当模型开始参与制造自己的下一代
10 月 15 日，谷歌在分享 Gemini 4 新模型 Argon 的圆桌讨论中，联合创始人谢尔盖·布林（Sergey Brin）说了一段在业内迅速传开的话：谷歌内部的 AI 研发正在加速，模型已经参与到构建后继者的工作中，公司「正开始踏上那台 RSI 跑步机」。
RSI 是 recursive self-improvement（递归自我改进）的缩写，指的是一个 AI 系统帮助造出更强的 AI 系统，更强的系统再进一步加速下一代的诞生——像飞轮一样越转越快。布林给出的直接证据，是 Gemini 4 之前谷歌那一串 Flash 模型的密集发布节奏。他同时透露，等外界看到 Argon 发布的视频时，谷歌内部可能已经领先了两代模型。
「现在我们的研究者与模型携手合作，打造下一个版本的模型，」布林在圆桌讨论中说。
几乎同一周，一份由 AI 研究机构 Gladstone AI 发布的长篇报告梳理了前沿实验室通往 RSI 的现实路径。报告基于过去六个月对 Anthropic、OpenAI、Google DeepMind 一线研究者的访谈，其中多数受访者认为，RSI 将在未来的 3 到 12 个月内开始。
一边是当事人的确认，一边是从业者的预判。这条飞轮到底转到了哪一步？
三条来自一线的证据
证据一：模型已经在写生产代码。 谷歌为 Argon 发布的安全报告中有一句非常具体的表述：AI 智能体现在是「高杠杆助手」，撰写了大部分生产代码和缺陷修复——当然，代码改动在提交前仍需人类审核。这是「模型参与制造模型」最直接的书面记录。
证据二：算力需求的重心变了。 谷歌 DeepMind 负责 Gemini RSI 方向的研究者 Vihan Jain 在社交平台上写道：「当你的后训练需求从『要原始芯片』变成『要 Argon 配额』，你就知道 RSI 飞轮进入了新档位。」换句话说，模型本身已经变成了研发流程里的关键算力消耗品——既要拿它训练，又要拿它做实验。
证据三：发布节奏本身就是信号。 2026 年 9 月到 10 月，头部实验室的旗舰模型以「周」为单位迭代：OpenAI 在 9 月连续推出 GPT-6 家族多个型号，Anthropic 一个月内多次升级 Claude 产品线，谷歌则在 9 月 30 日发布 Argon 后继续推进后续版本。这种节奏已经超出纯人力研发的常规速度。
报告拆解：飞轮的两个开关
Gladstone AI 的报告没有停留在「AI 会自己变强」的叙事上，而是把 AI 实验室的日常研发拆成了一台可以看懂的机器。理解这台机器，就能理解 RSI 的速度由什么决定。
研发漏斗：想法要靠算力来验证
前沿实验室手上有三样东西：一块固定的算力预算、一堆候选研究想法（数据配比、训练策略、优化器改动等），以及一条「多轮筛选漏斗」。
通常的做法是：把一小块实验算力平分给几十个想法，每个想法只够画一条很短的 scaling 曲线（性能随算力变化的曲线）；曲线不够陡的直接淘汰，胜出的想法进入下一轮，拿到多一个数量级的算力继续验证；如此滚动数轮，最后只剩极少数想法进入真正的大规模训练。而下一代模型训练完，整个流程从头再来——只不过这一次，底座模型更强了，算力预算也可能更大了。
RSI 要做的事，就是把漏斗里人类负责的环节——提出想法、写实验代码、跑实验、解读曲线——逐步交给 AI。
两个开关：好想法与多算力
报告给出的加速路径只有两条，且互相制衡：
- AI 生成的想法足够好。 如果 AI 提出的想法能稳定媲美甚至超过人类研究者的「研究品味」，漏斗产出的下一代模型就会更强；极端情况下，好想法多到可以跳过大部分筛选环节，直接进入大规模训练。
- 算力足够多。 算力充裕时，可以负担大量「试错税」——烧算力去验证平庸想法，靠漏斗把少数好的筛出来。
报告的总结很精炼：算力让你有权多试错，好想法让你有权少烧算力。 今天每家前沿实验室在这两样上都受限。
飞轮的刹车片
这份报告最有价值的部分，是它讲清楚了 RSI 为什么不必然「立刻失控般加速」。
第一是噪声。如果 AI 一夜之间把候选想法从 50 个膨胀到一万个，而第一轮算力预算不变，每个想法分到的算力只剩原来的几十分之一，画出的曲线短到噪声淹没信号——想法越多，反而越难分辨好坏。
第二是想法质量分布。如果 AI 的想法大多数平庸、只是偶尔闪现远超人类的神来之笔，实验室就需要海量算力去沙里淘金；如果 AI 最好的想法暂时还不如人类研究者的最好想法，那无论堆多少算力都筛不出足以显著提升下一代模型的方案。报告访谈到的研究者普遍持一个更冷静的判断：全自动 RSI 在技术上可能已经接近可行，但在经济上尚未划算——只要「人类 + AI」的组合产出仍优于纯 AI，实验室就没有动力切换到全自动模式，因为他们的目标是竞争，而不是为 RSI 而 RSI。
第三是流程里最手工的环节。强化学习环境的设计至今仍高度依赖人工——AI 模型太擅长找到设计者没想到的取巧路径，让奖励被意外刷满。这一环不自动化，飞轮就有固定的转速上限。
这对使用 AI 的人意味着什么
对普通开发者和技术读者来说，RSI 不必被理解成遥远的奇点叙事，它有几个非常现实的推论：
模型版本的保质期在缩短。 当头部实验室以周为单位迭代，你今天接入的 API 背后的模型，半年后可能已经换了两三代。选型时，供应商的迭代速度和向后兼容承诺，值得和当前跑分放在一起权衡。
「模型辅助研发」已是常态而非未来。 谷歌安全报告里那句「模型撰写大部分生产代码、人类审核提交」，描述的就是今天的大厂研发日常。对个体开发者而言，把 AI 当作结对研究员而非单纯的补全工具，正在成为分水岭。
警惕只看单点跑分。 当模型参与制造模型，跑分的「含金量」问题会更复杂——训练期内部迭代的次数、评测口径的选择，都会影响一张成绩单的解读。第三方独立评测、长任务实测，比官方榜单更值得参考。
冷静的结尾
「AI 造 AI」不是营销话术，它是有书面记录、有当事人确认、有机制拆解的现实：代码由模型编写、配额向模型倾斜、节奏由模型加速。但同一批最了解内情的研究者也指出，验证要花算力、好想法是稀缺品、人类环节仍不可替代。
飞轮已经在转，只是转速由算力和想法质量共同决定——而不是由任何一句预言决定。3 到 12 个月后它会转成什么样，值得每季度回看一次这份报告的假设是否还成立。