智谱下场，投资人抢投RSI｜Frontline

大家好，这是【Frontline】第十七期。

“现在没什么项目好投了，都在看RSI。”

不久前，我和一位正在看项目的投资人聊天时，对方提起了最近AI投资圈的新趋势。

话音刚落，我就刷到一条消息：智谱宣布完成约50亿美元、折合人民币约335亿元的融资，其中约60%的资金将投入下一代GLM基础模型、完全自训练，以及训练、推理和算力基础设施，目标包括提升模型的智能上限、长程任务能力、自我改进能力和模型迭代效率。市面上普遍对此解读为，智谱下场做RSI了。

事实上，围绕这一概念的争议一直不少。图灵奖获得者萨顿就在前不久来中国的时候，提到，“RSI只是营销炒作”，他甚至毫不客气的指出，这就是一个“buzz word”。我采访过的技术人士也认为，RSI不是新概念，它的火爆，更多是资本需要一些噱头，才作为一套新的概念被重新提出。

还是再给朋友们科普一下RSI。它可以简单理解为AI for AI，大概意思是让AI越来越多地参与AI研发本身：自己生成数据、设计任务、制定规则、进行评测，再根据结果不断调整和迭代。原本由人完成的研发闭环，逐渐交给模型完成。

听上去，有点让AI既当“运动员”又当“裁判”的意思。是不是噱头，咱说不好，但参与RSI的玩家倒确实都来头不小。

一马当先的还是国内外的大厂们。Anthropic今年6月发布文章《When AI build itself》，当中提到合并到生产代码库中的代码有超过80% 由Claude 编写，

OpenAI也已做出布局，让AI参与到自家模型产品的研发当中，Google DeepMind用AlphaEvolve优化自家芯片，Meta用AIRA2推进自动化研究。国内，月之暗面创始人杨智麟在谈到如何提升Agent通用性时，也提到过“用AI训练AI”，并表示“现在部分已经做到”。DeepSeek创始人梁文锋则将RSI作为AGI的技术演进四级阶梯之一，分别是思维链（CoT）、智能体（Agent）、持续学习、自我迭代。按照他的判断，2025年突破思维链，2026年主攻通用Agent，Agent之后是持续学习，最后一级则是模型自主研发下一代模型，也就是RSI。

除了大厂，初创们也都是圈里的大佬组队。投资人朋友告诉我，现在进场的大部分都是顶尖研究员。创业者门槛几乎都是top里的top，他们甚至可以没有什么可以验证的产品，但必须要有拿得出手的人才。

典型如Recursive Superintelligence为代表的研究员创业，由前Salesforce首席科学家Richard Socher出任CEO，8位联合创始人则包括前Meta FAIR核心研究员田渊栋、ViT论文作者Alexey Dosovitskiy、开放式进化研究专家Jeff Clune，以及Tim Rocktäschel、Caiming Xiong、Tim Shi、Josh Tobin和AI领域资深科学家Peter Norvig。

这家公司直接以技术概念作为名字，融资拿到6.5亿美元，估值达到46.5亿美元，谷歌GV、英伟达、AMD等机构参与其中。还有8月份，Google首席科学家Jeff Dean，与Sanjay Ghemawat、Quoc Le、Oriol Vinyals三位元老级科学家共同创办Discovery Loop，目标同样指向AI的自我改进能力。

国内的RSI创业团队打的也是高端局。北京大学人工智能研究院助理教授张牧涵已开启RSI创业一段时间。据传，该项目正在第二轮融资中，对外估值预期为2.5亿美金，已拿了不少TS。上海AI Lab青年领军科学家及大模型中心负责人陈恺已开启创业，方向也是RSI。超衍智能也是大热门，最近刚官宣了一笔数亿融资。

前面提到，RSI并不是新的技术概念，但是也不能简单用“新瓶装旧酒”来概括。一位技术人士给了我一个很形象的判断，“概念是概念，相同的概念有20行代码的实现，有20万行的实现。但是真的名副其实到你想象的那个地步可能进度才1%。不过如果只讨论有用，0.5%或许就能稍微有点用了，但得是20万的那个0.5%。”

为了这20万的0.5%，投资人们甘愿放手一搏。

在Recursive Superintelligence下注的嘉加资本，按照他们此前几乎只投已经跑通PMF、商业雏形显现、增长闭环初步形成的公司，RSI几乎不符合其中任何一条。对此，嘉加资本创始及管理合伙人郑泓Holly Zheng在访谈中给出的说法是，Recursive指向的是一种自我提升、自我演进的能力。三年甚至十年前，这样的机会尚不成熟，也很难聚集今天这样的人才。但现在，它已经从一个遥远的概念变得可以观察，尽管尚未真正实现。这恰恰构成了一个有吸引力的进入时点。

这可能是当下VC所形成的新一套共识，我的同事张楠老师之前已经分析过，这些无产品、无营收、长期不优先商业化的公司，VC投的是研究方向而非商业模式，背后最大的逻辑是“在现有的创新体系里，按部就班地复刻、优化一条已经被验证的路，长不出新物种。”

当然，RSI创业项目里也有一些“接地气”的类型。投资人告诉我，大公司不会覆盖所有问题，创业公司可以聚焦某一个具体的研究任务，或者RSI中的某一个技术子问题，通过学术创新获得合作，甚至成为大厂未来收购的标的。

另外，如果未来越来越多AI团队需要构建自己的自动化研究系统，那么围绕Agent编排、任务管理、记忆、评测、数据生成、经验沉淀等环节，就可能形成一套新的基础设施，为模型公司和AI团队提供工具。

还有更“下沉”的，先在一个具体场景中把AI应用跑起来，在真实业务里持续产生数据、反馈和经验，再把这些东西沉淀成模型自我改进的闭环。我在此前一篇关于AI训练数据项目投资热的稿子中提到，一些数据初创公司也已经开始把RSI作为自身融资叙事的一部分。

“AI自己造出下一代AI”，听上去有点科幻，风险也难免让人有所担心。“越迷人的东西，往往越危险”，这句话放在RSI身上，似乎也成立。

最近Anthropic CEO Dario Amodei在一篇长文中呼吁放慢AI模型能力提升的速度。他也明确承认，递归式自我改进正在整个行业发生，包括Anthropic自己，并对未来AI Agent可能带来的系统性风险提出警告。OpenAI CEO Sam Altman随后在X上回应，点名称赞引入拥有员工级访问权限的独立评估者，并表示OpenAI也会这么做。

不过，这套叙事也有不同的声音。黄仁勋的看法是，“RSI”这个词正在被某些人“武器化”，刻意制造出技术将“螺旋失控”的印象。在他看来，RSI并不意味着失去控制，至少在工程层面，依然存在一套成熟的约束机制：“你可以在公司内部做RSI，但当你发布产品时，你必须评估它，必须测试它，必须确保没有回归问题。基本的工程控制流程就在那里。”

所以，眼下的RSI，一边是技术路线尚未真正走通，另一边却已经吸引了大批顶尖研究员和资本入场。有人担心它走得太快，已经发出预警，也有人认为它远没有想象中那么容易抵达。如此看来，这个概念倒有点接棒具身智能，成为新的话题中心的意思。