RSI概念“出圈”：AI自我进化面临技术与组织双重瓶颈
2026/10/09 13:37阅读量 5
近期，递归自我改进（RSI）成为AI领域热点，OpenAI、Anthropic等头部机构及国内大厂纷纷披露相关进展或预警风险。尽管资本市场对此反应积极，但业界对RSI的理解存在分歧，多数观点认为当前实践仍局限于人类设定框架内的自动化执行，尚未实现真正的自主进化。AI在研发中占比的提升更多是工程化延续，而非技术奇点；要实现AI接手全流程的RSI愿景，需突破算法范式并重构组织权责与监督机制。
事件概述
递归自我改进（Recursive Self-Improvement, RSI）作为聚焦AI自我演进的概念，近期迅速进入公众视野并引发广泛讨论。近半年来，包括OpenAI、Anthropic、Google DeepMind在内的前沿AI实验室及初创公司频繁提及RSI进展。9月中旬以来，Anthropic和OpenAI多次发出RSI失控风险预警，呼吁放缓研发以争取安全保障时间。
在国内，RSI的技术演进同样走向台前：
- 智谱：创始人唐杰于9月17日披露首个RSI方向工程化实践，将下一代GLM-6.0的核心技术定位为类RSI的“完全自训练”。
- 小米：9月22日发布MiMo-V2.6系列模型，称其为探索RSI的关键一步。
- 阿里巴巴：CEO吴泳铭在云栖大会指出，通往超级人工智能的具体技术路径即为RSI，并透露Qwen团队已取得一定进展。
受此叙事推动，加之Meta发布消费级个人AI代理Muse等事件，此前因Capex能见度不足及竞争压力承压的美股科技板块明显回暖，资本市场对RSI表现出较高热情。
核心信息：技术现实与认知偏差
尽管概念火热，但业内专家对当前RSI实践的本质持审慎态度，认为将其视为“科幻故事”或“全新开端”均存在误解。
- 缺乏实时在线学习能力：目前的大模型不存在类似人类大脑的无间隔、实时自我提升能力。模型训练完成后权重即固定，所谓的“进化”更多是在既定目标下的代码生成与优化。
- 自动化程度的界定：Anthropic数据显示，其模型Claude“主导”的AI研发任务比例从2月的不到1%提升至8月的约26%。在AL0-AL5的自动化标准中，这属于AL4级别，即人类提供高层目标，AI完成大部分端到端工作，人类负责监督和最终决策。只要方向和评估由人类掌控，AI仍处于执行者角色，处于一个固定的线段内运行。
- 技术路径的延续性：多位业内人士认为，当前的演进是现有技术路径的自然延续，而非新故事的开端。虽然AI在研发贡献中的比例提升带来了新的工程问题，但是否存在量变到质变的“奇点”尚不明确。
值得关注：组织形态与权责重构
RSI的真正落地不仅涉及算法和技术，更深层地受制于组织流程和权责体系。
- 端到端交付的局限：在AI Coding领域，Agent已能作为数字员工批量上岗，显著提升端到端交付效率。但在垂类行业，由于隐性知识和隐私数据壁垒，AI的应用更为复杂。目前，能让AI接手“发起到决策”全链路的仍是实验型任务（如Weco AI团队的AIDE²案例），在真实组织中，AI的权限仍被限制在较短链路中。
- 组织治理挑战：如何在组织层面授予AI更高权限，界定其权责、进行问责，以及更新配套的监督、纠错和评估机制，超越了当前的人机协作范式，且在规模化组织中鲜有探索。
- 未来展望：当AI在开发流程中的贡献度达到一定量级，且落地场景深化后，可能会出现更前沿的AI组织形态，这将是RSI最强的加速器和验证器。
此外，也有声音质疑RSI为“伪概念”，认为基于Transformer+自回归生成的云端大模型范式无法产生真正的创造力，只能在人类设定的框架内运行，导致技术路径越走越窄。随着RSI热度升高，关于底层架构、技术路径及组织形态的理论框架正在被重新审视和讨论。