7 min remaining
0%
人工智慧與機器學習

AI 龍蛇:當程式開始自我編寫——以及這對我們其他人意味著什麼

探索 AI 自我編寫程式的能力如何改變軟體工程並重新定義人類在科技中的角色。

7 min read
Progress tracked
7 分鐘閱讀·
AI Generated Cover for: The AI Ouroboros: When Code Starts Writing Itself—and What Happens to the Rest of Us

AI Generated Cover for: The AI Ouroboros: When Code Starts Writing Itself—and What Happens to the Rest of Us

遞歸自我提升不再是一個理論。它是當前的版本說明。

Anthropic 最近發表了一份令人警醒的分析,關於遞歸自我提升(RSI):當 AI 系統開始編寫升級自身的程式碼的那一刻。對於我們這些在建構企業軟體的人來說,這不是一個遙遠的里程碑。這是我們今天正在合併到生產環境中的提交日誌。

在水星科技解決方案,我們的使命是加速數位化——幫助品牌透過實際有效的科技來精簡運營。為了做到這一點,我們必須站在最前沿。而現在,這個前沿正在朝著重新定義「軟體工程」意義的方向切入。

這裡是資料所說的內容、實際情況的感受,以及當機器不再需要我們的語法時,人類價值將何去何從。

改變一切的三個數字

Anthropic 的報告中出現了三個數據點,這些數據點與我們在水星的工程團隊內部所看到的情況完全一致。

1. 80% 的門檻

截至 2026 年 5 月,超過 80% 的程式碼是由 Claude 編寫並合併到生產中。我們在內部看到的比例也是如此。當我們建立像是水星商業運營套件—涵蓋銷售、人力資源和專案管理—時,人工智慧負責繁重的工作。對於沒有舊系統拖累的全新專案,這個比例往往會更高。

這並不是說工程師正在消失。實際上是行動寫作語法已經商品化。

2. 8倍乘數

一位工程師的季度產出大約是2024年的八倍。根據我的個人經驗,這個範圍在5倍到10倍之間,具體取決於任務。諷刺的是,微任務—調整UI元件、翻譯本地化字串、執行快速的bash命令—仍然手動執行更快。但對於實質性的架構,人類現在的運作已經達到超人規模。

3. 每四個月可靠性翻倍

METR的測量顯示,AI能可靠完成的複雜任務的長度每四個月翻倍。Claude Opus 4.6已經在執行需要一位資深工程師整天時間的任務。

這個軌跡不是線性的。它是累積的。

為什麼「氛圍編碼」在企業規模下會消亡

這個行業有一個可愛的術語,用來形容促使人工智慧快速開發一個炫目的應用程式並希望架構能夠支撐:氣氛編碼。這對於原型來說是有效的,但在一百萬行程式碼時就會崩潰。

當你在管理具有真正安全需求、真正可擴展性限制和真正整合面向的平臺時,你不能僅僅依靠希望來達成穩定。你需要架構。你需要品味。你需要一個理解為什麼快取策略比漸變動畫更重要的人。

這裡有一個殘酷的真相,Anthropic的論點證實了:生成軟體的邊際成本正接近於零。在過去的一個世紀裡,地球上最聰明的工程師們寫出了卓越的程式碼,未言明的目標是讓自己從打字中自動化解放出來。這個劇本已經實現。

那麼,剩下的是什麼?

從程式設計師到架構師:人類的堡壘

Anthropic稱之為定向設定我稱它為唯一能夠存活於遞迴中的工作。

你的價值不再在於如何編寫程式。它在於:

  • 問題定義— 知道哪個痛點值得解決
  • 研究品味— 在你浪費六個衝刺之前,認識到一條實驗路徑是死衚衕
  • 策略前瞻— 看到一個技術決策如何影響未來十八個月的商業模式

2027年的工程師需要離開螢幕,坐在客戶旁邊,並沉浸在現實世界的商業需求中。你的競爭優勢不是打字速度,而是架構判斷和情境智慧。

如果你仍然以提交的程式碼行數來衡量自己的價值,那麼你正在優化一個AI已經贏得的指標。

阿姆達爾法則:瓶頸只是移動了

Anthropic 誠實地引用了阿姆達爾法則,這是值得理解的。該法則指出,任何過程的整體速度都受到其最慢、未加速組件的限制。

AI並不消除瓶頸。它將瓶頸重新定位到上游。

隨著人工智慧以空前的速度生成程式碼,新的瓶頸是人類的審查和驗證。機器可以在午餐前寫出一萬行程式碼。但仍然需要有人閱讀這些程式碼,理解其意圖,並批准合併。

在那些成功度過這一轉型的組織中,最有價值的專業人士將是那些能迅速識別瓶頸移動位置並清除它的人。

在水星公司,我們直接針對這一點進行處理水星靈感人工智慧,這是一個智能助手,能自動化重複的操作任務,讓我們的人類團隊能專注於戰略判斷,而不是機械性的審查。

計算為王:硬體的束縛

RSI有一個地緣政治層面,大多數軟體人員更願意忽視這一點。

如果人工智慧真的進入自我改進的閉環,那麼人類技術進步的速度將由一個單一變數決定:計算.

如果人工智慧的發展變成純粹的計算軍備競賽,誰控制了硬體供應鏈,誰就控制了文明進步的節奏。目前,這個全球鏈條中最關鍵的瓶頸是先進封裝—特別是 CoWoS。這意味著臺灣仍然是無可爭議的關鍵。

幾十年來,我們稱半導體製造商為「在淘金熱中賣鏟子的人。」情勢已經改變。金礦現在自己在挖掘。但提取的速度仍然完全依賴於鏟子。

在接下來的 24 到 36 個月內,控制計算的參與者將面臨一個選擇:繼續出售工具,或開始操作推土機。

大「為什麼」:治理、目的,以及我們無法外包的問題

我花了幾個小時與我的同事討論人工智慧治理。我們辯論了人工智慧是否可以像核武器一樣受到管制。

令人警醒的結論是?我們真的不知道。

在伺服器農場訓練前沿模型比隱藏核彈發射井容易得多。當商業激勵如此龐大時,驗證全球對人工智慧發展的「暫停」幾乎是不可能的。這個精靈不僅僅是從瓶子裡出來了;它正在製造一個更好的瓶子。

我不相信人工通用智慧會在某個隨機的星期二同時出現在各地。它將逐步征服各行各業,逐個領域。軟體開發只是第一個、最具槓桿效應的多米諾骨牌。一旦軟體層完全自動化,整個生態系統就會隨之而來。

我們不應該因此而感到癱瘓。但我們必須以睜大眼睛的態度面對它。

在過去的一百年裡,我們的主要挑戰是弄清楚如何建立軟體。隨著我們進入一個機器自我建造的時代,我們的最終責任轉向回答:

我們為誰,及為了什麼目的而建造這個?

這個問題無法外包給模型。這是唯一一個完全、永久屬於人類的工作。

走在潮流的前端。

— 詹姆斯·黃,水星科技解決方案的執行長

底線

AI 龍蛇圖不是未來的威脅。它是當前生產工程的狀態。程式正在編寫程式。生產力正在倍增。瓶頸正在向上遊遷移。

生存下來的工程師和組織不會是打字最快的那一羣。他們將是那些提出最佳問題、清除正確瓶頸,並永遠不忘科技只有在服務於人類目的時纔有價值的人。

加速數位化。但要確切知道原因。

Frequently Asked Questions

What is Recursive Self-Improvement (RSI) in AI?

Recursive Self-Improvement is the capability of an AI system to write, debug, and deploy code that improves its own performance or architecture. Anthropic's 2026 analysis indicates this is already happening in production environments, with over 80% of merged code authored by AI.

Will AI replace software engineers completely?

No. AI commoditizes the act of writing syntax, but it amplifies the need for human architects who define problems, exercise research taste, and set strategic direction. The role shifts from coder to decision-maker.

What is "vibe coding" and why does it fail at scale?

Vibe coding refers to prompting AI to generate applications without rigorous architectural oversight. It works for prototypes but fails in enterprise environments where security, scalability, and integration complexity require deliberate design.

What is Amdahl's Law and how does it apply to AI development?

Amdahl's Law states that process speed is limited by its slowest component. In AI-assisted development, as code generation accelerates, the bottleneck shifts to human code review, verification, and strategic approval. Why is compute hardware the most critical factor in AI progress?

Why is compute hardware the most critical factor in AI progress?

If AI enters recursive self-improvement, progress becomes bounded only by available computational power. Advanced semiconductor packaging (CoWoS) in Taiwan is currently the single most constrained node in that global supply chain.

How should software engineers adapt to the AI Ouroboros era?

Engineers must evolve from syntax specialists to architects and strategists. The highest-value skills become problem definition, business context understanding, and the judgment to decide which projects deserve resources.

Can AI development be regulated like nuclear weapons?

Probably not with the same mechanisms. AI training is far easier to conceal than nuclear infrastructure, and commercial incentives make global verification of development pauses practically impossible.