智谱入局搅动赛道，资本蜂拥抢投RSI｜Frontline
各位好，欢迎收看【Frontline】第17期。
"眼下找不到什么值得下注的方向了，大家都在盯着RSI。"
前段时间跟一位正在尽调的投资人闲聊，他随口道出了近期AI赛道里最明显的资金流向变化。
话还没说完，手机就弹出一条推送：智谱刚刚披露完成近50亿美元（约合人民币335亿元）的新一轮融资，其中大约六成资源将砸向下一代GLM基座模型的自主训练，涵盖训练、推理及底层算力建设，核心目标是拉升模型智力天花板、强化长链条任务执行、自我优化以及版本迭代速度。市场很快给出了统一标签——智谱正式切入RSI赛道。
实际上，围绕这个术语的分歧从未停歇。图灵奖得主萨顿前阵子访华期间直言，"RSI不过是营销包装"，措辞相当犀利，称其本质上就是一个"buzz word"。我接触过的多位技术从业者也持类似态度：RSI并非全新范式，之所以突然爆火，很大程度上是资本市场需要一个新鲜故事来支撑估值叙事，于是旧概念被翻新后重新端上桌。
这里不妨帮大家捋一下RSI到底指什么。通俗讲就是"AI研发AI"，核心理念是让机器深度介入自身的开发全流程：自动生成训练数据、自主设计实验任务、拟定评判标准、执行评估打分，然后依据反馈持续修正和升级。过去由人类工程师主导的研发循环，正逐步移交给模型自行运转。
乍一听，有点像让AI同时扮演"选手"和"判官"的角色。至于到底是真本事还是概念泡沫，暂时难以定论，但入局的玩家阵容确实相当豪华。
冲在最前面的依然是海内外头部企业。Anthropic今年六月刊发了题为《When AI builds itself》的文章，披露其合入主干代码库的代码中，超过八成出自Claude之手。OpenAI同样已将AI嵌入自身模型产品的研发生命周期；Google DeepMind借助AlphaEvolve对自身芯片架构进行优化；Meta则推出AIRA2推动研究环节的自动化。视线转回国内，月之暗面创始人杨植麟在讨论如何拓展Agent通用能力时，曾提及"以AI训AI"的路径，并透露"目前已有部分落地"。DeepSeek创始人梁文锋更是把RSI定位为通往AGI的四阶技术路线图中的终极一环——依次为思维链（CoT）、智能体（Agent）、持续学习、自我迭代。依他的节奏预判，2025年攻克思维链，2026年聚焦通用Agent，此后进入持续学习阶段，最终一步便是模型自主孵化下一代模型，即RSI。
大厂之外，初创阵营清一色是顶配阵容。有投资人跟我透露，当前涌入该赛道的创业者绝大多数是学界最拔尖的研究员，准入门槛堪称"塔尖中的塔尖"。哪怕手里还没有可演示的产品，只要团队里有足够亮眼的学术背景，就足以拿下投资人的青睐。
最具代表性的案例莫过于Recursive Superintelligence——一家干脆把技术理念直接写进公司名号的团队。CEO由前Salesforce首席科学家Richard Socher担任，八位联合创始人的名单读起来像一份名人堂：前Meta FAIR核心研究员田渊栋、Vision Transformer论文一作Alexey Dosovitskiy、开放进化算法领域的权威Jeff Clune，再加上Tim Rocktäschel、Caiming Xiong、Tim Shi、Josh Tobin以及AI界泰斗级人物Peter Norvig。该公司首轮募资6.5亿美元，投后估值46.5亿美元，股东名单里包括Google GV、英伟达、AMD等重量级机构。另一起动态发生在八月：Google首席科学家Jeff Dean携手Sanjay Ghemawat、Quoc Le、Oriol Vinyals三位功勋科学家，联合创立Discovery Loop，瞄准的同样是AI自我进化能力。
国内RSI创业圈走的也是高规格路线。北大人工智能研究院助理教授张牧涵已投身RSI创业一段时间，据业内消息，该项目正处于B轮融资窗口，对外报价预期2.5亿美元，已锁定多份TS。上海AI Lab青年领军科学家兼大模型中心主任陈恺亦已启动创业，方向直指RSI。超衍智能同样热度颇高，近日刚官宣一笔数亿元级别的融资。
正如前文所述，RSI算不上全新的技术命题，但也不宜简单归为"老调重弹"。一位技术人员给了我一个颇为生动的类比："概念归概念，同一个概念可以用20行代码糊弄，也可以用20万行代码去死磕。但要真正做到名实相符、达到你想象中的那个水平，进度也许才走了1%。不过单论'有没有用'，0.5%可能就够尝到甜头了——前提是那20万行版本的0.5%。"
正是冲着那万分之一的可能性，投资人们愿意押上重注。
在Recursive Superintelligence落子的嘉加资本，过往风格几乎是铁板一块：只投那些PMF已跑通、商业雏形初现、增长飞轮开始转动的公司。RSI项目几乎条条踩空。对此，嘉加资本创始及管理合伙人郑泓（Holly Zheng）在接受采访时解释，Recursive所指向的是一种自我跃迁、自我演化的底层能力。三五年乃至十多年前，这类机会根本不具备土壤，也聚不齐如今这批人才密度。而此刻，它已从遥不可及的理论变成了可以观测到的趋势，虽未完全兑现，却恰好构成一个极具吸引力的切入窗口。
这或许是当下VC群体正在凝聚的一套新共识。我的同事张楠此前做过专题拆解：这类没有产品、没有收入、短期内不急于商业化的标的，投资人赌的不是生意模式，而是研究方向。底层逻辑在于——"在现有创新框架内，沿着已被验证的路径做增量优化，永远长不出颠覆性的新物种。"
当然，RSI赛道也并非只有"仰望星空"型玩家。有投资人向我介绍，巨头不可能穷尽所有细分课题，创业公司完全可以锚定某一项具体研究任务或RSI链条中的某个技术子模块，通过学术突破建立合作壁垒，甚至成长为日后被大厂并购的对象。
另一条路径更具平台属性：若未来越来越多的AI团队需要搭建各自的自动化研究管线，那么围绕Agent调度、任务编排、上下文记忆、效果评测、数据合成、知识沉淀等节点，很可能催生出一整套新型基础设施，为模型厂商和AI实验室输出工具层服务。
还有更务实的"接地"打法：先在某一垂直场景把AI应用跑起来，在实际业务流中持续积累数据、反馈与经验，再将它们反哺为驱动模型自我迭代的闭环素材。在我此前撰写的一篇关于AI训练数据赛道投资热潮的报道中就曾提到，部分数据创业公司也已将RSI纳入自身的融资故事线。
"AI亲手锻造下一代AI"——这个画面颇具科幻色彩，伴随的风险也足以令人警醒。"越是诱人的事物，往往越暗藏凶险"，这话搁在RSI语境下似乎同样适用。
近期Anthropic CEO Dario Amodei发表了一篇长文，公开呼吁业界放缓AI模型能力攀升的节奏。他在文中坦承，递归式自我改进已在整个行业悄然展开，Anthropic自身也不例外，同时对AI Agent可能引发的系统性风险发出了明确警示。OpenAI CEO Sam Altman随即在X平台上回应，点名肯定引入具备员工同等权限的独立安全评估者的做法，并表态OpenAI也将跟进实施。
不过，围绕这套叙事也存在截然不同的声音。黄仁勋的观点是，"RSI"这个词汇正被某些人"武器化"，有意营造出技术即将"螺旋脱缰"的恐慌感。他认为RSI并不等于失控，至少在工程实践层面，仍存在一整套成熟的管控手段："你可以内部做RSI，但产品上线前必须经过评估、必须跑完测试、必须确认没有回归缺陷。基本的工程质量管控流程一直都在。"
总而言之，当下的RSI呈现出一种撕裂状态：技术路线远未真正贯通，但顶级研究者和巨额资本已经蜂拥而入。有人担忧步伐过快，频频拉响警报；也有人冷静指出，它距离大众想象的终点还差得很远。从这个角度看，RSI颇有接过具身智能的接力棒、成为下一个全民热议焦点的势头。