当AI开始改进AI:普通人真正需要理解的RSI

它不是股票里的相对强弱指标，而是Recursive Self-Improvement——递归自我改进。

简单来说，就是：

AI开始参与制造更强的AI。

如果这件事真的发展下去，它带来的影响，可能远远大于我们今天讨论的“大模型会不会替代某个职业”。

因为过去AI的进步主要依靠人类，而未来有一种可能是：AI自己开始推动AI的进步。

这才是RSI真正值得普通人关注的地方。

一、什么是RSI？

过去几十年，AI的发展路径其实一直没有变：人类研究算法 → 人类写代码 → 人类训练模型 → 人类分析实验 → 制造下一代AI。

即使今天的大模型已经非常强，本质上仍然主要如此。

但现在，一些环节已经开始发生变化。

AI可以写代码，可以运行实验，可以分析实验结果，可以寻找算法，可以优化模型，甚至可以帮助研究人员判断下一步应该尝试什么。

于是原来的：人 → 研究AI → 更强的AI

开始逐渐变成：人 + AI → 研究AI → 更强的AI。

再往前一步，如果新的AI比上一代AI更擅长研究AI：

AI₁帮助制造AI₂AI₂又比AI₁更擅长研究AIAI₂再帮助制造AI₃AI₃又进一步提高AI研发效率……

这就是所谓的Recursive Self-Improvement。

RSI递归链：猫头鹰在装配线上制造更强的猫头鹰

所以RSI最关键的地方，不是“AI学会了更多知识”，而是：

AI开始改善“制造更强AI的能力”本身。

有点像过去人类发明了一台机器，而现在这台机器开始参与设计自己的下一代。

二、RSI现在发展到什么程度了？

首先要说一个结论：

真正完全自主的RSI，目前还没有出现。

OpenAI在2026年9月公开表示，AI完全自主地推动一代又一代更强AI的情况今天还没有发生，也不应该在无法确保安全之前贸然追求。

但是，RSI的很多“零部件”已经出现了。

比如Google DeepMind的AlphaEvolve。

它可以让大模型不断提出算法方案，然后通过自动化evaluator运行、打分、筛选，再基于表现更好的方案继续演化。

它已经被用于数学、数据中心、芯片、编译器和AI基础设施优化，甚至帮助优化下一代TPU的设计。

换句话说：

AI已经开始优化制造AI所需要的工具和基础设施。

更值得关注的是Anthropic。

截至2026年8月，Anthropic公布的数据显示，在其AI研发工作中，超过90%已经达到“AI协作”或更高水平，其中约26%已经可以由AI主导完成。

在其主要内部研发平台上，任意时刻大约有3万个AI Agent在从事研究和工程工作。

当然，这距离“AI完全自主研究下一代AI”依然有明显距离。

但方向已经非常清楚：

我们正在从“人使用AI”，进入“AI开始参与研发AI”的阶段。

OpenAI甚至已经专门成立Recursive Self-Improvement团队，研究如何自动化假设提出、实验设计、长周期实验和真实AI研发流程。

三、普通人真正需要关心的：哪些工作会最先受到冲击？

我认为这是理解RSI最重要的一部分。

过去我们讨论AI替代工作，经常按照所谓的“工作难度”来判断：

程序员很专业，所以应该比较安全；

理发、维修、保洁技术含量低，所以可能容易被机器人取代。

但未来很可能恰恰不是这样。

决定一个工作多快受到AI冲击的，可能不是它难不难，而是另外几个条件。

1. 有没有明确的“对”和“错”

假设AI写了一段程序。

很简单：运行一下。

能不能编译？

测试有没有通过？

速度有没有提高？

这些都是非常清楚的反馈。

数学也是如此。

一个证明是否成立，可以验证。

一个算法到底有没有更快，可以跑Benchmark。

这类领域非常适合AI。

因为机器不需要询问一个人：

“你觉得我这次做得怎么样？”

它可以直接得到一个分数。85分，还是92分。

哪个方案好，一目了然。

2. 能不能低成本地失败

这是第二个关键因素。

程序写错了怎么办？

删掉，重新写。

数学证明失败怎么办？

换一条路径。

一个Agent的Prompt不好怎么办？

重新生成100个。

所以AI可以采用一种人类很难采用的工作方式：

疯狂试错。

一个优秀程序员一天可能认真尝试十几个方案。

但如果有1000个Agent同时工作呢？

它们可以同时测试成千上万个方案。

于是未来很多领域的竞争方式可能发生改变：

过去比的是：谁更聪明。

未来越来越可能变成：

谁能够以最低的成本完成最多次有效试错。

3. 从行动到反馈，需要多久？

这个变量甚至可能比“工作难度”更重要。

写一段代码：几秒到几分钟就可以知道结果。

数学证明：

可能几分钟、几小时。

广告投放：

可能几小时、几天。

但研发一种药呢？

实验、动物研究、临床试验，可能需要几年。

教育一个孩子的方法是否有效？

可能几年之后才能知道。

因此，同样是AI：

在代码世界里，一天可以完成成千上万轮：尝试 → 验证 → 修改 → 再尝试。

而进入真实世界，一轮反馈可能需要几个月甚至几年。

反馈三闸门：对错打分器、试错桶、反馈时钟

所以我们可以得到一个很重要的判断：

越容易数字化、越容易验证、失败成本越低、反馈速度越快的领域，越容易率先被AI重构。

四、谁可能最先受到冲击？

按照这个逻辑看，顺序其实会非常有意思。

第一类：高度数字化，而且可以自动验证

例如：

程序开发、软件测试、数据分析、数学、算法研究、部分量化研究、芯片设计，甚至AI研究本身。

它们很可能是最早发生深度变化的领域。

所以程序员很可能比理发师更早感受到AI的压力。

不是因为编程简单。

而恰恰因为：

代码是人类创造出来的、最适合机器不断试错和自我验证的环境之一。

第二类：工作完全数字化，但评价带有主观性

比如：

PPT、设计、视频、广告、文案、翻译、法律文书、财务分析、咨询报告。

AI可以非常便宜地生成几十甚至几百个方案。

但最终“哪个好”，很多时候依然需要一个人判断。

因此这类工作的变化可能不是简单的：AI替代人。

而更可能是：

人的角色从生产者，逐渐变成评审者和决策者。

过去一个设计师做三个方案。

未来可能是AI做一百个方案，设计师选择和修改其中三个。

第三类：高度依赖人与人关系的工作

比如销售、BD、管理、教育、心理咨询、医患沟通、复杂组织协调。

这里存在大量隐性的上下文。

一个客户到底是真的感兴趣，还是礼貌地说“回头再看看”？

一个员工为什么突然情绪低落？

一场商务谈判应该什么时候推进，什么时候停下来？

这些事情很难通过一个简单Benchmark判断。

所以AI会非常明显地增强这些岗位，但完全替代可能慢得多。

第四类反而是很多物理世界里的工作

例如理发、装修、水电维修、护理、建筑施工、厨师等。

这些工作看起来可能没有算法工程师那么“高科技”，但对于机器而言异常复杂。

因为现实世界没有标准API。

每一个房间不一样，每一根水管不一样，每一个人的头发也不一样。

这就是目前AI面临的一道重要边界：

数字世界正在迅速被AI打通，但物理世界依然很难。

一道砖墙：左边数字世界畅通，右边物理世界被挡住

五、RSI最终会发展到什么程度？

短期来看，我认为最可能出现的并不是一个AI突然“觉醒”。

而是一种更现实的场景：

过去，一个AI研究团队有100名工程师。

未来可能仍然有100名工程师，但他们背后运行着：1万个、10万个甚至更多AI Research Agent。

大量代码、实验、资料分析、方案验证都交给Agent完成。

人的工作越来越集中在：定义问题、确定目标、设计评价体系以及做最终决策。

一只猫头鹰工程师身后是密密麻麻的小猫头鹰工位

再往后，真正需要观察的不是所谓的“AI IQ到了多少”。

而是：

AI在研发下一代AI这件事情中，究竟承担了多少比例的工作。

如果未来这个比例不断接近100%，而新的AI又进一步提高AI研发效率，那么真正的RSI才可能出现。

届时AI技术进步的周期，有可能从过去几年一次重大升级，变成：按年、按月，甚至更短周期迭代。

但今天还没有足够证据证明这种“智能爆炸”一定会发生。

六、人类最终会不会被AI统治？

这是讨论RSI很难避开的一个问题。

我个人的判断是：短期内，可能性很低。

原因倒不一定是AI不够聪明。

而是今天所有AI都高度依赖人类建设的物理世界。

芯片要有人制造。

数据中心要有人建设。

电力要有人供应。

设备会损坏。

物流、矿产、工厂、机器人都属于现实世界。

一个只存在于服务器里的超级智能，即使非常聪明，也不意味着它能够直接控制整个现实世界。

所以今天AI与现实世界之间，还隔着一道非常重要的墙：

Physical Agency——物理行动能力。

但是从更长期来看，我认为不能完全排除另外一种可能。

因为与此同时，人形机器人、具身智能、自动化工厂也在快速发展。

假如未来有一天，三个条件同时成立：高水平AI智能

+

Recursive Self-Improvement

+

大规模具身机器人

那么AI就可能第一次同时拥有：认知能力、自我改进能力和物理行动能力。

到了那个时候，人类与AI之间究竟会形成怎样的关系，很难有人今天能够给出答案。

AI会永远作为人类的工具？

还是会成为一个独立的智能文明？

甚至出现人类失去主导权、被机器取代的极端情况？

这些今天都没有答案。

我不认为应该制造恐慌，但同样也不认为可以简单地把它归为科幻。

七、那么，一个普通人今天应该怎么办？

写到这里，好像应该告诉大家：

学习AI。

拥抱变化。

提高认知。

培养不可替代的能力。

当然，这些都没错。

但我越来越觉得，还有一个更加现实的答案：

我们其实很难预测这个世界五年以后到底会变成什么样。

2020年的时候，大部分人都没有预测到几年以后普通人每天会和AI对话。

今天我们同样很难想象2030年究竟会是什么样子。

所以面对一个高度不确定的未来，我现在越来越认可几件看起来非常朴素的事情。好好吃饭。

适当锻炼。

保持身体健康，也尽量保持心理健康。

不要因为每天看到AGI、ASI、RSI、奇点、人形机器人，就陷入持续的技术焦虑。

如果AI最终没有想象中发展得那么快，一个健康的身体依然是你最重要的资产之一。

如果AI真的带来了前所未有的生产力爆发，那么一个健康的身体、足够长的生命和持续适应变化的能力，可能反而更加重要。

而且对于绝大多数普通人来说：

今天最大的风险，可能并不是AI明天统治人类。

而是我们因为担心一个尚未发生的未来，提前失去了过好今天的能力。

远处RSI幽灵轮廓，猫头鹰拉上窗帘在灯下安心吃饭

未来会来。

但在它到来之前，先把今天过好。