1. RSI 为什么是现在。 RSI(Recursive Self-Improvement,递归自进化)的核心闭环是:AI 发现自身弱点 → 提出改动 → 写代码、跑实验 → 验证结果 → 模型变强,下一轮又能理解更深的问题,如此循环叠加。田渊栋讲它变热没有从宏大预测说起,而是从亲身经历讲起:去年 8 月他用 GPT-5 合写一篇关于 Grokking 的论文,发现模型已经强到"可以不用再招研究生"——找想法、证明定理、写代码、跑实验都能靠对话完成。他说:"与其自己被取代,不如我就开公司。"
2. 研究循环被大幅压缩。 传统科研的"导师—学生"loop 以周甚至月为单位:导师定方向,学生实现、跑实验、反馈,很多时候要等几周到几个月才验证一个想法。而现在有强 AI 之后,验证一次的循环被压到几分钟——"你写完之后出去喝口水、开个会,回来结果已经有了"。这是 RSI 能被讨论起来的技术底座:不只是代码写得更快,而是反馈环路本身变短了。
3."递归会先发生,完全自动化现在还看不到"。低层执行工作可以被 AI 接管,但更高层的方向选择、实验设计和结果判断仍需人负责——人不是退出循环,而是站到更高一层继续给循环定方向。这也延续了他一贯的观点:AI 暂时替代不了顶尖研究员。
4. "强者愈强"的变数:平滑曲线还是台阶曲线。 RSI 最诱人也最危险的推论是,率先跑通闭环的公司会把其他人越甩越远。田渊栋把变量放在前面:智能提升是一条平滑向上、靠 Scaling Law 堆算力就能持续变强的曲线,还是一条"平台期—突破—再平台"的台阶曲线?如果是后者,掌握旧循环的公司未必自动拿到下一次突破,有新想法的团队仍有机会切入。这也是判断一家 RSI 公司的筛选器:别只看它有多少 GPU,要看它是否在寻找能改变搜索方式的机制。