清华人工智能学院助理教授、超衍智能创始人 陈勇超。图片经由 AI 生成

文｜李海伦

编辑｜徐青阳

过去几个月，递归自我改进（Recursive Self-Improvement，简称 "RSI"）在全球 AI 行业持续升温。

OpenAI、Anthropic 等前沿 AI 实验室正在将更多模型研发任务交给 AI。2026 年 9 月，Anthropic 披露的一组内部数据显示，截至 8 月，Claude 已经能够在人工监督下主导完成 26% 的 AI 研发任务，而在今年 2 月这一比例还不足 1%。短短半年左右的时间，变化已经相当明显。  

近期，海外 AI 创业公司开始密集公布利用 AI 参与模型研发的最新进展。

10 月 21 日，AI 创业公司 Mirendil 宣布，仅用一名研究员与 AI 智能体协作，历时 3.5 个月、花费不到 1000 万美元的计算成本，完成了一款 1000 亿至 5000 亿参数编程基座模型的预训练。据公司披露，AI 智能体编写了超过 99% 的代码，并承担大量实验与故障分析工作。

同一天，前 Meta FAIR 研究科学家总监田渊栋参与创立的 AI 创业公司 Recursive SuperIntelligence 发布 400 亿参数编程模型 Flint。据公司披露，该模型由少量研究人员与 AI 智能体协作，在不到 4 个月内完成训练，其自动化研究系统 Eureka Machine 参与了模型架构设计、训练及推理优化等环节。  

在国内，也有创业公司开始交出新成果。

10 月 28 日，国内 AI 创业公司超衍智能（Apex Intelligence）正式发布 Apex-35B-V1.0 模型。该模型基于 Qwen3.6-35B-A3B 进行中训练和后训练，面向编程、智能体等通用任务，同时探索 AI 研究、计算科学和机器人仿真等场景，兼顾通用能力与研究能力。

据超衍智能披露，在 Apex-35B-V1.0 的研发过程中，其自动化研究系统 Apex Research 参与了训练数据生成、自动化实验、训练方案设计，以及 GPU 内核和推理系统优化等多个环节。

例如，在发现模型处理计算流体力学（CFD）任务的能力不足后，Apex Research 会分析模型的推理短板，自动生成并验证新的训练数据，再将其用于后续训练。据公司内部测试，这一过程使模型在 CFD-Bench 上的成绩提升了 32.1 分。此外，AI 还参与优化训练和推理系统，使训练吞吐量提升 45% 至 60%，解码速度达到原来的 1.6 至 1.8 倍。

在模型性能方面，超衍智能公布的评测结果显示，Apex-35B-V1.0 在科研、智能体、编程及推理等任务中取得较好成绩，在多个任务上优于参数规模达 500B 和 800B 的模型。

这家尝试让 AI 参与研发 AI 的公司，成立至今只有四个月。

超衍智能创立于 2026 年 6 月，背后的掌舵人是 95 后创业者陈勇超。2026 年 8 月，他入职清华大学人工智能学院，担任助理教授。此前，陈勇超本科毕业于中国科学技术大学，曾在哈佛大学和麻省理工学院接受联合培养，研究经历涉及基础科学、机器人、自然语言处理和大模型等领域。

成立数月间，超衍智能已宣布完成累计近 4 亿元人民币的天使轮及天使 + 轮融资，投资方包括 IDG 资本、星连资本、晶泰科技、中关村科学城基金、深创投及上海未来产业基金等机构。

资本开始饱有热情的进入这一方向，但 RSI 距离真正成熟还有多远，还难有定论。

随着 RSI 热度持续升温，质疑声也开始出现。佐治亚理工学院教授 Mark Riedl 曾批评，大型 AI 公司正在追逐 RSI 的炒作热潮。布朗大学计算机科学教授 Michael Littman 则提出了更根本的疑问：AI 通过自我改进产生的下一代系统，是否真的会更擅长研发 AI？在他看来，这一设想在逻辑上能否成立，目前都还不清楚。

一些 AI 企业及创始人已经开始担忧技术进一步发展后的风险。

Anthropic CEO 达里奥 · 阿莫代伊（Dario Amodei）曾公开警告，AI 正在加速参与下一代 AI 系统的研发，如果缺乏有效约束，递归自我改进的速度可能超过人类理解和控制这些系统的能力。  

9 月 21 日，OpenAI 官方发表文章表示，AI 已经参与模型研发，但真正完全自主的递归自我改进仍未实现。如果无法保证人类保有控制权，就不应该推进这类系统。

这些争议背后，几个关键问题亟待解答：AI 已经能够参与下一代模型的研发，但能否通过持续改进，真正实现 " 递归自我改进 "？如果这一过程能够实现，智能水平是否会不断加速提升？而当 AI 的自我改进速度越来越快，人类又能否理解、监督并有效控制这一过程？

近日，腾讯科技与超衍智能创始人兼 CEO 陈勇超进行了独家交流。这也是 Apex-35B-V1.0 正式发布后，陈勇超首次就 RSI 的技术进展及发展前景展开系统性对话。

在陈勇超看来，当前 AI 在科研执行方面已经取得明显进步，但仍然缺少一种更关键的能力：科研 " 品味 "（Taste），即判断什么问题值得研究、什么想法真正具有创新价值。

他用了一个有趣的比喻：人类比猫聪明得多，却未必真正理解猫的喜好。未来，即使 AI 的智能水平超过人类，也可能面临类似的问题。

陈勇超认为，未来 1 至 3 年，AI 的原创性研究能力有机会取得突破，但对于外界期待的 " 智能爆炸 "，他的判断相对审慎：即使 AI 在科研领域超越人类，也不意味着智能水平会无限加速增长。科学研究中的边际收益递减和物理规律，都可能成为限制因素。

当 AI 已经开始参与研发下一代 AI，距离真正的自主创新，还有多少路要走？

以下为腾讯科技和陈勇超的精选版对话实录：

RSI 最难跨越的是人的 " 品味 "

问：早在 20 世纪中期，就有学者提出 " 智能爆炸 " 的设想——如果机器能够不断改进自身的智能水平，就可能形成持续加速的自我进化过程。然而，在此后的数十年里，这一设想始终未能真正实现。过去制约递归自我改进（RSI）的核心技术瓶颈是什么？如今，随着大模型能力不断提升，哪些关键条件发生了变化，让这一方向重新受到关注，并逐渐具备实现的可能性？

陈勇超：过去，递归自我改进（RSI）面临的最大技术障碍，是缺少具备类人智能水平、能够自主探索和解决问题的智能体。随着大模型的出现，这一情况开始发生变化。如今，大模型已经具备一定的自主决策能力，能够处理多模态信息，并针对不同问题提出多种解决方案。

回顾过去的技术发展，无论是形式化方法，还是通过算法实现自动优化，基本都依赖人类预先设计的规则和算法。包括早期机器学习领域的自动机器学习（AutoML）和元学习（Meta-learning），也主要是在预先设定的搜索空间内寻找更优的模型、参数或学习策略。这里存在一个根本性的限制：搜索空间本身是由人类定义的。无论 AI 在既定范围内的搜索和优化能力有多强，都难以自主突破这些预设边界，因此，其自我改进的空间也受到限制。

大模型带来的重要变化，是让这一搜索空间变得更加开放。当人类不再需要事先穷举所有可能的改进方向，AI 可以在一定的安全约束下，像研究人员一样自主提出假设、探索新的技术路径，并尝试通过不同方法改进自身。

这意味着，AI 的自我改进有机会从预设空间内的优化，逐步走向更加开放的自主探索。相比过去，这大大拓展了递归自我改进的潜力，也为这一长期停留在理论层面的设想提供了新的实现条件。  

问：如果将递归自我改进（RSI）的发展程度用 1 到 10 分来衡量，你认为目前处于什么阶段？距离真正实现持续、自主的自我改进还有多远？

陈勇超：递归自我改进（RSI）已经进入了起步阶段。AI 在一些领域已经取得了不错的成果，比如数学研究方面。

如果以 10 分为满分，我认为目前至少已经达到了 1 分，而不是零点几分的水平。虽然距离成熟阶段还有很长的路要走，但这意味着递归自我改进已经开始取得实质性进展。

问：有研究人员认为，尽管 AI 已经能够参与研发更强大的 AI 系统，但目前仍缺乏充分证据表明，它可以完全脱离人类干预，实现自主、持续的自我改进。OpenAI 联合创始人约翰 · 舒尔曼（John Schulman）也曾讨论过 AI 在研究方向选择、实验价值判断等方面的局限。现阶段 AI 距离真正自主的递归自我改进（RSI），还有哪些关键能力需要突破？

陈勇超：我认为，当前最大的瓶颈在于 " 品味 "（Taste），也就是判断什么是好的、什么是真正有价值的能力。

AI 最终需要服务于人类，但 AI 的品味与人类的品味并不完全一致。这种差异未必源于智能水平的不足。事实上，AI 在一些特定任务上的能力已经超过人类，但这并不意味着它真正理解人类的偏好、需求，以及人类判断事物价值的标准。

举个例子，人类的整体认知能力高于猫，但我们依然很难完全理解猫的想法，也未必清楚猫真正喜欢什么。未来，AI 与人类之间也可能存在类似的认知隔阂。

即使 AI 的智能水平进一步超越人类，它也不一定能够准确理解人类真正需要什么，更未必能自主判断哪些研究方向值得探索、哪些成果具有实际价值。

要突破这一瓶颈，首先需要积累高质量的科研数据，尤其是覆盖不同学科、能够完整反映科研过程的数据。

其次，也是更具挑战性的问题，是如何通过训练，让模型具备自主提出创新性研究想法的能力。

仅仅教会模型已有的研究方法还不够，还需要让它理解有价值的研究想法是如何产生的，包括研究人员如何发现问题、形成假设，以及探索新的研究方向。

因此，关键在于如何利用高质量的科研数据和有效的训练方法，让模型逐步形成真正的创新能力，而不只是重复和组合已有知识。

问：如果一个智能系统自身的认知和判断能力存在局限，它如何能够创造出比自己更聪明的系统？又该如何突破自身的能力边界？

陈勇超：这个问题需要通过训练来解决，目前的模型还做不到。

我们需要让模型学习大量具有创新性的研究轨迹，通过训练逐步形成相应的能力。这有点类似于大模型在训练过程中不断获得新的能力，而不需要人类事先把所有规则逐条编写出来。

这其中的关键在于让AI 能够自主开展研究、探索世界。人类社会之所以能够不断进步，是因为人类持续与外部世界交互，通过物理实验和各种实践获得新的反馈，再根据这些反馈形成新的知识。

未来的 AI 也需要具备类似的能力，通过实验、仿真以及与真实世界的交互，不断获得新的信息，而不能只依赖已有数据进行训练。

问：在 " 智能爆炸 " 的经典设想中，AI 一旦能够持续提升自身智能，就可能引发 " 智能爆炸 "。但这种增长是否存在上限？如果 AI 已经超过顶尖科学家，它还能依靠什么继续提升自身能力？

陈勇超：我认为 " 智能爆炸 " 未必会发生。限制 AI 研究能力的因素，不仅来自模型本身，也包括物理规律。

科研本身存在边际收益递减的现象。一个领域在研究初期，投入一定资源可能就能取得很大的进展。但随着研究不断深入，容易解决的问题逐渐被解决，后续投入所带来的收益也可能逐渐下降。

AI 研究也可能遵循类似的规律。即使未来 AI 在多个领域超过人类，也不意味着它的能力会无限加速增长。物理规律和科研活动本身的边际效应，都可能构成限制。

科学家或将成为 " 知识的翻译者 "

问：你此前曾提出，通用大模型可能替代部分白领工作，具身智能可能承担部分蓝领任务，而超级智能（ASI）可能进一步承担科学家的工作。如果未来 AI 在科研和工程等领域全面超越人类，人类的价值将体现在哪里？又将扮演怎样的角色？

陈勇超：从智力水平和科研能力来看，未来大部分科学家、研究人员和工程师的专业能力，都可能被 AI 超越。但人类仍然有存在的意义。一个重要角色，就是理解和解读 AI 的研究成果，再把这些成果传递给其他人。

例如，未来高校可能仍然会有教授，但他们的主要工作未必是亲自开展前沿研究，而是理解 AI 取得的成果，再向学生和社会解释这些成果。

未来，科学家的角色可能更多地转向科研成果的解读和知识传播。  

问：如果 AI 真正进入持续加速的自我改进阶段，最先可能出现哪些标志性变化？一个 AI 科学家需要达到什么标准，才能被认为具备真正的独立科研能力？

陈勇超：最明显的标志是 AI 能够在某个研究领域取得人类长期未能实现的突破。

例如，一些研究方向可能已经困扰人类科学家很多年，始终没有取得关键进展。如果 AI 能够独立找到新的解决方法，甚至完成顶尖研究人员也难以实现的成果，就意味着它在这一领域的科研能力已经达到甚至超过了人类水平。

我们的长期目标是超级智能（ASI）。如果 AI 能够在某个特定研究领域展现出超越人类顶尖专家的能力，这将是一个非常重要的里程碑。

问：随着递归自我改进（RSI）研究不断推进，如何客观评估这类模型的科研能力？目前行业有哪些值得关注的评测方法和基准测试？

陈勇超：基准测试是衡量模型能力的一个方面，但更重要的还是实际应用效果，也就是模型能否在真实科研任务中取得有说服力的成果，我们也在探索针对递归自我改进模型的评估方法。

目前，行业已经出现了一些相关评测，例如 AI for Science 领域的评测，以及 RSI-Exam 等基准测试，开始尝试衡量模型的科研能力。

我认为，科研能力主要包含两个方面：一是提出创新性想法、判断研究方向的能力；二是执行具体科研任务的能力。

一个完整的研究课题通常需要同时考察这两方面。因此，目前一些基准测试也开始将创新构思与实际执行结合起来，综合评估模型的研究能力。

问：目前，业界尚未形成统一的 AI 科研能力评价标准。你认为现有基准测试最大的局限是什么？

陈勇超：最难评估的其实是研究想法的创新性。

目前很多基准测试采用的研究课题，模型可能已经接触过，或者只需要在已有研究成果上稍作修改，就能取得不错的成绩。这类任务对原创性研究能力的要求并不高。

一种可能的思路，是设计更多连人类研究人员也难以解决的问题。如果 AI 能够在这些任务中取得突破，就更能说明它具备较强的科研能力。

近期，OpenAI 围绕千禧年数学难题展开的探索，以及其 AI 模型在数学、计算机科学和理论物理领域取得的三项研究进展，包括挑战计算机科学界延续近 30 年的指数时间假设（ETH），都是值得关注的案例。

问：一项针对自主科研智能体的研究发现，AI 可能通过利用评测机制中的漏洞获得高分，而没有真正完成预期的研究任务。如果这种现象出现在递归自我改进过程中，风险是否可能随着迭代不断放大？

陈勇超：这种风险确实存在，而且目前已经比较明显。

如果评价指标存在漏洞，AI 在持续优化的过程中，就可能利用这些漏洞寻找得分更高的方法，最终偏离真正的研究目标。因此，评价指标的设计非常重要。

关键在于建立可靠的验证机制，包括足够完善的基准测试和评价体系。

问：针对这一问题，超衍智能如何建立可靠的评价与验证机制，确保模型在持续迭代中实现真正的能力提升？

陈勇超：如果希望实现高度自动化，就必须建立足够细致的基准测试和验证机制。同时，还需要与不同领域的专家合作，设计尽可能避免模型利用漏洞的奖励机制和评价指标。

最核心的是先确定几个可靠的总体指标，例如实际效果能否持续提升、成本能否持续下降，以及是否始终符合安全要求。

在这些总体目标之下，可以进一步设置更细分的指标。但细分指标有时也会产生导向性问题，让模型过度追求某个局部目标，反而偏离整体目标。

随着模型能力不断提升，我们希望它最终能够围绕几个可靠的总体目标，自主决定具体的优化路径。

问：目前，递归自我改进（RSI）距离真正成熟还有很长的路要走，但围绕技术失控、安全风险的讨论已经开始升温。您认为业界是否过早放大了这些风险？对于一项尚未成熟、未来发展仍存在不确定性的技术，应该在什么阶段开始考虑安全问题？

陈勇超：现在有这么多安全讨论是合理的。

这有点像原子弹的研发。在技术尚未成熟时，就需要考虑它未来可能带来的风险。如果等到技术真正实现、产生现实影响之后才开始讨论，可能就太晚了。

因此，即使相关技术尚未成熟，提前讨论潜在的安全问题也是有必要的。对我们来说，安全同样重要，但与此同时，我们的目标仍然是推动技术研发。

"AI 自我进化，绕不开基础模型 "

问：超衍智能此次发布的 Apex-35B-V1.0，主要面向通用任务和 AI 自主科研场景。对于一家以递归自我改进（RSI）为核心研究方向的公司来说，为什么选择 35B 这一参数规模？

陈勇超：我们主要综合考虑了模型性能、成本以及未来的应用前景。

35B 到 40B 参数规模的模型，能够在相对可控的成本下实现较好的性能，同时具备较高的实际部署价值。

例如，这一规模的模型有机会在 MacBook 等终端设备上运行，也可以通过单张 GPU 完成推理。相比参数规模更大的模型，它在部署成本、硬件要求和应用场景适配方面更具灵活性，因此也有更广泛的落地空间。

问：这款模型的核心技术定位是什么？除了编程等通用任务，希望重点提升哪些科研能力？

陈勇超：这款模型能够在 35B 到 40B 参数规模的模型中达到领先水平。

在能力设计上，除了编程、智能体任务、问答和深度搜索等通用能力，我们还希望重点强化模型的自主科研能力，让它能够承担更多复杂的研究任务。

目前，我们已经在一些科研场景中取得了初步进展。例如，在机器人领域，模型可以参与仿真实验、生成机器人训练数据，以及优化机器人模型；在其他科学研究场景中，也能够开展流体力学仿真等任务。

我们的目标是进一步提升模型在科研场景中的自主探索和问题解决能力，让它不仅能够执行已有的研究流程，还能逐步具备提出新方法、探索新方向的能力。

问：在这些科研任务中，AI 目前能够自主完成哪些环节？如何区分科研流程自动化与真正的递归自我改进？

陈勇超：目前，我们已经在一些研发环节取得了不错的自动化成果。例如，AI 能够提出新的模型训练方法，也可以自动生成一些过去需要研究人员投入大量时间才能完成的训练数据。

AI 还能够承担一部分科研工作，主要包括分析实验结果，以及检查模型输出是否存在错误等。

在此基础上，AI 也能够进行一些创新性探索，尝试提出新的思路和改进方法。

不过，这些成果中仍有相当一部分属于科研流程自动化。AI 能够执行原本由人类完成的研发任务，并不意味着它已经具备真正的自我改进能力。

这其中的关键在于，AI 能否自主发现新的技术方法，并通过这些方法实现自身能力的实质性提升。这是我们区分科研自动化与递归自我改进的重要标准。

现阶段，AI 虽然能够参与科研创新，但要完全独立地提出具有重大突破意义的新算法或研究方法，仍然存在较大挑战。

问：目前市场上已经有大量开源和闭源基础模型。对于一家以递归自我改进为核心研究方向的创业公司而言，为什么仍然需要自主研发基础模型？

陈勇超：我们发现，无论是现有的开源模型，还是能力最强的闭源模型，在一些复杂科研任务上的表现都不够理想。这与它们的训练目标和能力侧重点有关。

目前，大多数通用大模型主要面向广泛的实际应用场景，而这些任务未必需要很强的原创性研究能力。例如，预订酒店、购买机票等任务，更强调执行的准确性、稳定性和可靠性，并不需要模型提出具有突破性的创新想法。

但科研任务不同。尤其是在探索未知问题、寻找新的技术路线时，模型需要具备更强的创造力，能够提出超出已有方法和研究框架的新思路。

我们也尝试过在现有模型的基础上搭建智能体和自动化工作流。实践发现，这些方法确实能够在一定程度上改善模型的研究表现，但提升幅度仍然有限，难以突破基础模型自身的能力瓶颈。

因此，我们认为有必要自主训练面向科研任务的基础模型，从训练数据、训练目标和训练方法等层面入手，提升模型的原创性研究能力，而不仅仅依赖外部智能体框架来弥补现有模型的不足。

RSI 的下一场竞争

问：目前，RSI 主要有两类探索路径：一类基于现有基础模型，通过智能体和工作流实现科研自动化；另一类则从模型训练入手，提升 AI 的自主研究和自我改进能力。你如何看待这两种路线？未来是否可能逐渐融合？

陈勇超：直接使用现有模型，再通过智能体执行科研任务，已经能够解决很多自动化问题。

但科研中还有一部分工作涉及研究 " 品味 "，例如判断哪些问题值得研究、哪些方向更有价值。这些能力目前仍然是模型的短板，很难仅靠搭建智能体和工作流来解决。

如果粗略划分，大约 80% 的科研工作可以通过自动化推进，剩下 20% 则需要更强的研究判断能力。从长期来看，这两条路线最终可能逐渐趋同。

问：随着越来越多的 AI 公司进入递归自我改进领域，超衍智能希望建立怎样的技术竞争壁垒？哪些底层能力最值得关注？

陈勇超：我们的核心竞争力主要关注三个方面：数据管线、模型训练方法，以及数据飞轮。

首先是数据能力，也就是如何获取和构建高质量的科研数据。

其次是训练方法，如何通过有效的训练，让模型真正提升科研和创新能力。

第三是数据飞轮。我们希望通过持续的研究和模型应用，不断积累新的高质量数据，再利用这些数据改进模型，形成持续迭代的过程。

这三个方面共同决定了研究型模型最终能够达到什么水平。

如果要比较不同团队的技术实力，最核心的还是数据能力。例如，模型的能力是通过什么方法提升的，使用了什么样的训练数据，这些数据从哪里来，是团队自主构建，还是通过其他途径获得的。

这些因素都非常重要，也会影响模型后续持续改进的潜力。

问：展望 2027 年，你最期待看到 AI 自主科研取得哪些突破？在哪些领域，我们可能率先看到具有实际价值、能够被验证的研究成果？

陈勇超：2026 年这一领域的发展速度已经非常快，但 2027 年可能还会进一步加快，比如机器人、芯片设计、物理仿真和量化金融等领域，都有可能出现比较明显的进展。

到那时，我们有望看到 AI 在更多科研和产业领域取得实质性的应用成果，尤其是在一些能够快速开展实验和获得反馈的方向。

未来，类似的探索可能进一步扩展到物理以及其他科学研究领域。随着 AI 逐步具备更强的自主研究能力，我们可能会看到它在越来越多的方向上取得新的成果。