2026 年 8 月，Evolvent AI 创始人胡梦康在接受 Founder Park 采访时提出，RSI、Self-Evolving Agent、Auto Research 等不同概念本质上指向同一件事：让 AI 自主迭代。这家成立于 2026 年初的公司，由 OWL 框架核心作者、香港大学博士生胡梦康创立，团队全员具备研究员背景，主攻 Self-Evolving Agent Infrastructure。
Evolvent AI 的技术路径是通过规模化构建任务环境，让 Agent 在真实任务中与环境交互、获取反馈并积累数据，从而持续学习和提升能力。其最终目标是打造一个能够持续学习、自我进化的 AI Scientist 系统。胡梦康将该方向称为“Evolution as a Service”，希望 Evolvent AI 成为 Agent 进化过程中的数据基础设施供应商。
胡梦康的研究经历覆盖 NLP、具身智能与 Agent 多个阶段。2019 年本科入学后，他最早从事知识图谱、TableQA 等偏 NLP 和 Symbolic AI 的方向。2022 年前后，GPT 系列模型展现出较强的 Few-shot 泛化能力，Codex 推动代码生成成为重要研究方向，他开始转向 LLM 与 Coding 的结合。进入香港大学后，他进入具身智能方向，研究如何将大模型用于 Robotic Planning，并参与 EmbodiedGPT 项目。
在胡梦康看来，LLM 终归是一个“缸中之脑”，Agent 才是未来。他受到“World of Bits”论文影响，认为可以对整个互联网进行建模，让 Agent 在其中探索。2023 年入学后，他逐渐从 Physical World 转向 Digital World，系统研究 Agent、World Model 和合成环境，最终延伸到 Self-Evolving 和 RSI 方向。
具体研究上，胡梦康团队最早推出 Tree-Planner，基于树结构增强 Agent 的规划能力。此后转向 Context Management（现称 Context Engineering）以及互联网建模。由于 Agent 的数据本质是环境，而无人显式建模，团队推出 AgentGen 论文，自动化生成环境和任务来训练模型，训练出的模型性能超过当时的 GPT-4o。2024 年 10 月，随着 Claude 系列模型具备执行日常任务的能力，团队开始搭建 Harness，不到半年时间于 2025 年 3 月发布 OWL 框架。
胡梦康承认，Self-Evolution 在商业上的爆发还需要时间。当前市场天平偏向“模型吃掉所有应用”，但他更倾向于相信，未来每家应用公司都可能拥有面向自身场景的专属模型。在胡梦康的判断中，通用 Agent 的壁垒正变得越来越薄，而帮助 Agent 持续进化的基础设施，可能成为更具长期价值的生态位。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
