对话｜3个月4亿、OpenAI谷歌都在抢：RSI凭什么叫“人类造的最后一个AI”？

RSI（Recursive Self Improvement），递归自我改进，成为最近全网刷屏的热词，也是中美AI圈充满争论和分歧的焦点话题之一。

首先是谷歌DeepMind，近期联合马里兰大学等机构发布了一篇论文叫 Dream-RSI，研究的是基于RSI的 可扩展且递归自改进探索的框架， 基于搜索历史作为已实现搜索空间的重放模拟器，获得即时、低成本的策略外反馈。

而OpenAI也开始探讨RSI带来的影响。

OpenAI CEO 奥尔特曼（ Sam Altman）在前不久在一场播客节目中表示，RSI 可以指很多不同的东西。在他看来，RSI更像一个连续谱，而不是非黑即白。

“我们用模型为下一代模型生成训练数据，或者用模型帮工程师和研究员更快地干活，于是进展在加速。这已经在发生了。而它究竟从哪一点开始算、哪一点不算递归自我改进，界限是模糊的。但我会回到那条原则，人必须始终掌控未来，我们不能承担任何失控的风险。”奥尔特曼表示。

国内方面， 智谱于9月13日宣布完成约50亿美元融资，包括约20亿美元股份配售及约30亿美元可转债发行，募集资金除了用于下一代模型研发、算力基础设施及业务拓展等之外，在公告中，智谱将完全自训练描述为下一代GLM的训练形成递归式自我改进循环RSI。

而另一家清华系公司超衍智能9月16日宣布完成天使轮及天使+轮融资，累计融资金额近4亿元人民币。天使轮由IDG资本、星连资本、晶泰科技联合领投，德迅资本、无限基金、初心资本、云岫资本跟投；天使+轮则由中关村科学城基金、深创投、上海未来产业基金联合领投。

超衍智能创始人、清华大学人工智能学院助理教授陈勇超介绍，团队研发的自进化AI系统，可自主完成科学研究与论文撰写。区别于传统大模型仅能复刻现有知识，该系统可自主探索未知领域。

“ 所有人都在提RSI，很多创业公司都在做，不管中国还是美国，但大家理解的RSI是不一样的。 ” 陈勇超在外滩大会期间对智能纪元AGI等表示，他认为其实人类社会本身就是个RSI系统：人类过去这几百年科技的进步，是在跟大自然交互；在跟大自然交互的过程中，奖励机制（reward）、 验证（ verify）全是人类自己设的。这就是很神奇的一个事儿，我们是否可以让AI系统也具备这种能力？

很显然的一点是，AI加速进化大家有目共睹，RSI也并非空穴来风。但当前RSI确实存在一定的“非共识”，却同时也是AI行业下一个寻找的方向。

大语言模型AGI到达天花板，

AI 开始造 AI

如今，LLM大模型已经进入了AGI门槛，OpenAI、Anthropic纷纷表示要AI放缓。所以，如何迭代和进化AI语言模型，还没摸高之前，似乎已经摸到了天花板。

RSI 最近听起来很新，但它的思想源头却可以追溯到六十多年前。

早在 1965 年，英国数学家、密码学家 I.J. Good 提出过一个设想：“智能爆炸”。

详细说，若机器智能能超越人类，它便能设计出比自己更聪明的机器，递归迭代、自我增强，智能由此进入加速爆炸的正反馈循环。

通俗易懂地说，就是AI开始自己造AI。

2019年，深度学习框架 Keras 的作者、谷歌前研究员弗朗索瓦・肖莱（François Chollet）写过一篇非常有名的论文，叫《On the Measure of Intelligence》。

这篇文章的核心观点是：我们现在测试一个模型或智能体的智能时，所用的方法并不全面，因为我们测的其实是它的基础智能，也就是看它刷榜的能力，看它学会了哪些既有的技能。

到今天的RSI研究中，相比于 AGI 关注的是 AI 能否完成与人类相当的通用认知工作。RSI 则关心 AI 能否改变产生这些能力的系统，并让下一轮改进变得更加有效。

比如，AI会检查自己的答案，只能算自我修正。能够改进研发方法，再把有效变化交给系统使用，才开始触及递归自我改进。

9月初，由上海交通大学、清华大学、字节跳动、上海人工智能实验室等机构研究者合作完成的预印本论文。

这篇论文的标题是，《人类建造的最后一个人工智能：迈向真正的递归式自我改进》。

这篇研究将 RSI 的自主性划分为 L1 至 L5 五个层级：

L1 主要负责执行人类给出的改进方案；L2 开始自主寻找改进策略；L3 可以决定需要获取哪些经验；L4 能够把部署环境中的反馈转化成持续保留的改动。

到了L5，AI 不仅能够完成某项研究任务，还能修改决定后续如何搜索方案、评估结果和组织研究的机制，并让后继系统继续使用修改后的机制。

终局设想中，AI 还将进一步获得提出目标、修改评估方法和重写底层改进逻辑的能力。一旦走到这一步，人类制造的就不再只是一个模型，而是一套能够继续制造模型的系统。

OpenAI表示，截至今年8月，OpenAI 已经实现「自动化研究实习生」目标， 每投入一个人类工作日，AI智能体运行时长已经相当于3.1个工作日，他们已经在人类指导下自动编写代码、运行实验、排查故障和分析结果。

Anthropic 也表示，Claude 可以自己查文献、提方案、生成训练数据、运行实验和评估结果，能力较弱的 Claude Sonnet 5能帮助早期 Claude Opus 4.8 改善模型安全和性能表现。

更早期的时候，陈勇超带领清华大学、超衍智能Apex Intelligence 团队 开发 自动化 AI 系统，并且提出面向人工超级智能（ASI）的全新基准测试集ASI‑Bench。

ASI-Bench是面向超级智能（ASI）的全新基准测试集，由40多位高校和研究所专家构建，总投入31000多人时，核心目标是衡量AI自主科学探索、创造新知识、端到端完成项目级科研的能力，采用梯度式撤回人类方法指导的实验设计，量化 AI 对人类指导的依赖程度。

与之前RSI五个层级不同，ASI-Bench划分了B1-B4四个评估档位，希望看到模型跨领域通用智能、创新能力、端到端自主执行；保持科研目标、数据集、评判标准不变，只逐步删减人类给出的方法论信息等方案。

B1：完整方法、公式、完整执行流程，AI 主要实现人类给定完整方案。

B2：只告知使用哪一类方法，不给详细步骤，AI 需要把方法名称转化完整可运行工作流。

B3：仅科研目标 + 原始数据，不给任何方法提示，AI 自主选择模型、算法、实现、验证，完全自主科研。

B4：B3全部内容+大量真实但无关的干扰信息，测试 AI 抵抗无关信息干扰，保持科研方向的鲁棒性。

识别待优化目标→生成改进思路→开展实验测试→验证结果有效性→从实验中学习；每一轮AI验证得到的前沿成果，成为下一轮优化的起点，实现递归迭代提升。

论文提到，当前 AI 自主科研最大瓶颈不是“想出用什么方法”，而是把一个给定方法，落地成完整可执行的研究流程（方法工程化 / 操作化）。去掉详细步骤的打击远大于去掉方法名称本身；无关干扰信息对性能影响很小。

最终结果显示，ASI-Bench最强系统为Codex框架 + GPT‑5.6 Sol (ultra)，B3 取得 51.60 分，也是唯一 B3 超过 50 分的被测系统；即便最强模型，完全自主科研依旧只能拿到中等分数，说明距离真正端到端自主科学发现差距巨大。

这篇研究还提到，算力不等于性能，同等得分，不同系统运行成本差距巨大。Codex+GPT‑5.6 (xhigh) B3=40.86，运行成本约 684 美元；Claude Opus5 + Claude Code 同样 B3≈40.70，但成本高达2728美元。

陈勇超也坦言， 所有人都在提RSI， 很多 创业公司都在做，但不管中国还是美国 ， 大家理解的 RSI是不一样的。

他认为，相对于 AI系统能够自己提升自己，人类的进化靠基因突变，所以AI模型的基因突变就是所谓的创新，其实就是两点： 第一是发散，第二是聚焦，这两个能力是现在需要训练AI去获得的，“我们现在就在训这样的模型”。

AI的下一个拐点是“自进化模型”？

陈勇超的说法，更加描述了一个新的体系：RSI的核心还是模型。

其公开主页显示，陈勇超本科毕业于中国科学技术大学，后在哈佛大学工程与应用科学学院、麻省理工学院信息与决策系统实验室联合培养获得博士学位。

陈勇超团队的研究经历横跨力学、材料、核聚变与AI for Science，也覆盖大模型、机器人和神经符号人工智能；在Google Research、DeepMind、Microsoft Research、MIT-IBM Watson AI Lab等机构有研究经历。

超衍智能2026年6月成立，团队聚焦自进化基础模型、多Agent协作与AI for Science的交叉方向，核心技术成员拥有字节、Kimi、智谱等头部大模型厂商的研发经历。

公司的长期目标不限于某一个科学应用，而是希望把统一的递归智能能力延展到数学、物理、化学、生物、芯片设计、机器人和工业制造等领域。

超衍智能提出的“自进化基础模型”，尝试建立一套可持续运行的认知迭代，发现高价值的未知问题，验证候选方案，从实验或环境反馈中学习，并据此改进下一轮研究。

“发现—验证—学习—改进”的单次研究循环，以及可迁移能力的形成。

陈勇超曾把智能演进比作一条S型曲线：突破一个瓶颈后快速爬升，随后进入平缓阶段，再等待新的瓶颈被突破。按这一判断，当前AI正处在上一轮Scaling Law拐点后的平稳阶段，新的能力跃迁需要新的引擎。

早前，我们在外滩大会期间做了一个关于RSI，Agent和大模型一线的群访，借着融资事件，我重新整理了陈勇超QA部分，试图了解RSI为何成为人类终极AI体系：

问：现在国内的大厂都在说下一步RSI的进化，所以RSI进展怎么样？如何理解RSI？

陈勇超：我觉得其实RSI现在感觉成了一个态度：所有人都在提RSI，很多创业公司都在做，不管中国还是美国，但大家理解的RSI是不一样的。

我认为其实人类社会本身就是个RSI系统：人类过去这几百年科技的进步，是在跟大自然交互；在跟大自然交互的过程中，reward、verify全是人类自己设的。

这就是很神奇的一个事儿：我们是否可以让AI系统也具备这种能力？

如果单层面来看，比如用一个AI模型，让它自己来把研发里面的很多任务，尤其很多工程来实现，这个早就在做了，而且随着模型越来越强，比例越来越高了。

但其实科技的进步由三个要素组成：

第一个是science，科学层面的重大突破；

第二个是research，小的渐进突破；

第三个是工程。但我看到大家现在用AI做RSI基本在工程、execution执行这一侧，science和research这一层的突破是很难的。

比如让它做一些千禧年难题，数学里面已经算是很大的突破了，当然是不是完全对的还需要验证。

再比如，AI for AI领域我们也做了一个工作，我创办了一家公司叫超衍智能，我们2月份押注RSI，5月份做了一套AI系统，让它自己去做research，让它能够来做AI方向的研究，Idea都是它自己想的。我们让这个系统自主完成论文，全程几乎没有人的干预，只会给一些comments，其他就没有了。

我们把这个AI系统产出的论文，投到了今年的ICLR、ACL上面去，拿的分数是非常高，很多论文初审的分数直接就能够中了。这说明它现在已经拿到了人类普通研究员、平均 AI博士这种水准。但我们发现想让它继续往上走，比如像刚才说的，提出一个比现在更好的架构，这种大的突破还很难。因为它有的时候想的那些idea太incremental、不够创新，不敢有大的想法。这也就是为什么其实我们现在在训练research foundation model，我们希望它是一个真正能够自己做研究的AI科学家大模型。

这个就是我现在理解的RSI。

问：这是否意味着，RSI的理解现在大部分应用都在工程层面，Research层面还在探索中，RSI本身的定义是类人类社会的模式？

陈勇超：应该这么说，你希望有一个AI系统，这个系统他能够自己提升自己。

驱动因素首先有两点：第一，他的提升的方向——演化的方向、进化的方向在哪里？第二，人类的进化靠基因突变，AI模型的基因突变就是所谓的创新，也就是你要改的方向在哪里？

但现在，我们让AI自己来改自己，它改的都是小的方向：调个参、调数据配比，都太小了。让它直接调大一点的，比如换整个架构这种，它做不了。还有就是verify：你怎么verify它改的方向是好的、是对的。

其实我觉得这两个，第一是发散，第二是聚焦，这两个能力是现在需要训练AI去获得的，我们现在就在训这样的模型。

问：不管是演化还是进化方向，它背后涉及的其实是一个有点类似于历史观的问题。你会觉得演化、进化是有一个目的论的角度吗？还是说它也是随机的，就是让它随便去发散，再把发散的聚焦？

陈勇超：人类发展有一些主流的价值观是根本不变的。如果有的话，其实AI发展也会有一些主流的价值观需要被体现，比如要一直提高效率、一直节省能源，这些是亘古不变的一些最终目标。为了达到这些目标，你中间可以有特别多的尝试。

问：如果只看未来三年，AI最大的突破可能是来自于更强的模型、更多的Agent还是RSI？

陈勇超：我当然选模型。

其实RSI这个词儿是去年年底才出来的，但我回顾一下，我以前做了很多研究，发现类似的状态有很多版本：以前用AI做数据、研究算法，都是RSI作为方法。但其实我们现在做下来，发现仅仅调harness、调各种memory（记忆）是有上限的，天花板很明显，所以需要训模型。

而且我认为，现在的模型继续scale下去，也做不到我说的有很好的创新性、能提出这种大胆的scientific research idea，所以我们需要通过训一个研究基座大模型来解决。

问：如果RSI真的能够实现的话，先在哪个领域实现，是科研还是工程？

陈勇超：我觉得是不需要做物理世界湿实验的领域。凡是AI里面跟coding、跟逻辑推理最近、最容易被替代掉的。AI for math就是典型的只需要逻辑思考、只需要写code做实验、不需要物理世界湿实验的，这种迭代速度特别快。

问：以后AI能够具备给自己设定目标的能力吗？

陈勇超：我觉得应该是可以有的，或者这些目标可以人给它设置。你要让它追求更高、更快、更强，这些就是很永恒的目标。

我觉得有可能，也看到了这样的现象：它有时候可以跳出box来想。

问：中美那个没模型公司，谁更有可能最终冲出来，差距是什么？

陈勇超：其实我觉得中美的模型跟公司的差距主要有两方面：一个是数据，一个是算力。

数据的话，国内公司造数据的能力和美国还有一定差距。一方面是模型公司自己造的能力，还有一方面是中国的数据公司相比美国数据公司，尤其在面向frontier model 的高质量数据构建方面，还不够成熟。所以，数据这块中国模型还有一定距离。

第二就是算力，因为算力不够，有些东西你不能做。RL scaling 是一个很典型的例子。现在不少团队都能通过 RL 提升模型能力，但真正难的是像OpenAI之类的公司一样把这种提升持续 scale 下去。一个可能的限制是 base model 本身还不够强，导致 RL 很快进入平台期。

问：普遍认为国内外的数据相比，国内的数据量更丰富多彩一些，为什么你会觉得国外的数据质量和数量会比国内的好一些？

陈勇超：大家现在已经在比非常难的任务了，比如现在RSI方向很火，有些数据要做得很精细，做的人品位要很高，做的人本身需要比较好的research素养，最好的数据可能还需要会训练模型的人来做。

中国的数据公司有一个比较大的问题是：同一条数据卖的价格没有美国那么高，这样的话，它就没有像美国那样能够花这么多时间、做足够的efforts去做精细化。

问：为什么欧洲人工智能方面比较弱？

陈勇超：欧洲国家对安全性的要求是最高的，比美国、中国都要高很多，很多事情没做之前他们都会有 safety 顾虑。

但 这是做AI， 我觉得科学家不应该先在这方面限制住自己。 而且欧洲本身也比较分散。AI 其实是一个非常依赖规模效应的行业，不管是人才、市场、资金还是基础设施，都需要很强的集中投入和长期支撑，欧洲在这方面天然会面临一些挑战。

还有一点是组织文化，Mistral AI 刚出来的时候其实非常亮眼，但后来和美国、中国最头部的模型公司相比，迭代速度和竞争力没有继续拉开。

我自己也接触过那边的一些团队，整体感觉他们对work life balance会看得更重，和中美这种高强度竞争环境还是挺不一样的。

一个很直接的感受就是，他们整体的工作节奏会更松弛一些，甚至在模型竞争最激烈的时候也会正常放暑假。

问：未来AI架构创新是否更加重要？

陈勇超：我个人判断是，跟架构创新相比，高质量的数据轨迹，对模型智能的提升会更有帮助。

而且从我的观念来看，我觉得 OpenAI 能把它真正 scale 起来，很大一个原因还是卡足够多，batch size 足够大，而且 base model 的能力和数据质量也都比较好。国内很多模型公司其实没有这么好的条件。

问：您怎么看高校创业这个区分程度？

陈勇超：我觉得国内工作学校不一样，在清华确实比美国这方面更好一些。

高校教师创业，学校难免会顾虑教学精力被分流。但在大模型、机器人这类方向，算力资源本身十分稀缺。学术突破离不开算力支撑，从这个角度来说，和工业界的合作，其实能够反过来赋能学术研究的推进。