撰文：Leo 深思圈

你有没有想过，当所有人都在讨论 AI 何时会达到超级智能时，我们可能已经错过了最明显的信号？我最近一直在研究 Agentic coding，或者说 Async 这种异步的 Coding 新形态，也深度使用了 Claude Code 、Gemini CLI 和 Ampcode 等产品，前几天发过一篇文章《继 Cursor、Devin 和 Claude Code 之后，又一匹 AI coding 黑马正在快速崛起》。很多人可能没想到，Claude code 这类 Agentic coding 产品出来之后，Cursor 也面临着被颠覆的风险了

在经过深度思考后，我有了一个大胆的猜想：我们一直在用错误的框架理解它，大家都把它当作「更好的编程工具」，但我越用越觉得，这根本不是一个编程工具，而是一个披着终端外衣的通用 AI agent。正好周末看了 Anthropic 产品负责人 Michael Gerstenhaber 的最新一期访谈，他在访谈中透露：AI 模型在过去一年的变化是「戏剧性的」，现在的模型与一年前「完全不同」，而且这种变化还在加速。

当 Michael 提到他们的 AI agent 可以连续工作七个小时完成复杂编程任务，当他说现在整个代码库有 30% 都是 AI 生成的内容时，我意识到一个可能被我们忽视的事实：超级智能可能不会以我们预期的方式出现。它不会突然宣布自己的到来，而是会悄悄地融入我们的日常工作流程，让我们以为这只是「更好的工具」。Claude Code 就是这样一个例子——它被包装成编程助手，但实际上展现的是通用智能代理的能力。而当我深入思考 Anthropic 整个产品生态时，我发现这种「温和渗透」的策略可能比我们想象的更加深思熟虑，于是就有了这篇文章，结合 Michael 的访谈内容和我自己实际体验与思考，希望能给大家带来一些启发。

Michael Gerstenhaber 在访谈中分享的时间线让我意识到，我们可能严重低估了 AI 发展的速度。他说：「从 Claude 3 到 3.5 第一版用了 6 个月，到 3.5 第二版又是 6 个月，到 3.7 又是 6 个月，但到 Claude 4 只用了 2 个月。」这不是线性改进，而是指数级加速。更关键的是，他预期这种变化会「越来越快，越来越快，越来越快」。

这种加速度反映在实际应用中就是能力的质变。去年六月，AI 编程还只是按 Tab 键补全一行代码。到八月，它能编写整个函数。而现在，你可以分配一个 Jira 任务给 Claude，让它自主工作七个小时并产出高质量代码。这种进化速度让我开始怀疑，我们对「超级智能何时到来」的预期可能完全错了。我们一直在等待某个突破性的宣布，但超级智能可能已经以更微妙的方式融入了我们的日常工作。

更有意思的是编程为什么成为 AI 发展的关键基准。Michael 的解释很有启发性：不仅仅是因为模型在编程方面表现出色，更重要的是「工程师喜欢为其他工程师和自己构建产品，他们能够评估输出的质量」。这创造了一个快速迭代的正反馈循环。但编程的重要性还在于它的广泛性——几乎每个现代公司都有 CTO 和软件工程部门，每个领域的专家都会写 Python 脚本，从医疗研究到投资银行，无处不在。