今年5月，一家叫Recursive Superintelligence的AI创业公司带着6.5亿美元融资浮出水面，估值46.5亿美元，八名联合创始人来自OpenAI、Google DeepMind、Meta，目标是让AI自己做实验、改进AI本身。但伦敦大学博士生周辉池，这位研究RSI（递归自我改进）的学者，直接给这个爆火概念泼了冷水：现在RSI更多是炒作。
AI研发AI？其实还是人在主导
过去一年，“AI研发AI”从口号变成几家实验室的具体进展：OpenAI的“自动化研究实习生”还没到2028年目标，Google DeepMind的AlphaEvolve找算法优化数据中心调度，智谱的Infra Agent优化GLM-5.3-Flash的推理，两周内端到端吞吐提升三倍。但周辉池说，这些都是辅助性工作——现在绝大多数基础模型研发，核心还是人定算法方向、研究路径，AI只是替代写代码、跑实验这类中间环节，还不是真正的自我迭代系统。“我跟Google、国内大厂的基模研究员聊过，他们的工作没因RSI改变多少，也不care这个技术。”
RSI最难的一公里，在从数字到物理
RSI的进展，正在从电脑里的计算延伸到实验室的操作：Anthropic的Model Hardware Standard接口，让Claude能操作液体处理仪器，调整流速改善转移准确性。但周辉池指出，这只是局部实验，真正困难在研发流程的两头：该研究什么问题，以及下一步该往哪走。现在的AI擅长在已有知识框架里缝缝补补，却找不到人类都不知道的“未知的未知”——比如他所在实验室做合金实验时，AI发现了一块未被探索的元素组合区域，最终找到性能最好的材料，但那是辅助作用，不是自主发现。要跑通“AI提假设、做实验、拿反馈、再调整”的完整科研闭环，还得把数字世界和物理世界真正打通，他估计至少要五年。
失控风险？目前还轮不到担心
完整的RSI尚未实现，AI研发的分工已经变化：OpenAI每投入一个人类工作日，调用3.1个智能体工作日，但所有核心决策——研究优先级、是否扩大/暂停系统——还是人定；Anthropic的Claude只主导26%的研发工作。周辉池认为，所谓的“AI失控”完全是夸大其词：“现在的AI只是在做局部优化，连真正的自我迭代都没做到，谈失控还太早。”
现在的RSI更像一个融资市场的新标签，学术界连统一定义都没有，甚至萨顿说这本质是持续学习的延续。到底是概念炒热了技术，还是技术还没跟上概念的热度？
素材来源：钛媒体 · AI情报、AI行业观察
查看报道原文
发表第一条评论吧