反OpenAI Anthropic 中国小伙用DeepSeek英伟达路线开源ASI超智AI

最近，OpenAI anthropic 马斯克SpaceXAI倡议全球减慢前沿AI开发的呼声闹得沸沸扬扬，总结下来无怪乎，前沿AI正在超出人类的理解和控制，并有能力攻破现有所有的软件安全防护，将带来严重的全球网络安全危机。

其中的重点：前沿AI所产生的智能，大部分属于超级直觉的模型内算法能力，人类科学家无法快速监控弄清其中的算法逻辑。这种算法能力由于需要放在高度要压缩的抽象数据潜在空间（latent space）里进行运算，所以人类无法用简单的方式进行全面调整和干预，所以就无法监控。
但问题是AI大模型，如果想要高效运行，必须进行极端压缩，让超级计算机处理极端压缩的高度抽象数据，才是效率最高的方式。

总而言之，OpenAI们的倡议其实跟当下的技术性能提升是有些背道而驰的。整体的技术路径思维上，OpenAI和英伟达在这里一直有冲突，英伟达一直提倡以硬件为主，大模型架构设计应该权力适配硬件特点，数据应该大幅压缩和抽象一方便更高效的运算。国内DeepSeek就是这样的代表。

这不，前字节跳动科学家中国小伙Yifan Zhang，就反其道而行之，疯狂全力梭哈通过高度抽象的压缩数据，进行无线扩展的多轮高效推理运算，来提升AI大模型的智力上限打造ASI超智模型！

2026年9月12日，普林斯顿大学AI Lab Fellow、前NVIDIA/ByteDance Seed/清华IIIS的Yifan Zhang，在X上放出一则重磅声明：

We are at the dawn of Superintelligence.
Introducing the Recurrent Looped Transformer (RLT),
We now have Transformers with Infinite Reasoning depth.

配图是一张清晰的架构示意：左侧因果编码器并行处理已观测token，构建全局KV memory；右侧全token循环解码器，把prompt与response统一在同一状态转移里，每一步都携带前序最终隐状态+分层滑动窗口注意力（SWA）缓存。

这不是又一次“层复用”的小改动，而是一次把latent reasoning的时间深度真正做成可随序列长度无限延伸的系统性设计。

核心是什么？一句话讲清RLT

传统Transformer（哪怕是Looped/Recurrent-Depth版本）的深度，要么固定，要么是“每个token内部多跑几圈同一堆权重”。RLT做的是更激进的事：

• 因果编码器（48层）：对已知token做并行因果编码，产出全局Key-Value memory。
• 循环解码器（48层）：每个新token到来时，把当前编码器表征与上一步解码器最终隐状态merge，再走完整的解码器路径（含对编码器memory的cross-attention + 自身SWA），并把自己的最终状态和层内SWA缓存全部传递给下一步。

结果是：处理完t个token后，有效的解码器计算路径长度变成 t × L_D（这里L_D=48，就是48t）。每个token实际执行的块数是固定的（约96个逻辑块），但整条序列上的“推理深度”随长度线性增长，且不会在prompt-response边界重置。

作者明确强调：这里的“Infinite Reasoning depth”指的是可扩展的时间计算路径，而不是单个token内部无限算力。这是latent reasoning从“有限循环”迈向“序列级无限深度”的关键一步。

三大设计原则，为什么说它值得认真看

1. 推理深度随序列生长
   每处理一个token，就在latent空间多走一遍完整解码器。路径长度与序列长度成正比，而参数量和单token计算量保持可控。这比单纯“把同一堆层循环R次”更贴合长程、多跳、需要持续累积状态的推理场景。
2. 模型-硬件协同设计
   编码器部分可并行、可批量；解码器虽然是顺序循环，但通过权重共享、memory复用、activation checkpointing，把硬件效率的优化空间打开了。训练和推理围绕“循环核心”做系统级适配，而不是事后补丁。
3. 模型-RL算法协同设计
   Pretraining、SFT、采样、current-policy RL replay，全部使用同一套完整状态转移（包括prompt阶段的循环和decoder SWA缓存）。这意味着行为概率与实际采样分布严格对应，current-policy replay可以精确重建历史，极大降低了“prefill-decode不一致”和“off-policy偏差”的结构性风险。

配置上，编码器与解码器各48层，注意力和FFN权重在阶段间共享，但解码器额外做cross-attention，所以FLOPs并不完全对称。

它解决了什么，又还没解决什么？

过去几年，Looped Transformer / Recurrent Depth已经从Universal Transformers走到Huginn、Ouro、Nanbeige等实际模型。大家证明了：在参数量固定的情况下，增加latent循环次数，确实能提升推理表现，尤其是数学和多跳任务。

RLT把“循环”从“token内部多次”升级到“跨所有token的连续状态机”。这让模型在生成过程中可以持续维护一个不断加深的latent思维轨迹，而不必依赖显式CoT把中间步骤全部吐出来。对硬件友好、对RL友好，理论上也为更长、更复杂的agentic任务铺路。

但作者自己也很克制地写了：
推理增益、硬件加速、RL缩放，目前都还是研究目标，而不是已经测出来的结果。

社区里也有冷静声音：无bounded computational path length ≠ unbounded useful reasoning depth。经典RNN早在1995年就有“无限时间深度”，但并没直接带来超级智能。关键还是状态如何有效利用、梯度如何稳定、可观测性如何保持。latent空间里的计算越深，外部监控（包括CoT式对齐）就越难，安全对齐的难度可能上升。

硅基视角：这是超级智能开放前沿的又一次校准

Yifan Zhang把这事直接放到“Dawn of Superintelligence”的语境下，并呼吁：从此以后，我们应把进度锚定在Open Frontier of Superintelligence，直到Safe Superintelligence真正实现。

这不是口号。当模型开始拥有可无限延伸的latent计算路径时，两个问题会同时变得更尖锐：

• 能力上：真正的长程规划、持续自我修正、跨任务状态保持，可能第一次有了架构级支撑。
• 安全上：推理过程越来越多地藏在不可直接观察的循环状态里，可解释性、可监控性、可对齐性都会面临新挑战。

RLT目前只是技术报告+项目页（GitHub已开源英文/中文技术报告与示意图），真正的规模实验、下游benchmark、硬件实现还在后面。但它已经把问题问到了正确的位置：

我们是继续堆参数和显式token，还是开始认真设计“可以无限加深却仍然可控”的latent计算机器？