科技资讯
把这条消息当科幻话题看，是最省事也最贵的读法。TechCrunch 11 月 2 日的报道指出，Anthropic 在修订版 S-1A 的风险因素部分新增了表述：公司过去曾在未及时察觉的情况下，用 AI 参与开发出能力跃升超出当时预期的新模型；同时，按其内部估算以及对后续模型的预期（而非现有模型的表现），它可能很快达到自己负责任扩展政策（RSP）中定义的「显著加速」门槛【1】。报道把这一位置概括为接近外界所称的 RSI【1】。
按该报道的解释，RSI 指 AI 强到足以训练自己、进而让能力提升出现明显加速的临界点；在悲观者眼中它意味着难以回退的失控风险，在乐观者眼中它意味着生产力与科研效率的跃迁【2】。同一件事被两种叙事拉扯，恰恰说明它现在还不是一个能靠表态解决的问题。
（系统将在下文插入配图，用于区分「资讯层」与「企业落地层」）
对多数中国企业而言，这条消息的实操价值不在预测时间表，而在一个很具体的位置：你的核心业务跑在别人的模型上，而对方刚刚承认，能力跃升有可能是「事后才发现」的。那么你的工程与采购体系，是否具备在无人提前通知的情况下承受一次跳变的能力？
图：来源页面配图（已本地备份）。引用：【1】Anthropic warns that it’s very close to RSI capability, aka self-building AI — https://techcrunch.com/2026/11/02/anthropic-warns-that-its-very-close-to-rsi-capability-aka-self-building-ai/
图：示意图（AI 生成，非原文截图；模型 nano-banana-2）。仅作阅读辅助，事实以正文与参考文献为准。
从这篇报道里，企业真正该读到的三件事
第一，突变的识别是滞后的。 报道引述的表述明确指出，公司过去有过未能及时识别开发速度显著加速的情况，未来也可能再次如此【1】。翻译成采购语言：不要指望供应商的更新公告会提前足够久到达你的排期表。
第二，把它写进风险因素，说明它被当成可治理的流程问题。 同一段表述把「用 AI 造更强的 AI」与安全风险、以及负责任扩展政策的监控与缓解安排放在一起讨论【1】。对企业的启示是：这是流程、验收与权限设计问题，不是宿命论问题。
第三，判定门槛由供应方自己定义。 所谓「达到 RSP 定义」是内部标准，不是行业统一标尺【1】。你的验收标准如果完全跟随供应商口径，等于把质量闸门交了出去——自建评测这件事因此从「加分项」变成「必选项」。
自检清单：四组十条，逐条打分
以下条目为古令乐编辑部基于公开报道的二次归纳，不是来源方观点【3】。建议由技术负责人牵头，产品、安全、法务、财务各出一人，按 0 分（没有）、1 分（有但不稳定）、2 分（有且被验证过）逐条打分，满分 20 分。
A 组：依赖可见性
1）是否有一张按场景维护的模型台账 原因：说不清哪个业务用了哪家哪个版本，后面的风险讨论全部悬空。 行动：字段至少包含供应商、模型名、版本、调用场景、数据敏感级别、负责人、上次评测时间，按月复核，新增场景先登记再上线。
2）模型升级是否进入变更管理流程 原因：模型是你系统里一个会自己变化的核心依赖，天然比自研代码更需要闸门。 行动：把「模型版本变更」写成正式变更单，要求灰度比例、对比评测、回滚开关三项齐备，缺一项不发布。
3）关键链路是否保留可切换通路，并做过演练 原因：报道讨论的核心正是节奏可能超出预期，单一依赖会把别人的节奏变成你的停摆。 行动：核心场景至少准备一条备用通路（另一家模型、开源模型或规则兜底），每年做一次真实切换，哪怕只切 5% 流量，也要跑通配置、评测与回滚全流程。
B 组：执行边界
4）「辅助」与「自主」是否分权管理 原因：模型从回答问题走向连续调用工具后，风险形态从「说错话」变成「做错事」，准确率不再是第一优先级。 行动：两套账号、两套权限、两套审批。辅助模式可读可建议；自主模式默认只读，写权限逐项申请。
5）高危动作是否设置人工闸门 原因：能力越强，越容易把「能做」当成「该做」。 行动：对外发送、付款与退款、删除与覆盖、权限变更、合同与报价生成这五类动作，一律保留人工确认节点，并在日志中记录确认人。
6）是否为自主任务设置执行预算与熔断 原因：连续执行类功能的典型事故是「跑偏但一直跑」，损失随时间线性放大。 行动：对任务设定最大步数、最长时长、金额上限与调用次数上限，触线自动中止并转人工队列；中止原因要可查询。
C 组：证据链
7）是否有基于真实业务的自建评测集 原因：公开榜单衡量通用能力，你的失败点通常藏在行业术语、内部规则和边界案例里。 行动：从真实工单、退单、投诉中抽取 100–300 条固定样本，覆盖正常、边界、恶意三类，每次模型变更前后各跑一次，记录通过率与退化项。
8）是否保留可复现的版本快照 原因：客户或审计方追问「当时为什么这么输出」，没有快照就只能凭记忆解释。 行动：对关键调用记录模型名与版本、提示词版本、参数、时间戳与输出摘要，保留期与业务合同期对齐。
9）是否指定产出责任人与抽检机制 原因：没有明确责任人，出错时最容易陷入「这是模型的问题」的循环。 行动：每个上线功能指定一名产出责任人，明确抽检比例（如每周不少于 30 条）、放行标准与下线条件，写进岗位职责而非口头约定。
10）合同数据条款与对外说明是否准备好了 原因：能力越强的模型对数据越敏感，而客户与平台方的问询往往先于你的准备到达。 行动：逐条核对输入留存、是否用于改进、跨境传输与删除机制；同时准备一段标准说明，讲清哪些交付环节有 AI 参与、由谁复核，纳入销售与客服话术。
打完分之后：两步排优先级
第一步，把 20 分里的失分项按「是否位于核心营收链路」排序，而不是按分数高低排序。核心链路上得 0 分的条目，本月就要动；非核心链路的失分项进季度计划。
第二步，把结果同时抄送财务与法务。成本弹性（调用价格与用量结构变化）和合同条款这两块，最容易被技术团队在自检里漏掉，却往往是跳变发生后最先产生实际损失的地方。
三个容易走偏的判断
误区一：把问题简化成「RSI 什么时候来」。 时间表无人能给定论，但治理是否先行完全由你决定；争论时点，往往只是拖延动作的借口。
误区二：用榜单分数代替验收。 榜单是行业均值，你的业务风险在分布尾部。没有私有评测集，模型升级对你就是一次盲盒抽取。
误区三：认为这是大厂才需要管的事。 中小企业对外部模型的依赖度更高、切换成本更集中，预案的边际价值反而更大。
30 / 90 天落地节奏
本月： 完成模型台账，锁定三条核心链路，为高危动作加人工闸门，这三件事不需要预算审批也能推进。
90 天： 建成私有评测集并跑完一轮基线，完成一次灰度切换演练，把模型变更正式写入变更管理流程。
每半年： 复核合同中的数据与留存条款，更新对外说明话术，重跑评测集并对比历史结果，检查熔断阈值是否仍匹配当前业务量。
报道本身并没有给出能力跃升的时间点，也没有承诺节奏是平滑的【2】。恰恰因为不确定，自检才是当下唯一能确定收益的动作：它不会让你预测未来，但会让你在下次模型更新到来时，不必从零开始解释。
参考文献
【1】Anthropic warns that it's very close to RSI capability, aka self-building AI — https://techcrunch.com/2026/11/02/anthropic-warns-that-its-very-close-to-rsi-capability-aka-self-building-ai/
【2】编辑注：RSI 的定义、悲观与乐观两种解读，出自上述报道的解释性段落；编辑另据该来源指出报道未给出能力跃升时间点 — https://techcrunch.com/2026/11/02/anthropic-warns-that-its-very-close-to-rsi-capability-aka-self-building-ai/
【3】编辑注：本文四组十条自检项、打分方法、误区判断与 30/90 天节奏，均为古令乐编辑部基于该来源的原创归纳与二次解读，不代表来源方观点 — https://techcrunch.com/2026/11/02/anthropic-warns-that-its-very-close-to-rsi-capability-aka-self-building-ai/
