25位来自OpenAI、Anthropic、Google DeepMind、Meta及美国高校的研究员，去年夏末集体把“AI自己研究AI”列为最严重的AI风险。短短几个月，他们点名的几个里程碑已经被悄悄拿下——OpenAI和Google DeepMind的模型在数学奥赛上达到金牌水平，Sakana的“AI Scientist”独立产出一篇过了同行评审的研讨会论文，Andrej Karpathy搭出了能自己跑训练的智能体框架。这些事本来是用来预警的，现在更像是按时间表在发生。

之所以让人觉得不安，是因为衡量这件事的尺子本身也在加速。受访者普遍用METR的Task Horizon当标尺：AI智能体能独立干完的任务长度，从2019年起大约每六个月翻一番，2024年之后节奏被压缩到每四个月。同一把尺子，刻度在变短。

研究员的警告还停留在“递归自我改进”这种有点抽象的说法上，但IAPS的Severin Field在最近一篇博客里把它拉到了地面：他认为递归自我改进已经不能当营销话术一笔带过，争论的焦点不再是“有没有在发生”，而是这种改进能不能真的叠成自我维持的循环。

怀疑论者手里还剩一张牌：范式级的科学创意没有标准答案，也没有现成的训练数据，这块缺口会不会被工程化的方法补上，决定了递归能不能真正闭环。

这件事暂时没有定论，但预警被验证的速度，已经比多数人预想的要快。你觉得，AI自己提出一个没有标准答案的范级假说，还需要多久？