RSI 成長曲線：哪種摩擦最先形成瓶頸？

資料來源#

問題#

Anthropic 的 When AI builds itself (Recursive Self-Improvement) 提出 三種 RSI 未來。DeepMind 的 From AGI to ASI (AGI-to-ASI Pathways) 提出 三種成長形態與六種摩擦 (Intelligence Explosion Dynamics)。請調和這兩種論述，並回答兩份報告都提出、卻都沒有直接回答的問題：哪種摩擦最先形成瓶頸——也就是說，究竟是什麼讓曲線轉折，又會在何時發生？

簡答#

這兩種論述是同一個三分法的兩種描述——Anthropic 從政策／角色角度出發（人類最後會做什麼），DeepMind 則從動態學／數學角度出發（曲線的形狀）。兩者提出相同的選項，只在是否排序上不同：Anthropic 評估各種可能性的高低；DeepMind 則拒絕排序，稱每種摩擦的權重都是「尚待研究的問題」。

至於「哪種摩擦最先形成瓶頸」，兩家實驗室雖用詞不同，卻指向同一個結構性洞見：進展速度取決於無法加速的最慢步驟，而那個步驟不是認知。 模型思考是迴圈中成本最低的投入，而且正飛速進展（Anthropic：「我們尚未看到那條曲線轉折」）。真正形成瓶頸的摩擦，是迴圈與現實的連結——今日在組織規模下是驗證／監督；在 ASI 前沿則是實體實驗加上制度延遲。Anthropic 稱之為 Amdahl 定律；DeepMind 稱之為具身瓶頸。兩者論點相同。

同一個三分法，兩種論述#

DeepMind 的三種成長模式幾乎能精確對應 Anthropic 的三種未來——請注意可能性排序相反，觀點也有所交換：

DeepMind 成長形態	= Anthropic 未來	意義	Anthropic 對可能性的判斷
S 曲線——摩擦使成長在任何奇點出現前轉緩	未來 1：趨勢停滯，能力擴散	判斷力差距不會隨著擴展而消失；或供應鏈／後 Transformer 架構成為瓶頸。世界仍會在能力凍結的情況下轉型。	不太可能——「我們尚未看到那條曲線轉折」
指數曲線——固定倍數成長，且有上限	未來 2：效率複利，人類設定方向	AI 研發大幅自動化；人類判斷成果；受 Amdahl 定律（瓶頸轉移）限制。	可能
雙曲線——成長速率隨數量上升；有限時間內出現奇點	未來 3：完全 RSI，速度由計算力決定	迴圈閉合；人類轉而監督不斷擴大的「虛擬實驗室」。Anthropic 對這種情境的「不確定性最高」之處，在於對齊結果。	不能排除；最不確定

觀點互換之處最有啟發性。Anthropic 的未來情境以人類角色為索引（人類是否仍設定方向？是否仍審查？）；DeepMind 的成長模式則以曲線的二階導數為索引。它們描述的是同樣的三種世界，因為人類角色正是無法加速的摩擦所保護的部分——人類之所以仍不可或缺，恰好是因為迴圈無法加速那些步驟。

摩擦就是曲線轉折的機制#

DeepMind 提出的六種摩擦，是可能使曲線從雙曲線轉為指數曲線，再轉為 S 曲線的機制。Anthropic 則用較精簡、以組織為框架的一組阻力來描述；它們是 DeepMind 清單的濃縮版：

DeepMind 摩擦	Anthropic 對應的阻力	兩家實驗室對其是否會形成瓶頸的判斷
資料牆 (Effective Compute Scaling)	（納入未來 1 的「供應鏈」）	兩者都降級處理——合成／模擬／蒸餾回流的資料會隨計算力一同擴展（AlphaZero 迴圈）；「是摩擦，而非根本阻礙」 (2026-08-17 依據 The Data Wall and the Validation Commons Are One Supply Constraint 修訂此級別：它不會降級而被計算力吸收——自行生成的資料 FLOPs 成本低，真正受限的是驗證器可用性、驗證器延遲，以及生成器多樣性崩塌，因此會轉化為此表排名第一的驗證摩擦)
研究愈來愈難（Bloom 等人）	Anthropic 的證據直接反駁的主張	兩者都降級處理——「廉價的人工研究員」幾小時內就能增加 20 倍，而非數年；Anthropic 的每位工程師產出 8 倍程式碼，正是此摩擦未能形成瓶頸的證據
經濟與資源需求	「供應鏈——能源、晶片製造、電網、互連」（未來 1）	有條件——若進展仰賴原始規模擴張，就會形成強烈瓶頸；若進展來自演算法效率，影響則有限。取決於採用途徑。
神經網路典範不足	「可能需要 Transformer 之後的新架構」（未來 1）	有條件／未知因素——若判斷力無法靠擴展取得，就會進入未來 1
抽象屏障 (The Abstraction Barrier)	（Anthropic 沒有完全對應的說法）	DeepMind 認為這是可能的根本阻礙——但它會重新設定進展速度，而非使進展停滯：詳見下文
刻意減速 (Frontier Pause Verification)	整套治理回應（建立暫停驗證機制）	方向相反——這是 Anthropic 想要設置的唯一摩擦；也是 DeepMind 懷疑能否讓它發揮作用的摩擦

哪種摩擦最先形成瓶頸——分層判斷#

兩份報告都未對摩擦排序。但綜合兩者，可以按照各種摩擦實際開始發揮限制作用的時間，排出一個有根據的順序：

1. 已經形成瓶頸（組織規模，2026 年年中）。 Amdahl 定律所說的瓶頸／驗證與監督連結。Anthropic 已經碰上：隨著愈來愈多程式碼流經組織，人類程式碼審查成了新的瓶頸 (Verification as the New Bottleneck)。這是經驗上確實存在的第一種摩擦，而非預測。關鍵在於，這是 DeepMind 所說具身瓶頸在組織層面的表現：迴圈中無法加速的部分，決定了整體進展速度。

2. 最深層、最可能出現在前沿的摩擦（兩份報告論點交會之處）。 迴圈與實體及制度現實的連結。DeepMind：具身瓶頸——新概念必須以實體現實驗證，因此智能成長速度受限於「實證科學的速度」，而非計算力的速度。Anthropic：RSI「無法比生物學更快進行臨床試驗、比憲法允許的時間更早舉行選舉，也無法在一個週末內把陌生人變成老朋友。」兩種領域，同一種論證形態（實體實驗延遲與社會／制度延遲）。這最可能使雙曲線轉為單純的指數曲線——未來 3 轉為未來 2。

3. 根本性的未知因素。 抽象屏障的強版本——若以人類概念訓練的 AI 確實無法發現新原語（無法從牛頓力學之前的資料推理出廣義相對論），那麼研究品味就是真正的上限，而非下一個即將被突破的能力；屆時便會進入 S 曲線／未來 1。DeepMind 認為這是「最可能成為根本阻礙」的摩擦。Anthropic 的未來 1 也提出相同可能性（「Transformer 之後的新架構」），但由於缺乏機制層面的解釋，只因曲線尚未轉折便認為這不太可能。目前的實際測試是Autonomous Scientific Discovery：2026 年 6 月的濕實驗結果究竟跨越了屏障，還是只是在由人類界定的空間內快速運作？

4. 兩者都降級處理。 資料牆與研究愈來愈難。兩者都被計算力本身吸收——合成資料與廉價的數位研究員，會和它們原本預期要限制的同一條指數曲線一同擴展。Anthropic 測得的 8 倍產出，正是「研究愈來愈難」這種摩擦明顯未能形成瓶頸的證據。

2026-08-17 僅修訂資料牆的判斷 (The Data Wall and the Validation Commons Are One Supply Constraint)。上述降級處理是兩份實驗室報告的主張，兩者都屬於 prediction 級別。若對照資料集中的自我生成結果，資料牆並未被計算力吸收：自行生成資料的每個已測得限制都與計算力無關——STaR 在幾輪後就停滯；Multiagent Finetuning 指出多樣性崩塌是其機制；CS329A 則補上驗證器的延遲（需要數天的晶片模擬是完美的驗證器，卻毫無實用價值）。因此，這種摩擦並未退出討論；它會轉化為同一張表中排名第一的驗證／監督摩擦，讓本文的核心結論更有力，而非更弱。「研究愈來愈難」則不受這次修訂影響。

5. 人類必須自行選擇的摩擦。 刻意減速是清單上唯一的外生項目——唯一不是由物理或經濟條件決定的項目。這是兩家實驗室分歧最鮮明之處：Anthropic 整套治理議程都在設法讓這種摩擦發揮作用 (Frontier Pause Verification)，因為它懷疑內生摩擦（尤其在未來 3）不會及時、充分地發揮作用。DeepMind 對於能否讓它發揮作用則較悲觀：在「軍事—經濟適應主義」與國際無政府狀態下，多邊協調「難以實現，或許不切實際」。因此，Anthropic 最積極想要建立的摩擦，正是 DeepMind 最懷疑能否建立的摩擦。

兩家實驗室確實分歧之處#

排序與拒絕排序。 Anthropic 表明立場（未來 2 可能，未來 1 不太可能，未來 3 不能排除）。DeepMind 基於原則拒絕預測——在典範轉移之後還做點預測「空洞無意義」，因此提出不依賴典範的理論 (Universal AI (AIXI))，而非預測。這是方法論上的分歧（經驗優先 vs. 理論優先），不是事實上的歧見。
概念發現的上限。 DeepMind 提出 Anthropic 所缺乏的唯一機制——說明研究品味可能是真正上限的理由（抽象屏障）；Anthropic 則只有「我們還沒看到它轉折」這項經驗觀察。這是跨實驗室綜合分析帶來、與決策最相關的單一補充。
減速方向相反（如上）：Anthropic 視為交付項目的摩擦，正是 DeepMind 認為幾乎無法達成的摩擦。

結論#

一旦注意到兩份報告都將瓶頸放在模型認知能力之外，「哪種摩擦最先形成瓶頸」這個問題便迎刃而解。智能是成本低、進展快的投入；設定整體速度的是任何將迴圈連結到無法加速之現實的因素——目前已有人類程式碼審查與監督（Amdahl 定律，今日），前沿則有實體實驗與制度延遲（具身瓶頸，明日）。資料牆與想法愈來愈難的摩擦會被計算力吸收，因此自行降級。真正尚待解答的問題，比六種摩擦的清單所暗示的更聚焦：(a) 抽象屏障究竟是概念發現的真正上限（→ 未來 1），還是只會讓驗證變慢（→ 未來 2）？以及 (b) 人類唯一能控制的摩擦——刻意減速——能否在內生摩擦失效之前發揮作用？

延伸至問題 (b)，2026-08-19 — Safety Commitments That Cannot Bind the Actor Who States Them 將問題從摩擦轉向負責設置摩擦的制度：Anthropic 的暫停承諾以一套尚不存在的驗證制度為前提；DeepMind 的報告假設對齊問題已解決，因此從自己的摩擦清單中漏掉了同一段落中承認存在的瓶頸；Musk 則把 OpenAI 的創立視為任何干預措施都無法奏效的證明。資料集中只有一種安全機制具備真正持續運作的制度： RSP。它曾讓一次發布減速，在兩次最接近的關鍵時刻都偏向推出，而且其唯一由外部持有的槓桿從未被拉動。因此，問題 (b) 的障礙不是宿命論，而是所有有紀錄的機制，都由它們所限制的一方管理。

資料來源#

When AI builds itself — Anthropic Institute（Favaro 與 Clark，2026 年 6 月）：三種未來、Amdahl 定律、「曲線尚未轉折」。參見 Recursive Self-Improvement、AI Accelerating AI Development。
From AGI to ASI — Google DeepMind（Genewein、Hutter、Legg 等人，arXiv 2606.12683）：三種成長模式、六種摩擦、抽象屏障與具身瓶頸。參見 AGI-to-ASI Pathways、Intelligence Explosion Dynamics、Effective Compute Scaling、The Abstraction Barrier。
Research Taste as the Human Bottleneck — 無法加速的摩擦所保護的人類比較優勢。
Frontier Pause Verification — 將刻意減速摩擦作為治理交付項目。