扫描下载APP
其它方式登录
Anthropic联合创始人Jack Clark将AI实现递归自我改进（RSI）的时间预测从2028年提前至2027年，引发科技界震动；核心依据是AI在数学证明、科研直觉（如TasteVal评测验证的‘科学品味’）及机器人控制（如英伟达GR00T系统）等领域的突破性进展，预示AI或将加速迈向超级智能（ASI），对科研、产业与人类文明构成双重挑战。
Anthropic联合创始人Jack Clark将AI实现递归自我改进（RSI）的时间预测从2028年提前至2027年，引发科技界震动；核心依据是AI在数学证明、科研直觉（‘科学品味’）等创造性能力上的突破性进展，预示RSI可能触发超级智能（ASI）爆发，并加速向物理世界（机器人、科研、经济）渗透，人类面临控制机制建设的关键倒计时。
文章聚焦RSI（递归自我改进）技术突破，揭示谷歌、OpenAI、Anthropic等AI巨头正加速推进AI自主迭代能力，模型已能自我编写代码、优化性能、生成数学证明，人类工程师角色转向管理AI智能体循环；行业普遍预期2026年末至2027年将进入RSI临界点，引发对超级智能失控、对齐失败及人类文明价值重构的深度忧思。
加州大学伯克利分校与Sakana AI团队提出多Agent自监督（MASS）方法，通过让同一模型交替担任任务求解、工作流优化和评估角色，在冻结权重下搜索最优多Agent协作工作流，并将高质量执行轨迹蒸馏回共享模型，显著提升科研任务胜率与基准得分，为递归自我改进（RSI）提供可靠自监督机制。
当前一级市场资本正密集涌向由智能驾驶领域资深从业者（“老炮儿”）创立的具身智能初创公司，如昆仑行、费莫一、墨奇智能等。这些团队凭借智驾量产经验、多模态感知与数据闭环能力，转向工业巡检、物流配送等垂直场景，强调商业化落地与数据飞轮，反映资本市场从追捧通用人形机器人叙事转向重视确定性、工程化能力和真实场景验证。
RSI（递归自我改进）概念近期在AI领域迅速升温，OpenAI、Anthropic、Google DeepMind及国内智谱、小米、阿里等机构纷纷推进相关实践或预警风险。但技术上AI仍缺乏实时在线学习能力，当前所谓‘主导’研发多限于人类设定目标与决策的闭环内，端到端自主性尚未突破组织与工程瓶颈，RSI是否构成范式跃迁尚存争议。
美梦空间在第五届全球数字贸易博览会上发布物理-世界动作模型Physical-WAM和机器人物理评测基准RoboTwin-Phys，旨在提升具身智能在真实物理环境中的鲁棒性与可评测性；前者通过‘物理Token’表征摩擦、重量等隐含物理量实现感知-预测-动作闭环，后者首创以物理扰动为核心的多维度可控评测体系，两项成果均已开源。
文章探讨Physical AI（具身人工智能）绕过尚不成熟的人形机器人硬件，转而部署在现有工业机械臂上实现商业化落地。多家公司如Sanctuary AI、Skild与优傲、ABB、安川等合作，将AI模型接入成熟机械臂，聚焦线束插接等依赖人工判断的复杂工序，提升柔性操作能力与产线适配效率。
Simate公司成立仅三个月即推出首版通用物理快系统Simate-beta，登顶RoboDojo榜单，聚焦零样本泛化的Physical AI研发；其核心采用AI-native研发范式，通过SiPAI模型框架、AutoResearch自动化实验平台与AI-native Infra基础设施，实现人机协同的物理智能研究闭环。
文章围绕RSI（递归自我改进）概念的过热现象展开，指出当前AI行业对RSI存在明显炒作，学术界尚无统一定义；一线学者周辉池强调，现有进展多为AI辅助研发（如写代码、跑实验），而非真正端到端自我研发，核心瓶颈在于问题发现、方向判断与物理世界闭环验证，距离实现完整RSI仍有显著距离。
Simate硅基伙伴成立三个月即凭借AI自动研究系统AutoResearch研发出登顶RoboDojo物理AI评测榜单的通用物理快系统模型，提出Physical RSI（物理智能递归自我改进）技术路线，通过AI Agent参与模型研发、实验、评测与真机部署闭环，实现机器人智能的持续迭代进化。
DeepSeek联合清华大学发布DSec沙盒基础设施，用于大规模Agent训练，通过可组合层、按需加载镜像和资源精算三大机制提升效率；论文第6节隐含RSI（递归自我改进）雏形，即Agent自主构建训练环境形成闭环，标志着AI基础设施竞争正从模型能力转向安全、高效的执行环境。
文章探讨具身智能递归自我改进（RSI）的发展现状与核心挑战，指出当前技术已实现失败经验回流、能力继承、World Model辅助筛选和AI介入研发等关键环节，但尚未形成跨任务、跨场景稳定闭环；强调产业判断重心正从单代模型能力转向‘有效改进效率’，即真实世界问题转化为下一代经验证能力的速度与成本。
OpenAI内部AI模型已实现自主训练、编写GPU内核及多智能体协作优化，大幅压缩研发周期；公司紧急发布全球安全倡议，聚焦RSI（递归自我改进）风险，呼吁建立前沿AI的国际安全标准与人类监督机制，并与Anthropic达成互测协议以应对失控风险。
文章探讨元宇宙热潮退去后，其底层技术（如数字孪生、物理仿真、3D空间建模）并未消失，而是转向服务Physical AI，特别是机器人训练与验证。以Antioch、NavVis、NdotLight等公司为代表，虚拟世界正成为机器人的‘训练场’，通过仿真生成合成数据、域随机化和Sim-to-Real迁移，解决真实世界中成本高、危险大、不可复现的测试难题。
