递归自我改进（Recursive Self-Improvement，简称RSI）正在成为AI行业讨论的焦点。这一聚焦于AI自我演进的技术概念，在业界和学界尚未对其定义与标准形成统一共识的情况下，已快速进入工程化落地阶段。近半年来，OpenAI、Anthropic、Google DeepMind等前沿AI实验室和初创公司频繁提及RSI方面的进展。尤其自9月中旬以来，Anthropic和OpenAI数次预警RSI的失控风险，甚至呼吁放缓研发进度，为安全保障争取时间。
国内方面，RSI的技术演进和判断也更多走向台前。智谱创始人兼首席科学家唐杰于9月17日披露公司首个RSI方向的工程化实践，并将下一代“完全自训练”模型GLM-6.0的核心技术定位类比为RSI。小米于9月22日发布MiMo-V2.6系列模型，称其为“探索RSI的关键一步”。阿里巴巴集团CEO吴泳铭在云栖大会演讲中提到，目前摸索出的通往超级人工智能的具体技术路径就是RSI，并透露Qwen团队正在进行RSI方面的探索且取得了一定进展。
资本市场的反馈相对积极。对“减速”的焦虑短暂导致波动后即被市场消化，RSI叙事迅速被推向前台。叠加Meta发布消费级个人AI代理Muse等事件，此前因2028年Capex能见度不足、开源模型竞争压力、头部AI厂商ARR增速放缓等因素承压的美股科技板块明显回暖。资本市场的热度也进一步推高了RSI的讨论度。
不过，业界对RSI的实际进展存在不同判断。一位国内Vibe Coding领域初创公司CTO表示，近期已有多位不同领域的朋友咨询RSI相关问题，但很多理解“过于科幻”。该CTO指出，将RSI理解为模型能无间隔、利用一切时间来提升自己、完成进化“显得不切实际，至少离现实很远”。目前的技术路径中，大模型不存在“在线实时学习能力”，训练完成后权重即固定，这与人类大脑有本质区别。若将其简单理解为模型的自我调整与优化，在现阶段也不算是特别有开创性的新鲜事。
该CTO进一步解释，以模型迭代为例，0.1级别的迭代仍由研究员定义和发起，本质上更类似于在一个固定态下将目标、方向和框架确定后，AI在其中完成代码编写和研发执行，依然扮演执行者角色。Anthropic此前公布的数据显示，旗下模型Claude“主导”的AI研发任务从2月的不到1％提升到8月的约26％。在该公司的界定中，“主导”在AL0至AL5的六级自动化标准中属于AL4级别，主要指人类给出高层目标后，AI完成大部分端到端工作，人类负责监督和最终决策。
该CTO认为，只要方向、目标和评估、决策两端的工作仍由人类负责，AI的改进就被限制在一个固定线段中。过程管理看似交给AI、呈现黑盒运行状态，但考虑到目前自动化实践主要集中在代码领域，这已是确定性最高且最适配AI的任务。总体而言，将目前披露的相关实践视为现有技术路径的延续而非新故事的开端，可能更为合适。但他同时补充，AI在研发任务贡献中所占比例的提升以及AI研发规模的扩大，每达到一定数量级确实会带来新的技术和工程问题，进而取得新进展，但其中是否存在技术上量变到质变的奇点，目前尚看不清楚。
从这一理解延伸，当AI能胜任“发起到决策”两端工作时，可能才更符合当前讨论中关于RSI的想象。这既涉及技术、算法、训练范式等问题，更涉及组织与流程问题。在2026 ITValue Summit数字价值年会的AI Coding专题闭门会中，多个团队透露，在自身开发流程中，AI编程的端到端交付今年取得显著提升，Agent已能作为数字员工批量上岗。AI Agent的贡献度很大程度上被视为衡量一个组织AI Native成色的关键指标。但与会者同时给出共识判断：总体目标、关键判断、最终结果仍由人类负责。
在垂类行业中，情况更为复杂。AI面临更多行业隐性知识、隐私数据的壁垒，传统程序员被期待成为更懂业务的技术从业者，近期受到关注的FDE（前沿部署工程师）则直接将开发角色放置在业务现场。目前来看，对于RSI而言，能让AI接手“两端”工作的更多还是实验型任务。这些实验让Agent在没有明确任务指令的情况下主动探索代码库、寻找潜在问题，或让AI根据实验结果调整下一轮研究方向。近期较受关注的是Weco AI团队让AI Agent在8天试验中自我改进自身代码的AIDE²案例。但在真实的组织层面，AI的“端到端”仍被局限在较短的链路中。是否应该或如何在组织层面授予AI更高权限，如何界定其权责并进行问责，配套的监督、纠错、评估机制如何更新，这些显然超越了目前的人机协作范式，在成规模的组织中也少有探索。
值得注意的是，目前也有不少声音认为RSI本身是“伪概念”，或认为延续当前技术路径不可能出现RSI。一位本地模型初创公司创始人认为，目前的云端大模型、Transformer加自回归生成范式无法形成创造力，无法解决人类未解决过的问题，只能在人类设定的框架中运行，“路越走越窄”。在RSI概念热度升高、逐渐“破圈”之际，更多技术路径、底层架构、组织形态的探索和理论框架也在被重新讨论。在一种关于未来的想象逐渐具象化的过程中，往往会诞生更多意料之外的变革和突破。
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。
