AI自我改进新阶段，具身智能RSI如何重塑机器人研发

在人工智能发展的浪潮中，2026年成为了一个关键节点。随着AI系统逐渐从被研发的对象转变为研发过程的参与者，一个全新的技术范式正在形成——特别是当这一进程与具身智能相结合时，其影响将远超单纯的技术进步本身。

AI参与研发的演进路径

从早期的自然选择到人类通过语言和工具传承知识，再到机器学习算法的出现，每一次技术跃迁都伴随着研发主体的转移。如今，AI已经开始深度介入下一代机器的研发流程。以宇树科技为例，其物理AI机器人自进化路线展示了大模型如何通过研究检索、控制代码生成以及仿真测试形成持续迭代闭环。这种转变不仅改变了研发模式，也重新定义了创新的速度与效率。

当前进展与挑战

尽管AI已经在多个层面实现了自我改进，但距离真正的递归自我改进（RSI）仍有距离。根据《The Last AI Built by Humans》提出的L1-L5分级框架，当前具身智能的公开前沿主要集中在L2-L3级别，而L4更多见于模拟环境。这意味着，虽然AI已经开始接手研发任务并利用历史经验调整策略，但从“能力持续提升”进一步走向“改进能力本身持续提升”，公开证据仍不充分。

具体到具身智能领域，真实部署的经验回流、有效能力继承、World Model筛选真机实验以及AI直接进入机器人研发流程等环节已经得到工程验证，但这些能力尚未稳定闭合为跨任务、跨场景、可持续运行的完整改进系统。因此，判断一家机器人公司的持续改进能力，关键在于其能否快速将真实世界暴露的问题转化为下一版经过验证的新能力。

行业格局的变化

这一趋势对行业格局产生了深远影响。过去，机器人公司需要在每个新场景、本体或任务中重新采集数据、训练模型、调参验证，导致项目制收入模式难以规模化。然而，随着基础模型的出现，情况开始改变。例如，息壤开物（XIRRA）凭借其原生物理AI模型，在短时间内完成了数亿元融资，估值达到5亿美元。这表明，具备通用基座的模型正在成为行业竞争的核心。

安全与伦理的考量

与此同时，AI自我改进带来的安全与伦理问题也日益凸显。OpenAI警告称，如果缺乏适当的防范措施，RSI可能导致人类失去对AI发展的实际控制。复旦大学马兴军研究员指出，AI安全设计必须前置，成为基模训练的一部分。否则，模型训练不仅难以实现预期安全目标，还可能造成大量资源浪费。

未来展望

展望未来，AI自我改进技术将继续深化，特别是在具身智能领域。随着技术的成熟，我们有望看到更高效、更智能的机器人系统不断涌现。然而，这一过程中，如何平衡技术创新与安全控制，将是行业面临的重要课题。

总的来说，2026年标志着AI研发进入了一个全新的阶段。从辅助工具到研发参与者，再到自我改进的推动者，AI正在重塑整个技术生态。在这个过程中，具身智能RSI技术将成为关键驱动力，引领机器人研发迈向新的高度。