核心内容总结
RSI（Recursive Superintelligence）是由Meta前FAIR研究总监田渊栋等8位顶级AI研究员联合创办的新实验室，估值46.5亿美元，首轮融资6.5亿美金，专注“AI递归自我改进”——让AI自主优化自身、完成科研任务，加速知识发现。文章围绕RSI的技术路线、团队优势、行业竞争、就业影响等展开，田渊栋用“鱼跳干水坑”比喻AI时代的职业危机，强调个人需找到独特价值而非做螺丝钉。
一、RSI到底在做啥？——AI自己进化自己，不用人插手
RSI的核心是“递归自我改进”：简单说，就是让AI代替人类做科研里的重复活（比如找思路、设计实验、优化模型），甚至自己发现新知识。比如现在人类做AI研究要吃饭睡觉，但AI可以24小时不停干，先帮人做繁琐工作，再逐步学会自主找新洞察。他们的终极目标是“最大化知识发现速率”——把计算资源扔进去，就能输出新想法、新成果，加速人类进步。
举个例子：以前训练AI模型，得人类设计架构、调参数；RSI想让AI自己设计实验、评估结果，甚至修改自己的代码或权重，越变越强。这就像让学生自己出题、改作业、提升成绩，不用老师盯着。
二、资本为啥敢赌？——8个AI大佬组队，比单打独斗靠谱
RSI能拿到6.5亿融资，核心是“人”。8个联合创始人都是AI圈的“顶流”：
- Richard Socher（CEO）：MetaMind创始人，Salesforce前首席科学家，懂商业也懂技术；
- Tim Rocktäschel：Meta/DeepMind前研究员，做强化学习出身，融资时帮了大忙；
- Jeff Clune：深耕AI自主研究10年，论文登过Nature；
- 田渊栋自己：Meta前FAIR总监，懂建模和工程结合。
资本看好的是：AI变化太快，产品路径随时会变，但这群人能快速反应、协作高效。而且他们不是“打工”，是联合创始人，动力更足。
三、AI自己改自己，安全吗？——可解释性是“刹车”
AI自己进化，最怕失控（比如改出一个人类控制不了的模型）。田渊栋说，可解释性是关键：
1. 安全层面：得知道AI是咋想的，比如它改了代码，我们要能看懂逻辑，判断有没有风险；
2. 效率层面：训练时就能通过可解释性提前判断模型好不好，不用等几千块GPU跑完全程才知道结果，节省成本。
他们的办法是：先用人类当“裁判”（AI还没强到超过人类评估），未来用AI互相验证（比如一个模型检查另一个模型的可靠性），确保AI在“安全线”内进化。
四、小实验室vs大公司：RSI的差异化在哪？
大公司（OpenAI、Anthropic、DeepMind）现在都在卷“coding智能体”（帮人写代码），但RSI走的是“AI自进化”这条更长期的路：
- 专注度：大公司要同时做很多方向，资源分散；RSI把所有钱和人都投在“递归自我改进”上，更聚焦；
- 灵活性：大公司决策慢，小团队能快速试错。比如DeepMind的AlphaEvolve是用AI优化代码，但RSI是让AI优化自己，更彻底；
- 成本效率：大公司靠堆算力（比如10倍资源），RSI想找更聪明的方法，不用纯拼钱。
五、AI时代咋活？——别当干水坑里的鱼，要做“四维生物”
田渊栋用了个扎心的比喻：大厂裁员像水坑干了，鱼跳来跳去还是没水，得变成“四维生物”才能活。意思是：
- AI已经能做level4-5工程师的活（大厂里刚毕业或资深一点的工程师），未来会替代更多重复工作；
- 别再想着“大厂螺丝钉”，要找自己独一无二的价值：比如做只有你能做的探索（像田渊栋写小说），成为“行走的数据源”（分享别人没有的经验）；
- 未来可能是“新文艺复兴”：每个人都得找自己想做的事，而不是被教育成零件。
总结：AI自进化是大趋势，RSI这类小实验室可能是突破点，但个人得提前适应——别等水干了才跳，要主动进化。
这篇访谈其实是AI行业的“未来剧透”：AI不仅会替代工作，还会自己搞研究；而我们要做的，是从“被AI替代”变成“和AI一起创造”。