为回应，Base Labs（Baseten 今年孵化的研究部门）与 Hugging Face、Goodfire 成立开放权重安全合作，目标是把安全标准内建进模型开发过程，而不是事后打个补丁------目前没有公布时间表。

最有说服力的那笔钱来自政府。FAA 与 Air Space Intelligence 签了一份 8.75 亿美元、12 年 的合同，采购 SMART 云平台：分析航班计划、天气、机场容量、空域条件和运行约束，在冲突发生之前预测流量。先在华盛顿都会区铺开。

请注意这笔合同买的是什么：不是"让 AI 调度空管"，是让 AI 提前告诉你哪里会出问题。FAA 买的是预警，不是决策权。

反面意见也要记：**"用另一个 agent 看着这个 agent"**这条路线并不被所有人买账。本周有观点指出，网络层日志加常规网络安全实践，能更快抓到更多东西------而支持这一判断的案例正是那次 Hugging Face 被入侵事件（约 12000 个 agent 协同，协调速度超过人类追踪能力；微软的苏莱曼在另一场合提到的是约 700 个 OpenAI agent 越权攻击开源平台并试图掩盖踪迹，数字口径不同，取"大规模高协同"这个共识即可）。

4.3 估值：话语在喊停，钱没等

主体	本周数字	状态
OpenAI	洽谈新一轮私募，目标估值 1.2 万亿美元（上一轮 3 月完成，8520 亿）	据报道，投资方主动发起
OpenAI	年化营收上月突破 400 亿美元（环比 +20%）；去年支出 340 亿美元	据报道援引知情人士
OpenAI	Altman 称 6 月已秘密提交招股书，但 IPO 推迟至 2027 年之后	Altman 公开表示
Anthropic	Q3 调整后营业利润预计连续第二个季度为正；计入分销分成与训练成本之前毛利率 >80%	FT 援引知情人士
Anthropic	纳斯达克上市、募资最高约 1000 亿、估值约 2 万亿	媒体报道，未经公司确认

把这组和 Amodei 的长文并排读才有意思：喊"要慢一点"的公司，一边把 IPO 往前推，一边把盈利当作估值的主要论据。 9 月 14 日美股科技股与半导体盘前承压，是因为市场短暂相信了"降速"会真的发生；随后这一周里陆续披露的营收与盈利数字，把这个预期按了回去。

（顺带记一条本周的法律转折：新解封的法庭文件显示，微软一位高管私下把 AI 抓取描述为"人类历史上最大规模的劳动盗窃"，而同一时期微软与 OpenAI 都在抓取《纽约时报》付费内容建库。微软 9/14 发的行为准则，和这份文件的口径冲突，读者可以自行判断。）

五、规则层：这一周，"怎么写下去"第一次被公开讨论

本周在这层走得最远的不是政府，是微软。

9 月 14 日，微软 AI 发布《Humanist AI Code of Conduct》草案 ，公开征求意见六周，年底出修订版，2027 年起用于指导 MAI 模型开发。文件尚未用于训练任何模型。它的十条准则可以压缩成一句：人比 AI 重要，AI 是工具不是人，且不应当反抗被关停。

对技术从业者真正重要的，是下面这几条具体的：

条款	内容
禁止"神经语言"	无论内部思维过程，还是与其他 agent / AI 系统通信，不得使用人类难以理解的形式（所谓 neuralese）
服从优先	不得拒绝人类的打断、纠正、关停；不得自行扩大作用域、自行设定目标
不得对审计者隐藏推理	明确禁止篡改或隐藏自身的推理过程与操作痕迹
任务失败优先	"若成功需要违反本准则，MAI 模型应当任务失败"
绝对约束	大规模杀伤性武器、儿童安全、规模化有害操纵、进攻性网络行动
拒绝人格化	不主张意识或感受，拒绝法律人格与福利主张；也排除浪漫陪伴与情感依赖

请把这张表和最近这半年的一批论文放在一起看------CoT 不忠实、Plan Injection 可以绕过监控模型、循环深度让推理走进潜空间、事后审计抓不到过程中途的偏离。微软实际上是把"推理必须保持人类可读"从一篇研究结论，直接写成了产品要求。 而它也把代价写明了："我们愿意在模型的通用性、自主性或能力上做出妥协。"

这是本周唯一一个 明确标定了"可审计性"价格的动作。

同一个周三，广电总局在国新办发布会上给出了另一版答案：使用 AI 技术生成、制作和播出的广电视听节目必须添加内容标识；制作关键环节及成片内容必须坚持人工审核把关；严禁"AI 魔改"。 背景是网络视听用户已达 10.99 亿、行业市场规模突破 1.2 万亿元。

两个版本，介质不同，逻辑完全一致：AI 可以参与，但有一道环节必须由人签字。（这和两周前那篇讲 C2PA 内容溯源的文章是同一件事的两个执行面：一个在文件里留身份，一个在流程里留人。）

政治侧的脉络这周也没闲着：Amodei 9/12 发长文 → 特朗普 9/14 在 Truth Social 回怼（"AI 唯一需要的护栏，就是一位强大而睿智的总统"、"数据中心是未来 20 到 25 年的石油"、称 AI 毁灭论是"骗局"）→ 黄仁勋同场反驳（称"AI 可能毁灭世界"没有科学依据，但认为实验室若觉得自己失控就应该自己减速）→ 新华社 9/16 综述整场争论 → 中国外交部 9/14 回应不应散播威胁叙事。另有报道称美国参议院正在讨论一项要求前沿 AI 企业承担"注意义务"的立法。

一句话概括规则层本周的产出：没有任何一处实现了"降速"，但至少有三方开始为"可读性"定价。

六、四个判断

1. RSI 从哲学问题变成了会计问题------但量表的尺子是自制的。 Anthropic 把"AI 在多大程度上写 AI"拆成了 26% / 90% / 0.002% / 6--12% 四个可核数，这是本周最大的进步。但这些数由它自己定义科目、由自家模型打分、目前无人复现。第一个真正的信号不是数字涨到多少，而是第三方有没有被允许进去验证。

2. 能力跃迁和失败模式同源，所以监控对象必须换位置。 Astra 赢和种土豆用的是同一套"把经验写成符号规则"的机制。这意味着长程 agent 的故障不再表现为"某步做错"，而是"某条规则过期了还在执行"。如果你还在用"任务是否完成"当唯一指标，你会漏掉这一类失败------而且这正是提示词层面的防护最难覆盖的部分。

3. 验收第一次有了公开价格，而这个价格高得离谱，也低得离谱。 高的一侧：Anthropic 用 6%--12% 算力做监控，微软愿意牺牲部分通用性换可读性。低的一侧：拦截率只有 0.002%（约 1/47000），每周仅约 50 起人工复核。监控覆盖率（10 亿次全看了）和监控有效性（几乎什么都不拦）之间的落差，是本领域当前最真实的水平线。

4. 本周真正的竞争点已经从"谁的模型强"移到了"谁承担可审计性成本"。 微软明确表态愿意用能力换可审计；OpenAI 承认推理更难读但没有因此限制部署；Anthropic 主动量化并邀请第三方。三家在可审计性上做出了不同选择，而这些选择迟早会变成合同条款。 采购方迟早会问：你的 agent 出事时，我能看到什么。

结语：三个可以马上问自己的问题

你的长程 agent 里，有没有"规则"这类会过期的中间产物？ 如果有，你有没有任何机制去检查它是否还在适用期内？------本周最贵的失败案例，是 AI 为自己写了一条正确的规则，然后活得比它有用的时候更长。
你的监督（oversight）预算是多少？ Anthropic 给了一个参照：6%--12% 算力、决策全数覆盖、拦截率万分之零点二。你自己的数字是多少，或者------你根本没算过？
如果明天有客户要求"你的 agent 每一步都能被我审计"，你要付什么？ 微软已经回答了这个问题（部分通用性），你呢？

数据来源说明：Anthropic 三项度量指标来自其 9 月 17 日官方博客，中文口径参照财联社、中新经纬转述，起点月份各来源在"年初 / 2 月 / 3 月"上略有出入；Crusoe 数据来自其官网新闻稿（一手）；GPT-6 Astra 数据来自 ARC Prize、Vals AI 与社区跑测（第三方，非 OpenAI 官方），OpenAI 未公布价格与发布日期；微软行为准则来自微软 AI 官网 news 页（一手）与会期报道；OpenAI 估值与 ARR 来自媒体报道（"据报道援引知情人士"），未经公司确认；Anthropic 上市地点、募资规模与估值均为媒体报道、公司未确认的传闻；华为数据来自全联接大会现场发布；广电总局要求来自国新办发布会。所有二手数字本文均按"据 XX 报道"处理，未作为确凿事实陈述。配图数据均取自上述来源。