Recursive Superintelligence 和anthropic 都在做RSI这个方向,算力需求根本没有尽头
这件事最重要的地方,不是 AI 又多了一个新概念,而是 AI 产业的生产函数正在变化。
过去 AI 的进步,核心靠人类研究员:人提出 idea,人写代码,人跑实验,人调参,再训练下一代模型。
但 RSI 想做的是另一件事:
**让 AI 参与改进 AI 本身。**
这意味着 AI 产业正在从“人类训练模型”,进入“模型参与训练下一代模型”的阶段。
Anthropic 这篇文章真正的信号,不是 Claude 会写代码,而是 Claude 已经开始进入 AI lab 自己的研发体系。到 2026 年 5 月,Anthropic 合并进生产代码库的代码里,超过 80% 由 Claude 编写,工程师每天合并代码量相比 2024 年提升约 8 倍。
这说明 AI 已经不只是工具,而是在变成 AI 研发系统的一部分。
当然,现在还不是完全 RSI。
现在的阶段更准确地说是:
**人类设定方向,AI 执行研发。**
下一步才是:
**AI 自己设定方向,自己验证方向,自己改进自身。**
这才是 “AI that builds itself” 的本质。
Recursive Superintelligence 这家公司被 GV 投资,估值做到 46.5 亿美元,也说明顶级资本已经开始押注这条线。它押的不是一个更好的聊天机器人,而是一个能识别自身局限、设计 benchmark、重写代码库、提升自身能力的自动化 AI 研发系统。
这背后真正的变化是:
**AI 竞争正在从“谁的模型更强”,升级成“谁能搭出一个持续制造更强模型的系统”。**
这就像从造一台机器,升级成造一座能不断造出更强机器的工厂。
更关键的是,这不是孤立事件。
Google DeepMind 的 AlphaEvolve,Sakana 的 Darwin Gödel Machine,AI Scientist 这类自动科研系统,本质上都在往同一个方向走:coding agent、自动评估器、进化算法、自动科研、agent swarm、synthetic data,几条线正在汇合成一个东西:
**虚拟实验室。**
未来 AI lab 的核心资产,可能不只是模型权重,而是:
**模型 + 自动实验系统 + 自动评估系统 + 数据生成系统 + 代码执行环境 + 安全沙箱 + 算力调度 + 研究 taste。**
谁先把这个闭环搭起来,谁的迭代速度就可能明显快于同行。
这就是 RSI 最有想象力的地方:
**更强模型 → 更强研发 agent → 更快训练下一代模型 → 更强模型。**
一旦这个正反馈形成,AI 的进步就不是线性加速,而是反馈加速。
但也不能简单喊“奇点来了”。
现在真正的约束还有三个:
第一,AI 能不能自己判断什么问题值得研究,这是 research taste。
第二,自动评估机制是否可靠,能不能避免 reward hacking。
第三,如果 AI 开始设计下一代 AI,安全、控制、权限边界和 alignment 会变得更重要。
所以最准确的判断是:
**AI 研发自动化的齿轮已经咬合,但还没有形成完全自驱的飞轮。**
对二级市场来说,这件事的含义很大。
如果 AI 研发自动化成立,那么 AI Capex 就不是短期泡沫式扩张,而可能被智能生产函数持续拉长。
因为 AI lab 内部会产生越来越多实验、训练、推理、评估和多 agent 协作需求。
这会继续强化三类资产:
第一,算力基础设施:GPU、ASIC、HBM、先进封装、电力、液冷。
第二,AI 内部通信和系统互联:光模块、交换、CPO、OCS、PCB/CCL。
第三,自动化 AI 研发工具链:eval、benchmark、synthetic data、sandbox、agent orchestration、AI coding、自动科研平台。
所以这条线不是简单利好所有 AI 应用股,而是优先利好 AI 生产资料。
最后看这条主线,不能只看口号,要看五个验证指标:
AI 写入生产代码的比例是否继续提升;
AI 是否能自主提出研究方向;
AI-generated experiment 是否能稳定提升下一代模型能力;
自动 eval 是否可信;
单位算力带来的模型能力提升是否重新加速。
一句话总结:
**RSI 不是 AI 应用主题,而是 AI 行业自身的生产率革命。**
Recursive Superintelligence 和 Anthropic 同时押注 RSI,说明 AI 竞争的焦点正在从“制造一个更强大脑”,升级为“制造一个能持续制造更强大脑的系统”。
这才是 AI 主线真正进入深水区的标志。
发布于 上海
