AI自我改进的底层逻辑：资本豪赌、验证死结与信息论边界

事件概述

2026年8月3日，加州大学伯克利分校的一场行业峰会上，谷歌DeepMind首席战略官Jasjeet Sekhon公开承认：全行业对AI的资本投入是“人类历史上最大的科学赌注”，规模超过阿波罗登月计划、曼哈顿工程和互联网早期全部研发投入，但“目前AI创造的收入，尚无法覆盖当下的资本投入”。他同时警告行业可能陷入“空气口袋”——大规模建设支出已落地，对应收入尚未显现。

关键财务数据：

• Alphabet 2026年资本开支指引上调至最高2050亿美元，并首次录得季度自由现金流为负，约-59亿美元。
• Google Cloud单季收入激增82%，积压订单超过5000亿美元，但现金消耗曲线更陡。
• 同场，DeepMind研究员Oriol Vinyals与OpenAI联合创始人Wojciech Zaremba预测，RSI可能在2027到2028年出现。

RSI：一个60年未定义清楚的概念

RSI（递归自我改进）概念可追溯至1965年I.J.Good的“智能爆炸”猜想，2014年Nick Bostrom《超级智能》将其系统化，2023年前后进入行业讨论，2026年取代AGI成为资本核心叙事。但该词从未有统一定义，按人类退出程度可分为四级：

• L1：模型生成训练数据（已实现，合成数据是标配）
• L2：模型改进训练算法和参数（进行中，有早期实证）
• L3：模型设计新架构（尚未实现）
• L4：模型完全自主设计下一代并独立判断“好不好”（从未实现）

最新实证来自衔远科技与清华大学团队发布的Frontis-MA1（35B参数），通过“起草（Draft）、改进（Improve）、调试（Debug）、交叉（Crossover）”四个原子操作改进机器学习代码。其在MLE-Bench Lite上的平均奖牌率从基座模型的39.39%提升至60.61%，叠加更强大的搜索配置（Evo-Max）后达71.21%。但作者明确：71.21%是“模型+增强搜索框架”的联合成绩，且MLE-Bench官方因公平性核查暂停新榜单提交，数据仅属临时。论文也承认，该系统不能重写自己的权重、训练配方或搜索策略，只能视为L2边界的早期验证，不声称解决通用RSI。

哥德尔式验证死结

完整RSI的L4要求人类退出验证环节，但所有验证选项均不成立：

• 模型自评：无外部裁判，逻辑上不构成验证。
• 人类验收：每轮由人确认，递归即中断，变成人机协作。
• 更强模型验证：导致无限回归，永远差一个“更外面的验证者”。

这与哥德尔不完备定理同构：一个足够强且一致的形式系统，无法在自身内部证明自身一致性。图灵停机问题同样指向自我指涉的边界。因此“系统自己验证自己”在逻辑上无解。

当前所有宣称“自我改进”的案例（如Anthropic称Claude写了80%内部代码、月之暗面称Kimi生成92%代码、Cognition称Devin编写89%代码）均为公司自报，且都属“版本B”：执行层自主，目标与验收权仍在人类手中。人类负责定方向、设约束、判合格，只是从“打字”退到“拍板”。真正“自定目标、自我验收”的版本A没有实证。

信息论边界：闭式自我改进必然坍缩

香农信息论中的数据处理不等式指出：数据处理不能凭空创造信息。闭式自我改进（模型只吃自己的输出）相当于在信息闭包内复制重排，每代只会继承错误、放大偏差、丢失多样性。

牛津大学Ilia Shumailov团队2024年发表于《自然》的论文《AI models collapse when trained on recursively generated data》证实：用模型递归生成的数据训练，几代后输出退化为重复无意义文本。实验中，以中世纪建筑学文本为原始输入，迭代到第九代时输出变成一串野兔名字。这意味着“闭式RSI”类似信息世界的永动机，违反信息论定律，必然失败。

开放式路径：规则即环境

绕过信息论封锁的唯一方式是开放式RSI——从自身之外获取信息。AlphaGo常被误读为“闭式自我改进”的成功案例，但它的自我对弈发生在“围棋规则”这一有限环境内：规则明确、结果可验证。每一步改进都被“输赢”客观信号验证，因此它本质是在有限环境中的开放式探索。这也说明：明确的规则就是环境，而有限环境的能力上限被环境边界封顶——AlphaGo能成为围棋之神，却无法用同一方法学会写诗。

按环境开放程度可分为三档：无环境（纯闭式）必然坍缩；有限环境能力有上限；开放环境能否支撑指数级改进仍是未验证的信仰。若开放式RSI未来真正走通并演化出行为层面的自利，AI将成为独立演化主体，人类可能从“创造者”退化为初始条件或环境要素。