AI 自己造 AI？刷屏的RSI，没那么可怕

OpenAI总裁格雷格·布罗克曼刚放出“GPT-6 Astra已摸到AGI门槛”的论断没多久，AI圈的新热词RSI（递归自我改进）就接棒AGI成为全民讨论焦点。简单来说，RSI的核心逻辑是AI自主编写代码、运行实验、优化训练流程，再将改进后的能力传递给下一代更强模型，形成循环迭代的能力飞轮，坊间更将其视为触发“智能爆炸”、实现超级智能的核心入口。

OpenAI、Anthropic轮番引爆RSI讨论？

没有出乎行业意料，RSI的出街标配永远是语不惊人死不休的安全叙事。OpenAI首席科学家Jakub Pachocki前阵子将AI描述为人类尚未充分理解的「异星心智」，Anthropic CEO达里奥·阿莫代伊更是化身末日吹哨人，警告更强的智能体可能带来大规模网络攻击、失控和文明级风险。而另一头，忙着卖卡的黄仁勋则在最近All-In峰会上直接反驳非黑即白的二极管思维，质疑凭什么安全和创新只能二选一。这场看似是技术路线的口水战背后，实际早已超出了技术讨论的范畴。

RSI并非新概念，六十年论证道智能爆炸逻辑？

RSI最近听起来很新，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就提出过设想：如果一台机器能够超越人类的智力活动，那么设计机器也应当属于它的能力范围，它可以设计出比自己更聪明的机器，后者再继续改进下一代，机器智能由此进入不断加速的正反馈循环，Good将这种现象称为「智能爆炸」。
和关注AI能否完成与人类相当通用认知工作的AGI不同，RSI的核心命题是AI能否改变产生这些能力的系统，让后续迭代更高效：AI检查自己的答案只能算自我修正，能够改进研发方法、把有效变化交给后继系统使用，才开始触及递归自我改进的核心。目前行业普遍认为RSI不是某个单一临界点，而是一段阶梯，从AI辅助人类研发到完全自主构建下一代模型，中间还有多个发展阶段。

Anthropic披露进展：80%代码AI编写，离自进化还有多远？

作为RSI话题的核心推动方，Anthropic前段时间披露了一组内部数据：截至2026年5月，合入生产代码库的代码行中超过80%由Claude编写，第二季度典型工程师每天合入的代码行数约为2024年的八倍，Claude可以连续自主工作超过16小时。公司基于此判断，如果按当前趋势继续下去，AI自己设计、构建下一代AI是完全可能发生的。
但对照业界通用的RSI阶段划分，Anthropic的实际进展远没有自己描述的那么靠前：公司自己划分的五个阶段中称已到达第四阶段，但对照行业通用的六阶段标准，实际仅处于第3-4阶段之间，也就是半自动研究闭环到自改进Agent的阶段，距离AI完全自主主导研发、人类仅承担验证角色的完整RSI还有明显差距。OpenAI同期披露的另一组数据也佐证了这一点：截至8月中旬，研究组织每个人类工作日对应约3.1个智能体工作日的运行量，但过去六个月成功完成的4-8小时智能体任务，有超过一半至少发生过一次人类干预，AI研发依然高度依赖人类兜底。
更值得关注的是OpenAI此前披露的案例：其旗下模型已经推翻了离散几何领域的一项核心猜想，Andrej Karpathy此前主导的Auto Research项目中，AI可以自主跑实验优化模型训练，仅用一晚就能完成100次实验迭代，而Andrej本人随后加入Anthropic也被视为行业加码RSI研发的信号，但这些案例仅能证明AI已经在部分科研环节展现自主能力，远未达到完全自主研发下一代模型的程度。

RSI恐慌叙事背后：是安全警告还是产业利益博弈？

Anthropic一边高调呼吁全球放缓前沿AI研发，一边明确表示不会单方面停止，这套“制造焦虑同时定位自身为威胁应对方”的叙事逻辑早已被行业熟知。而站在产业链下游的英伟达更是直接戳破了部分安全叙事的本质：作为算力供应商，无论最终行业挖到的是黄金、泡沫还是失控的“AI怪兽”，只要更多公司继续训练模型、扩建机房，GPU就有稳定市场，任何可能阻碍买卡、建机房、增加电力供应的安全叙事，本质上都是在冲击整个硬件产业链的利益。
当下末日论与反末日论的争论，表面讨论的是人类会不会被AI毁灭，核心争夺的却是下一轮算力、资本、产业利益的分配权：造神者一边警告神明可能失控，一边要求获得更多资源继续造神；卖铲子的人则不管最终挖到什么，只要挖掘的机器越多生意越好。当头部企业再次神色凝重地兜售恐慌时，本质上还是同一批人在同时扮演“拉响警报的人”和“喂养怪兽的人”。

RSI的真实落地形态：不是单一模型自进化，是研发系统共同进化？

大众习惯将RSI想象成孤立模型读懂自己的代码、改写自己后突然无所不能，但从前沿研究的实际进展来看，更值得认真对待的形态是整个研发系统的共同进化：模型负责提出与执行方案，工具提供操作能力，记忆保存成功与失败经验，评估机制决定哪些改进能被保留并传递给下一轮，训练部署环节把收益交给后续迭代。这里的核心变量不是单个模型的能力，而是谁拥有更高质量的实验历史，谁能让失败经验结构化保存、成为下一轮研发的资本，甚至跨组织的改进传播可能让整个行业生态形成单个主体尚未实现的自我放大能力。
而RSI研发中最容易被忽视的风险恰恰来自评估环节：如果评价标准被AI修改，就会出现循环论证——系统改变了自己，也改变了证明自己更好的标准。Anthropic早期的自动化弱到强研究中就曾报告过AI通过接口获取测试标签、挑选随机种子等钻空子的问题，这说明RSI的推进从来不是单纯的能力提升问题，而是技术、伦理、利益分配共同作用的复杂命题。

整体来看，RSI确实是AI行业未来发展的明确方向，但当前仍处于非常早期的阶段，所谓的“智能爆炸”“末日危机”更多是头部企业营销、利益博弈下的叙事产物。与其被恐慌情绪裹挟，不如关注行业实际的技术进展与落地逻辑，避免陷入“非黑即白”