夜雨聆风七月最后一天，硅谷的推特时间线上出现一则短帖，短到可以印在T恤上，却足以让整个AI投资圈失眠：
"既然两年前的AI已经老旧到该进博物馆了，那两年后的AI显然会令人惊叹。"
说这话的人是Elon Musk短帖未附数据，也未解释逻辑，却把评论区变成了多空双方的角斗场。
▲ Musk的“博物馆”比喻引发争论
往回拨几个小时，它恰好嵌在一场前OpenAI员工之间的公开争论里。争论的核心问题，比任何一条推文都大得多：我们距离AI自己改进AI，到底还有多远？
导火索：一个前OpenAI员工说，别投了
故事要从同一天上午说起
Andrew Ho，简介写着"Prev: @OpenAI"，发了一条长帖，标题可以概括为四个字：看空实验室。
▲ Andrew Ho的万字长帖，把前沿实验室的估值逻辑拆了个底朝天
他的论证锋利而冷静：
首先，前沿实验室根本不赚钱即便毛利率好看，万亿美元的估值也只能由天文数字般的持续收入支撑。
同时，军备竞赛让“停训即死”你去年不砸钱训下一代？好，用户会跑向更便宜的开源模型或追赶者。收入在涨，但训练成本涨得更快
更深一层，市场把估值建立在一个假设上：规模扩大后会涌现出足够通用的智能，智能体能自主经营整家公司，经济会爆炸式增长。 Andrew说，他不信他认为能力增长会“更慢、更跳跃、更受数据瓶颈限制”，通向全经济自动化可能是多个十年的尺度。
他还提出：即便把能力冻结在今天，把大语言模型完全嵌入社会生活也要二十多年。 扩散受到价格体系、经济计算、产品形态探索等硬约束，喊一声“颠覆”跳不过这些门槛。
随后，另一个前OpenAI员工加入了争论。
反击：RSI不到24个月
will depue，前OpenAI成员，参与过Sora与后训练等项目。他引用Andrew的长帖，直接挑战了整个论证框架：
"没有AGI的话，这是个很棒的观点，但有AGI。能力不会放缓，RSI距今不到24个月。"
▲ will depue的反击：一切看空逻辑都有一个前提，没有AGI
这里出现了这场争论的核心词：RSI，递归自我改进（Recursive Self-Improvement）。
什么意思？简单说：AI不光帮你写代码、画图、搜信息，它开始改进它自己。 写更好的训练代码，设计更好的架构，跑实验，评估结果，再把改进喂回下一代系统。I. J. Good在1960年代就提出过这个思想实验：如果一台超智能机器能设计更好的机器，就会出现"智能爆炸"。
▲ 递归自我改进：从60年前的思想实验，到2026年的工程现实
Andrew的回复很坦荡他说：“对，如果你相信RSI，那我的观点就站不住脚。我是怀疑派”
▲ 分歧被压缩到了最纯粹的形式：你信不信RSI？
will紧跟着补了一条更具体的判断："极有把握未来18到24个月会出现真实的研究加速，叠加算力扩建、更多数据、计算机使用与高速推理，到时候回头看，这个看空观点会显得很傻。"
▲ will给出了可核验的时间窗口：18，24个月
就在这条帖子下面，Musk点了引用转发。"博物馆"那句话，就此诞生
RSI：科幻还是现实？
你可能会问：RSI真的在发生吗？还是只是实验室的营销话术？
答案是，两者之间而且这个"之间"的位置，正在快速移动
2026年5月，IEEE Spectrum发了一篇报道，标题是：“AI正在构建更好的AI”。
▲ IEEE Spectrum 2026年5月：递归自我改进正在出现，但人类仍在环内
文中提到的几个事实让人坐不住：Anthropic称Claude的大部分代码已由Claude Code编写；Google DeepMind的AlphaEvolve用大语言模型引导算法演化，应用于网络架构、数据中心调度、芯片设计；还有"达尔文哥德尔机"这类项目，让编码智能体改写自身代码。
但同一篇报道也泼了冷水：各个子能力仍然只是"还行但不伟大"，完整闭环通常需要人来设定目标、定义成功标准、决定保留哪些改动。研究者Nathan Lambert提出了一个精妙的说法，"有损自我改进"：飞轮在转，但每一圈都有摩擦，系统越复杂，损耗越大。
这场争论由此落到一个可检验的问题：未来两年，我们会看到“人在环内的研究加速显著可见”，还是看到“闭环权重与目标函数已由机器自主改写到爆发程度”？后者意味着智能爆炸已经到来
打脸简史：预测AI的人，自己也总被AI打脸
在你选择站队之前，值得看看一份让所有预言家都冒汗的清单。
"错误AI预测档案馆"里躺满了人类智力的高光与狼狈：
▲ 从1958到2026，AI预测的坟场
- 1958年
，Simon和Newell说十年内计算机将成为国际象棋世界冠军，实际等到了1997年的Deep Blue。 - 1965年
，Simon说二十年内机器能做任何人类工作，1985年，第二次AI寒冬。 - 1970年
，Minsky说一代人内实质解决AI，半个世纪过去了。
另一方向的误判同样存在 Patrick McKenzie（硅谷知名博主patio11）回忆自己几年前曾笃定地断言：“如此短的提示里显然装不下任何有复杂度的可用软件系统，因此我们永远不会看到AI创建……” 他没说完的话，被现实替他说完了。
▲ 基于信息论直觉的否定句，在代码生成面前碎了一地
Mixpanel创始人Suhail翻出ChatGPT爆发前自己与圈内人的对话，那些人都知道AI浪潮要来，有的甚至提前摸过GPT-4。但他们的创业想法？大多数没成 时间点太早了“大模型之后、应用层成熟之前”的那半拍，足以让最正确的方向感变成最惨痛的现金流。
▲ Suhail的教训：过早正确，也是一种失真
这就是Amara定律的永恒魅力：人们总是高估技术的短期影响，低估其长期影响。 Roy Amara在1970年代就说了这句话，但每一代技术人都要用自己的血肉重新验证一遍。
▲ Amara定律：1970年代的洞察，2026年依然刺痛
所有人都在改日期，包括写时间线的人
最后一个让人清醒的事实：连专业预测者自己也在被现实拖着跑。
AI 2027的作者们，Daniel Kokotajlo、Scott Alexander等，后来公开澄清：媒体总把他们的"众数年份2027"误读为"高置信必达"。他们在LessWrong上晒出自己从2018年到2026年的AGI中位时间线演进，从2050/2070量级，多次前移到2020年代末，又在2025–2026年部分回摆到2030–2035区间。
▲ AI 2027：连写时间线的人，也在不断修改自己的时间线
2024年前后流传着一个段子：“预测者平均每年把强AGI时间线再缩短五年。”如果你把这个趋势再外推，好吧，那AGI去年就该到了。这种荒谬结果表明，预测市场常常随新闻起伏。
▲ "每年再砍五年"，预测市场本身也在被情绪驱动
博物馆里没有未来
回到Musk那句话
它精准地戳中了每一个AI从业者与用户的身体记忆。你确实记得两年前的模型有多笨拙，也确实感受过今天的系统带来的震惊。“博物馆感”来自真实体验
把回顾性的体感直接外推成前瞻性的预言，需要先做出一个信仰选择：你相不相信斜率不变？你相不相信RSI会让斜率变得更陡？
Andrew说：扩散要二十年，利润撑不住。will说：18个月，研究加速就来了。Musk说：博物馆历史档案说：你们全都会错，只是错的方向和幅度不同。
也许最诚实的姿态，是Suhail的那句："你可能没有太晚。总有新的前沿，因为一切都在不断变化。选对问题真的很重要，有时候，值得等一等。"
两年后回头看这篇文章，它大概也该进博物馆了。
