谷歌 DeepMind 首次内部审计:AI 还没到自研那一步

发布时间:2026-10-16 01:36:05 UTC+8 约 1373 字 6 个小节

谷歌放出了一条关于 AI 的结论,听着有点反直觉。DeepMind 做了它第一次内部审计,审的对象是 AI 驱动的研究工作——也就是「让 AI 参与做研究」这件事,到底有没有让 AI 自己的进展变快。

结论是:没有测出明显加速。另一边,谷歌又说过自家很大一部分代码是 AI 写的。这两个说法摆在一起,特别容易被读成一句话,好像 AI 已经在造自己了。其实不是。能写代码,和能自己迭代自己,中间还隔着不短的距离。

下面把这次审计涉及的对象、AI 写代码这个说法的具体含义、以及「AI 自研」和「AI 写代码」差在哪,分开讲一遍。

这次内部审计到底审了什么?

据 Decrypt 报道,这是 Google DeepMind 第一次针对 AI 驱动的研究做内部审计。它审的不是某个模型的跑分,而是「用 AI 来做研究」这条流程本身,能不能带来可测量的加速。

结果写得很克制:没有发现可测量的提速。注意措辞是「还没有」,不是「不可能」。一份内部审计,只是一家机构回头看看自己的做法,既不是外部评测,也谈不上行业定论。

它有价值的地方在于把问题问对了。过去大家聊 AI 提升效率,聊的多半是单点任务快了多少;这次问的是整体进展的快慢,量的是另一回事。

AI 写 75% 的代码,到底在说什么?

谷歌的说法是,AI 写了 75% 的代码。这个 75% 指的是代码量的占比,不是「75% 的研发工作都交给 AI 了」。

写代码只是研发链条里的一段。前面还有选题、假设、实验怎么设计,后面还有验证、筛错、复盘。代码生成得快,只说明中间这一段变顺了,不等于整条链条都跟着变快。

所以这两个信息放在一起并不矛盾:AI 大量参与写代码可以成立,AI 的进展没有因此明显提速,也可以同时成立。

为什么写代码快,不等于 AI 变强?

写代码快,属于工具层面的效率提升。AI 变不变强,看的是有没有新的方法、新的结论出来。工具变快,产出未必跟着等比例变快。

原因不复杂:瓶颈往往不在敲代码这一段。想法从哪里来、实验结果怎么判断、哪条路值得继续走,这些环节快不起来,前面写得再快也会被卡住。

这次审计量的是「进展速度」,不是「产出数量」。没测出加速,不等于 AI 没用,只能说目前还没看到这条链条整体跑得更快。

「AI 自研」和「AI 写代码」差在哪?

把两个概念拆开看,会清楚很多。

AI 写代码:人定目标、人划边界,AI 负责把实现写出来,判断权还在人手里。

AI 自研,也就是常说的自我改进:AI 自己提出问题、自己设计实验、自己判断结果好不好,再自己决定下一步做什么。关键差别在闭环——能不能自己下判断、自己纠错、自己换方向。

这次审计给出的说法是,还没到 AI 造自己的程度。写代码的能力和闭环的能力,不是同一个台阶。

首份内部审计,放出了什么信号?

值得留意的是「首次」和「内部」这两个词。样本范围有限,结论后面可能会更新,也可能会有下一份。

但它至少说明一件事:大机构开始把「AI 有没有让自己变快」当成一个需要被测量的内部指标,而不是只当成一句宣传语。

对关注这条线的人来说,这是一个能追踪的节点。下次审计如果结论变了,是看得出来的。同时也要分清,现在的结论是「没测出」,不是「证明不存在」。

结语:能写代码,和能造自己,中间还隔着一段

75% 说的是代码量,不是 AI 的自主程度;没测出加速,说的是整条研究链条还没明显变快。两条信息各说各的,不冲突。想快速抓重点,建议先看第二段和第四段。

关键词 谷歌DeepMindAI写代码AI自研

本文基于公开媒体报道整理,仅作信息参考,不构成任何投资依据,内容以原文为准。

更多资讯

全部资讯 →