深度拆解：AI“自己造自己”的RSI，是通往神性的阶梯，还是资本的新故事？
大家好，我是你们的财经记者兼经济学者。
最近AI圈又炸锅了。前脚OpenAI的老板还在吹嘘GPT-6快要摸到“通用人工智能”（AGI）的门槛，后脚一个新的热词就横空出世，把AGI的风头抢了大半。这个词叫 RSI（Recursive Self Improvement，递归自我改进）。
简单说，就是AI不再只是听人指挥干活，而是开始自己写代码、自己跑实验、自己改自己的“大脑”，改完再传给下一代更强的模型。这就好比一个学生不仅自己做题，还自己出卷子、自己改错、自己优化学习方法，然后教给下一个学生，速度越来越快，最后快到人类都看不懂它在干嘛。
这篇文章的核心观点非常犀利：RSI的技术进展是真实的，但围绕它展开的“末日恐慌”与“安全叙事”，本质上是一场精心设计的商业博弈。 一边是AI巨头们高喊“太危险了，要减速”，另一边却是疯狂卖芯片、建数据中心、圈钱融资。
下面，我将把这篇长文拆解为五个维度，用大白话带你看清这背后的逻辑。
---
1. 技术真相：AI真的开始“自我进化”了吗？
首先，我们要把“科幻”和“现实”分开。RSI这个概念其实不新，早在1965年，数学家I.J.Good就提出了“智能爆炸”的概念：如果机器能造机器，且新机器比旧机器聪明，那么智能水平就会像滚雪球一样指数级增长。
但现在的RSI，和以前吹的牛不一样，它有了具体的落地层级。
根据上海交大、清华等机构最新的研究，RSI被划分成了L1到L5五个等级：
- L1-L2（初级）： AI只是执行人类给的改进方案，或者自己找点改进的小窍门。这就像实习生，老板说改哪里，它就改哪里。
- L3-L4（中级）： AI开始有自主性了。它能决定自己需要获取什么经验，甚至能把环境反馈转化成永久性的改动。这就像熟练工，发现流程有问题，自己主动去优化。
- L5（高级/终极）： 这是最可怕的阶段。AI不仅改进任务，还改进“改进机制”本身。它能修改决定后续如何搜索方案、评估结果的底层逻辑。
目前的现实情况是：
OpenAI和Anthropic确实已经迈出了实质性的一步。
- OpenAI 实现了“自动化研究实习生”。他们的数据显示，现在每投入1个人类工作日，AI智能体就能跑3.1个工作日的量。也就是说，AI的研发效率已经超过了人类研究员。
- Anthropic 更激进，他们让较弱的模型（Sonnet 5）去帮助较强的模型（Opus 4.8）进行安全对齐。结果在60小时内，弱模型测试了50多种方案，用极少的数据就把强模型的安全表现推到了接近正式版的水平。
结论： AI确实在“造AI”了，但还没到“失控”的地步。目前更多是在软件系统层面打补丁（比如优化代码、调整任务调度），而不是直接重写底层物理定律。但这已经是巨大的进步，意味着研发速度正在脱离人类的线性控制。
---
2. 安全悖论：为什么“刹车”和“油门”是同一只脚踩的？
文章里最精彩的部分，是对AI巨头们“言行不一”的揭露。
你看，Anthropic的CEO达里奥·阿莫代伊，还有OpenAI的科学家，都在拼命渲染AI的危险性。他们把AI比作“异星心智”，警告说如果不加控制，AI可能会发动网络攻击，甚至毁灭文明。于是，他们呼吁行业“减速”，给安全研究留出时间。
但是，另一头发生了什么？
- 黄仁勋（英伟达老板）直接怼回去：别搞非黑即白，安全和创新不冲突。
- 更讽刺的是，那些喊着“太危险要减速”的公司，恰恰是最赚钱、最疯狂扩张的。
这里有一个巨大的逻辑闭环：
1. 制造恐慌： “AI太危险了，可能会失控。”
2. 提出解决方案： “我们需要更强大的AI来监控和防御这些危险的AI。”
3. 资源需求： “要造这么强大的防御AI，我们需要更多的芯片、更多的电力、更大的数据中心。”
4. 商业结果： 于是，千亿美元的融资、十万张GPU的集群、庞大的基建项目，都被包装成了“维护人类安全所必需的基础设施”。
通俗点说： 这就好比一个卖刹车片的人，一边告诉你“这车刹车太烂，随时会撞死”，一边让你买他最新款的、更贵的、需要更多油才能驱动的超级刹车系统。
谁在受益？
是那些拥有庞大安全团队、封闭数据中心和充足审计资源的头部巨头。因为安全审查成本极高，中小企业和开源社区根本玩不起。这种“安全叙事”实际上是一道护城河，用来扼杀竞争对手，巩固巨头的垄断地位。
---
3. 利益博弈：末日论背后的“算力分配战”
既然AI这么危险，为什么大家不直接停下来？因为停下来意味着失去未来的主导权。
文章指出，当前关于AI风险如何评估、哪些能力需要限制、谁有资格训练下一代模型，这些规则的制定权，牢牢掌握在几家前沿实验室手里。它们既是技术的推动者，又是风险标准的定义者。
- 对于巨头（OpenAI, Anthropic等）： 它们需要维持“高风险”的叙事，以证明其巨额投入的合理性，并阻止监管者过度干预其核心研发流程。
- 对于硬件商（英伟达等）： 黄仁勋为什么反对末日论？因为如果末日论成真，导致政府出台算力审批、数据中心禁令，那英伟达的GPU就卖不出去了。无论最后挖到的是黄金还是怪兽，只要有人还在挖，铲子就有市场。 任何阻止买卡、建机房的声音，都是在砸硬件产业链的饭碗。
所以，这场口水战背后，争夺的不是“人类会不会被毁灭”，而是下一轮算力、资本和产业利益究竟如何分配。
- 造神者（AI公司）： 一边警告神明可能失控（为了合规和垄断），一边要求获得更多资源继续造神（为了商业回报）。
- 卖铲人（硬件公司）： 希望神明永远在进化，因为进化需要更多的铲子。
这就是典型的“左右横跳，深谙凡事发生皆有利于我”的资本逻辑。
---
4. 技术瓶颈：距离“智能爆炸”还有多远？
虽然故事讲得很吓人，但我们得冷静看看技术上的硬伤。目前RSI虽然进展迅速，但离真正的“超级智能”（ASI）还有几道难以逾越的坎：
1. 灾难性遗忘 vs. 保守更新：
AI需要不断吸收新知识，但不能丢掉旧能力。如果更新太激进，AI会“失忆”，忘了怎么说话、怎么走路；如果太保守，又学不进新东西。这个平衡点极难把握。
2. 研究判断力的缺失：
让AI优化代码，标准很明确（跑通就行）。但让AI做科学研究，需要判断一个失败的实验是“方向错了”还是“值得继续探索”。这种直觉和科学品味，目前高度依赖人类。
- *例子：* 真正的科学突破，往往是提出一个全人类都没想过的怪问题。AI目前还做不到这种“从0到1”的创造性提问，它更擅长“从1到100”的优化。
3. 时间预测的分歧：
专家们的预测差异巨大：
- 乐观派（Thinking Machines）：3-4年。
- 中间派（Millidge）：约5年。
- 保守派（O'Neill）：5-10年。
这种分歧本身就说明，目前的技术路径还充满了不确定性，并没有一条确定的“高速公路”通向ASI。
结论： RSI是通往超级智能的入口，但不是电梯。它能让AI跑得更快，但还没到它能自己决定往哪跑、甚至改写交通规则的地步。
---
5. 总结：如何看待这场“RSI”风暴？
最后，我们来总结一下这篇文章的核心洞察，给普通人一个清晰的判断框架：
1. 技术是真实的，但被夸大了： AI确实在通过RSI加速自我迭代，研发效率大幅提升。但“AI自己造出超越人类的超级智能”目前还属于远期愿景，而非迫在眉睫的现实。
2. 恐慌是生意，安全是壁垒： 巨头们炒作“末日风险”，一方面是为了获取更多的监管豁免权（因为“只有我们能管好”），另一方面是为了证明巨额资本支出的必要性。这是一种精心包装的恐慌生意。
3. 利益链条清晰：
- AI公司赚的是“智能溢价”和“垄断地位”。
- 硬件公司赚的是“算力扩张”的红利。
- 投资者赚的是“未来预期”的泡沫。
- 普通人需要警惕的是，不要被“末日叙事”吓住，也不要被“技术神话”忽悠。
给普通人的建议：
- 不要过度恐慌： 目前AI的“自我改进”主要还是在辅助人类、优化流程，距离“反客为主”还有很长的路要走。
- 关注实质进展： 比起听CEO们喊口号，多关注具体的技术指标（如自动化研究效率、模型对齐的具体数据）。
- 看清商业本质： 当一家公司告诉你“这东西太危险，必须买我的更贵的防护罩”时，先问问自己：这真的是为了安全，还是为了让我掏钱？
RSI是AI发展史上的一个重要里程碑，它标志着AI从“工具”向“协作者”甚至“自主系统”的过渡。但在这个过程中，谁在定义规则，谁在分配利益，谁在制造焦虑，这些问题的答案，远比技术本身更值得我们要去审视。
毕竟，在资本的游戏中，拉响警报和努力喂养猛兽，往往真的是同一批人。