RSI的核心定义与“递归”的本质

RSI（Recursive Self-Improvement，递归自我改进）被定义为让AI学会自我改进，并使下一代AI比上一代更擅长改进自身。这一概念并非全新，其思想脉络可追溯至80年前及2003-2006年提出的“哥德尔机”（Gödel Machine），即系统能自主修改自身代码以变得更强。RSI的关键在于“递归”（Recursive），若系统仅重复单一学习循环，复利效应有限；真正的RSI要求改进机制本身也在进化，实现“一轮比一轮学得更好”。从技术架构看，RSI涉及两个层面：Harness（执行框架）与Model（模型参数）。Harness层面的进化不涉及基座模型参数更新，而是通过优化组件、外部记忆或元框架（Meta Harness）来提升任务执行效果；Model层面的进化则可能涉及LoRA微调等参数更新，但核心在于构建一个包含目标设定、执行学习、结果评价与复盘的闭环Loop。

国内RSI创业现状：概念分层与融资热度

尽管社交媒体讨论尚少，但VC资金已率先涌入RSI领域。国内上半年已有多个团队成立并融资，部分机构甚至已完成出手。行业总监沈晓指出，RSI概念目前处于类似“世界模型”早期的阶段：虽然存在跟风现象，但尚未达到疯狂程度。RSI内涵模糊，常被拆解为Self Improvement、AI for AI或AI Scientist等子集。创业团队切入点各异：有的从“AI for AI”切入，如利用AI优化芯片设计或算法架构；有的尝试用小模型预测大模型的进化方向；还有的从强化学习（RL）环境构建或长程任务数据构造入手。RSI与RL并非截然对立，AlphaGo的自博弈（Self-play）本质上也是自我改进的一种形式。只要满足“递归”与“自我改进”的必要条件，即可归入RSI范畴。

进化维度的难点：从Scale到Meta Harness

RSI的实现难度随闭环程度加深而增加。在What（进化对象）维度，Scale层面的自进化相对容易实现：Agent在与用户互动中总结偏好并沉淀至记忆层，下次执行同类任务时自动调用优化后的Scale。其难点在于反馈路径短、验证简单（如任务成功与否有明确是非答案）。相比之下，Meta Harness层面的进化更难衡量：它涉及整个框架的收益提升，缺乏明确的评估标准。在How（进化机制）维度，可验证性强的领域（如代码生成、数学推理）因有Ground Truth反馈而更易落地；开放性领域则需依赖自然语言模型作为Verifier。目前，AI Scientist（自动科研）被视为RSI的重要应用场景之一，旨在让AI自主完成从假设到实验的全过程。然而，区分“AI for AI”（改进自身架构/数据）与垂直领域的“AI Scientist”仍是行业叙事的关键，后者更侧重于特定工程或科学领域的应用。

硅谷大厂布局与未来展望

OpenAI、Anthropic等硅谷巨头已将RSI理念融入研发流程，Sam Altman被视为比Dario Amodei更关注人类福祉的领导者。RSI不仅是技术趋势，更是创业公司区别于纯研究机构的机遇。若开源模型持续进步，创业公司将获得落地场景；反之则可能退化为纯研究项目。RSI的到来速度可能快于预期，但其终局——超智能（AGI之后）的实现仍充满不确定性。当前国内RSI创业潮更多是概念先行，团队需在“讲故事”与“技术实质”间找到平衡。随着概念边界逐渐清晰，只有真正满足递归自我改进核心条件的团队才能脱颖而出。RSI不仅是AI进化的工具，更是通向AGI的关键路径，但其商业化落地仍需跨越从“单点改进”到“系统递归进化”的技术鸿沟。

RSI概念演进与Auto Research的核心瓶颈

RSI（Research Scientist AI）的概念并非全新事物，其雏形可追溯至1959年，相关论文在2019年陆续发布，而像Sakana这样的专门公司直到2023年成立。尽管大模型公司在过去几年持续探索，但RSI在2025-2026年才真正被主流市场广泛认可，这一转变的核心在于基础模型的发展进入了边际收益递减阶段。业界逐渐意识到，仅靠提升基座模型的通用能力已不足以应对真实环境的复杂部署需求，未来的关键在于模型能否适应环境、学会迭代并实现自我成长。此外，Transformer架构本身在持续学习方面存在局限，促使业界探索新的模型架构以解决这一痛点。

目前关于RSI的实现路径仍存在争议：是采用通用基座模型通过领域数据后训练来适配垂直场景，还是像DeepMind开发AlphaFold那样从零构建专用模型？目前尚无定论。在Auto Research（自动研究）领域，主流叙事聚焦于让AI模拟人类研究员的全流程：提出猜想、收集证据、执行实验并验证假设。虽然目前AI在实验执行和论文撰写方面表现良好，但如何提出具有创新性的新Idea仍是开放性问题。例如在数学领域，AI虽能完成猜想的证明闭环，但在提出有意义的新猜想方面仍显不足。

中美RSI发展现状与算力竞争的本质

在中美对比方面，双方对RSI的核心概念理解并无本质区别，但在落地阶段和驱动力上存在差异。美国前沿大厂如OpenAI、Anthropic等率先通过融资成立新公司或内部团队推进RSI探索，这既源于技术理想，也受限于大厂内部的资源话语权。相比之下，国内厂商在基座模型研发上投入巨大，导致在AI for Infra（基础设施）等RSI细分领域的探索相对滞后。这种差距本质上是一场算力规模的竞争，因为更多的GPU资源意味着能进行更多次实验探索。

“OpenAI去解决一个千禧年的那个难题，不是说花了接近一百万美元的算力吧？那这个事情就是说，你有卡，你就能去做探索。”

尽管国内面临芯片短缺的挑战，但这也可能倒逼团队在算法和架构上进行更高效创新。然而，算力资源的充裕程度直接决定了实验探索的广度与深度。目前担心的是，AI for AI阶段可能因算力差距而进一步拉开中美技术鸿沟。不过，也有观点认为，资源紧缺并非绝对阻碍，高效的探索策略同样能在有限算力下取得进展。总体而言，美国在RSI的早期探索和基础设施构建上仍保持领先优势。

OpenAI的最新进展：从Intern到Researcher的过渡

OpenAI在2024年9月发布的报告揭示了其内部加速研究的进展，展示了人类监督下的自动化AI研究员（Researcher Intern）在深度学习及对齐领域的应用。OpenAI将RSI视为更广泛的“AI for AI”概念的一部分，目前其工作主要集中在利用Codex等工具赋能内部研究。报告将AI研发过程分解为六个阶段：决策、设计、构建（含代码编写与实验运行）、分析以及沟通。目前，AI在“构建”阶段表现突出，特别是在基础设施代码编写和故障排查方面效率极高。

然而，在高层级的“决策”、“设计”及结果“分析”环节，人类专家仍占据主导地位。AI目前主要承担的是类似实习生的基础性工作（dirty work），但其效率已超越许多人类研究员，甚至能协助顶尖科学家处理复杂任务。例如，有案例显示一位数学博士后带领两名高中生借助AI工具解决了前沿组合数学难题。OpenAI设定了明确的时间表：希望到2028年，AI能从“实习生”角色进化为真正的“Researcher”。鉴于当前技术复利效应显著，这一目标有望提前实现。

安全对齐与未来科学发现的核心地位

随着RSI技术的快速演进，OpenAI内部及外部专家开始呼吁调控（Pacing）RSI的发展进度并加强安全对齐工作。OpenAI首席科学家在《An Alien Mind》一文中指出，RSI已达到关键节点，未来将成为科学发现的核心驱动力。与单纯追求模型规模（Scale）不同，转向RSI被视为保持AI研究前沿地位的唯一途径。这意味着实现Auto Research是维持技术领先性的战略必然选择。

尽管存在利益诉求和技术理想的双重驱动，但核心信号表明：RSI的到来速度可能远超公众预期。OpenAI强调，必须通过安全机制来控制这一进程，以防止潜在风险。这种紧迫感源于内部观察到的RSI进展速度及其在数学证明等可验证领域的成功应用。虽然目前AI仍依赖人类专家进行方向性指导和最终验证，但随着技术迭代，AI在科研闭环中的自主权将逐步扩大。未来，如何在加速科学发现与确保系统安全之间取得平衡，将是行业面临的核心挑战。RSI不仅是技术趋势，更是重塑科研范式的结构性变革。

人类判断的局限与Anthropic的诚实边界

当前AI在极端复杂任务上仍高度依赖人类的测试和判断，人类注意力的有限性是核心卡点。尽管顶尖研究员带领Agent团队能解决部分问题，且底层模型能力提升有助于缓解这一依赖，但完全自动化尚需时日。Anthropic近期发表文章探讨递归自我改进（RSI）进展，公布内部数据显示其代码量已是五年前的八倍。他们让Cloud Power Agent独立研究AI安全问题，但问题选择和结论验证仍由人完成。

“We are not there yet.”

Anthropic对此持诚实态度，承认尚未完全实现自主闭环。相比OpenAI更频繁地展示成果（如芯片设计传闻），Anthropic对外披露较少，但其核心逻辑与大差不差。这种“不成熟但诚实”的姿态反映了其在RSI探索中的谨慎立场，即目前仍无法脱离人类监督实现完全的自我迭代。

Google DeepMind：从AI for Science到RSI的演进逻辑

Google DeepMind在自改进领域拥有深厚积淀，其节奏虽快于以往（如Flash版本发布），但核心驱动力仍与AI for Science紧密相关。Alpha Evolve通过大语言模型生成候选算法，并由自动评估器验证筛选，主要用于算法发现和计算系统优化。这与Anthropic或OpenAI类似Copilot的工具型探索不同，Google更侧重于生物科学、生命科学等领域的既定优势。

“AI auto research的能力...实现超智能或者做到这个RSI，其实还是更快、更方便的。”

Google内部显然在探索该方向，Gemini 3.8 Flash发布时提到的“RSI的一大步”侧面印证了这一点。其历史积淀（如AlphaFold系列）使其路线与通用型AI研究者有所区别，更倾向于通过自动化科研能力加速特定科学领域的突破。这种相辅相成的关系表明，Google将RSI视为实现AI for Science目标的高效手段，而非单纯的技术炫技。

Meta的资源优势与价值观决定论

Meta在RSI领域并非缺席，今年六月其将下一代自主AI研究系统AIRA3投入英伟达举办的竞赛，微调30B Neural Chat模型以增强推理能力。在四千多支队伍中排名第八并获金牌，证明其具备自主AI研究系统的开发能力。尽管外界讨论热度不如OpenAI或Anthropic，但Meta拥有强大的资源调动能力和人才密度。

“认知大于格局，大于技术，大于管理...价值观跟这个政治的敏感度也非常的关键。”

作者认为，在AI左右人类命运的大变局时代，价值观至关重要。技术需服务于人才能保持生命力。对比Dario（Anthropic）、Sam Altman（OpenAI）和Mark Zuckerberg，Zuckerberg被认为更关心人类福祉。资源充足且价值观“心正”的公司（如Meta）可能走得更远，因为当人类选择贡献数据时，信任是核心因素。AI时代的核心竞争不仅是技术，更是价值观的博弈。

日本公司Sakaana：扎实路线与开源策略

海外初创公司中，Sakaana因其“扎实”的工作受到关注。作为日本公司，其深知算力资源有限，因此选择基于开源模型进行微调或续训练，而非拼Scale。其核心逻辑是AI需在环境中自我进化。Sakaana成立了RSI Lab，发布了多项成果： 1. DGM（达尔文古德曼机器）：允许AI自行决定修改环节，实现代码自改进。 2. AI Scientist：生成的论文通过ICLR 2025 Workshop盲审，并发表于Nature期刊。 3. 训练方法发明：与牛津、剑桥合作让大模型发明更优训练方法。

“他可能深知日本的这个资源是有限的...能让我能够也获益于AI的发展。”

Sakaana通过早期探索Self-improving coding agent（如保留Swi Bench有效改进）和AI生成高水平研究，证明了其路线的有效性。这种“小而精”且基于开源生态的策略，使其在资源受限背景下仍能取得显著进展，体现了“AI部署后需在环境中自我进化”的核心信念。

RSI的四个进化层级与双层自动化架构

RSI（Recursive Self-Improvement，递归自我改进）的成熟度被划分为四个层级。第一层是系统能完成研究闭环，但效率低于人工。第二层是在单位固定资源下，AI自我改进的效率高于人类。第三层引入了二阶改进概念，即系统改进后的Agent能成为更强的下一代改进者。第四层则是改进速度不再放缓而开始加速。在架构设计上，AI DE平方的工作提出了内外循环的双层系统：内循环解决具体研发任务，外循环则负责修改Agent的代码、搜索策略及Prompt上下文管理等元层面内容。Vicor的实验已验证了第二层级的可行性，证明AI自我改进效率确实高于人类。

创业公司的机会：目标函数与数据飞轮

为何RSI是创业公司而非大厂的机会？核心在于目标函数的差异。大厂的AI for AI工作，其终极目标是提升基础模型（Base Model）的能力，如从GPT-5.6到Ultra GPT 6。这意味着大量资源服务于基模迭代，而非垂直领域的自动化研究。创业公司的机会在于差异化定位：利用开源模型的能力红利，专注于垂直领域（如AI for芯片设计）的自动化。关键在于数据积累。创业公司需通过真实生产环境和专家参与获取Ground Truth反馈，构建“数据飞轮”。> “如果开源模型一直在进步，那这波创业公司有机会；如果你要说开源模型不进步了……它得从研究入手。”

基础设施与资本密集度的重构

AI for Infra是RSI发展的基石，良好的基建能带来杠杆和复利效应。> “你的infra建得足够好，你的探索就会足够快。”Meta和OpenI等公司重视底层工程化，因为缺乏基础设施支持会导致迭代速度受限。RSI目前尚未进入大规模Scale的工程化阶段，因此对算力的需求相对较小，并非纯粹的资本密集型游戏。这与Transformer模型进入可工程化扩展阶段后变成“资本游戏”不同。现阶段，RSI更依赖研究效率和新架构探索。若开源模型停滞，创业公司需具备顶尖科研能力以寻找新拐点；否则只能回归纯研究时代。

验证瓶颈与巨深RSI的本质探讨

当前RSI最大的技术瓶颈在于不可验证领域的奖励目标构造。在RL中，可验证领域（如棋类）可通过Verifiable Reward进行自我博弈进化；但在创意写作等开放性领域，缺乏统一的评判标准（Rubric），导致AI无法衡量改进效果。> “一切进化的本源……他不知道往哪进化，那他进化个啥呢？”关于巨深（Grok/DeepMind等）提出的RSI，其本质与大模型领域的RSI概念一致（递归与自我改进），只是环境可能延伸至物理世界。但目前该技术尚未成为急需突破点，更多是基模Scale后推理能力的自然涌现或交互学习的结果。

物理AI机器人的进化路径与闭环验证

当前，以宇树科技（Unitree）为代表的中国机器人企业正在推进“物理AI”机器人的四阶段进化方向。这一过程并非简单的硬件堆叠，而是构建一个从理论到实践的完整闭环系统。AI大模型自主检索论文是第一步，旨在让机器具备自我学习的能力；随后进入自动编写控制代码阶段，将算法转化为可执行指令。紧接着是关键的仿真验证环节，在虚拟环境中测试代码的有效性；最后才是部署到实体机器人检测。为了确保模型的准确性，系统引入了模型与人工共同评分反馈机制，从而形成数据闭环。这种从数字世界到物理世界的迁移路径，体现了对可靠性与迭代优化的极致追求。

数字世界与现实世界的试错成本差异

尽管物理AI方向前景广阔（promising），但作者指出，现实世界的进展往往比数字世界慢得多。这种滞后主要源于两个核心挑战：首先是“数学到物理”的Gap（差距），即理想化的模型参数难以完美映射复杂的现实环境；其次是试错成本的巨大差异。在数字世界中，代码出错或模型偏差通常只需重置环境即可修正，成本极低；然而在现实物理世界中，错误可能导致硬件损坏甚至安全事故。这种高风险性构成了阻碍资金化发展的主要挑战。因此，在推进物理AI落地时，必须充分考虑到现实环境的不可控因素对研发节奏的制约。

技术紧迫性与基座模型的基础地位

针对当前是否应全力投入物理AI落地的问题，作者持审慎态度。他认为，在基础大模型（基模）尚未完全成熟之前，过度关注物理世界的具体部署可能并非最紧迫的任务。正如王兴兴在世界机器人大会上的演讲所暗示的，虽然方向正确且充满潜力，但技术解决的优先级需要重新排序。目前阶段，解决底层基座模型的能力问题比急于在物理世界中试错更为关键。只有当数字世界的智能水平达到足够高的阈值，才能有效降低向物理世界迁移时的不确定性和风险。因此，现阶段应更多聚焦于提升基座模型的通用能力，而非急于在物理场景中追求短期落地成果。

结论

RSI已从概念验证迈向技术落地关键期，其核心驱动力在于突破基座模型边际收益递减瓶颈。当前进展呈现显著分层：在代码生成、数学推理等可验证领域，AI已能实现高效自我改进甚至超越人类效率；但在创意写作、科学猜想提出等开放性领域，仍受限于奖励函数构造难题与人类判断依赖。中美竞争本质是算力规模与创新策略的博弈，国内虽在基础设施探索上稍显滞后，但算法优化潜力巨大。创业机会在于利用开源模型红利构建垂直领域数据飞轮，而非单纯拼算力。

技术终局仍存不确定性。OpenAI与Anthropic等巨头虽加速推进，但均承认尚未实现完全自主闭环，安全对齐成为制约发展的关键变量。物理AI落地因试错成本高昂而进展缓慢，现阶段应优先夯实基座模型能力。RSI不仅是工具革新，更是科研范式重构；唯有跨越从单点改进到系统递归进化的鸿沟，并平衡创新速度与安全性，方能真正兑现其通向AGI的潜力。