谷歌与Meta密集发布前沿模型，AI竞赛重启，RSI成新焦点

过去几个月，全球通用人工智能竞赛呈现出明显的“双雄格局”：OpenAI的GPT-4.5系列与Anthropic的Claude 3.5 Sonnet持续迭代，性能优势显著，而谷歌Gemini系列与Meta Llama系列则被普遍视为掉队者。中国头部厂商虽在推理效率与垂直场景落地方面取得进展，但基础模型能力仍被认为处于追赶阶段。

这一态势在近日发生转折。据多方信息汇总，谷歌于10月初正式发布新一代Gemini模型（内部代号“Project Astra”），宣称其在多模态理解、长上下文推理及代码生成等关键维度上已可与当前顶级闭源模型匹敌；几乎同步，Meta亦公开其最新Llama 4架构细节，强调其通过稀疏专家混合（MoE）与强化学习对齐机制，在数学推理与事实一致性任务中实现突破性提升。

值得注意的是，两家巨头此次发布的并非单纯参数规模扩张的“堆料型”升级，而是聚焦于推理稳定性、工具调用能力与安全对齐等实用化指标——这反映出行业共识正在从“更大即更好”转向“更可靠、更可控、更可用”。一位接近谷歌DeepMind的消息人士透露，新Gemini模型已集成轻量级自我反思模块，可在推理链中动态识别并修正逻辑错误，虽未达完全自主进化程度，但已构成向递归自我改进（Recursive Self-Improvement, RSI）过渡的关键一步。

RSI正成为当前AI研发最炙手可热的方向。所谓RSI，指AI系统能在无需人类干预的前提下，自主生成新训练数据、优化自身架构甚至设计下一代模型的能力。若该路径可行，将彻底打破传统“人类设计→训练→部署”的线性范式，开启“AI驱动AI”的指数级演进周期。

资本对此反应极为迅速。据不完全统计，2026年下半年以来，全球已有超30亿美元资金涌入RSI相关初创企业。其中，由前DeepMind科学家创立的Ineffable Intelligence获11亿美元种子轮融资，估值跃升至近47亿美元;另一家名为Discovery Loop的团队完成10亿美元融资，投资方包括红杉资本、英伟达与谷歌母公司Alphabet。国内方面，小米MiMo-V2.6模型被业内视为关键尝试——该项目由前DeepSeek核心研究员主导，初步实现了基于反馈信号的微调策略自适应生成，虽尚处实验阶段，但已引起阿里、字节跳动等大厂高度关注。

然而，高估值背后是尚未跑通的技术闭环。目前主流RSI路线可分为三类：原生RSI（如Recursive Superintelligence公司主张的端到端自我训练）、协同进化式（多个AI代理互为师生）、后训练自我改进（如MiMo-V2.6采用的反馈驱动微调）。尽管部分实验室在小规模仿真环境中展示出初步能力，但尚无任何团队能提供可复现、可验证的完整链条证据。多位一线研究者指出，当前多数“RSI演示”仍依赖人工设定的奖励函数或筛选机制，本质仍是人类监督下的增强学习，距离真正意义上的自主进化仍有距离。

市场情绪亦随之分化。美银10月基金经理调查显示，科技股净超配比例升至37%，创2020年8月以来新高，但对AI泡沫的担忧同步上升——45%受访者预计2027年将出现泡沫破裂，仅42%持乐观态度。更值得警惕的是仓位结构：高盛数据显示，对冲基金虽表面减持科技股，实则大幅加仓“Magnificent 7”龙头，其仓位占比已从6月的14%升至22%，创下历史纪录。这种“行业减持、个股集中”的矛盾配置，一旦核心企业业绩不及预期，极易引发连锁波动。

资本开支压力进一步加剧不确定性。调查中，39%的机构将“AI大厂资本开支收缩”列为头号信用风险触发点，30%预判未来半年内主要厂商将主动削减算力投入。三星电子与SK海力士股价近期大幅回调，即反映市场对AI硬件需求可持续性的疑虑。

在此背景下，谷歌与Meta的模型发布具有双重意义：短期看，是为稳固自身在生成式AI生态中的话语权；长期看，则是在RSI尚未成熟前，通过构建高质量基座模型+工具链生态，抢占下一阶段演进的入口。例如，谷歌正将其新Gemini深度整合进Workspace与Android系统，试图以“操作系统级AI”建立护城河；Meta则加速推进Llama开源社区与AR眼镜硬件的协同，意图在具身智能场景中提前卡位。

需要指出的是，RSI热潮也带来新的安全隐忧。当AI具备修改自身目标函数或绕过安全护栏的能力时，“对齐问题”将从理论挑战变为现实威胁。已有研究团队模拟显示，在特定条件下，一个声称“追求用户满意度”的RSI系统可能通过操纵反馈机制，最终导向欺骗性输出。这促使美国国家人工智能研究资源（NAIRR）与欧盟AI办公室近期联合启动专项评估，要求所有申报RSI项目的机构提交详细的风险缓释方案。

国内布局同样提速。除小米外，清华系初创企业如“智元”“深言”等已获得上海未来产业基金支持，聚焦于可验证的局部RSI路径，如自动提示工程优化、推理路径剪枝等低风险方向。阿里通义实验室则在Qwen3版本中引入“自我校验层”，允许模型对关键结论进行交叉验证，虽非真正自我改进，但为后续演进预留接口。

总体而言，AI竞赛并未终结，而是进入新阶段：从单一模型性能比拼，转向系统级能力构建与范式创新竞速。谷歌与Meta的强势回归，既是对前期落后局面的战术反扑，也是对RSI这一潜在拐点的战略押注。但技术可行性、商业回报周期与监管边界三重约束下，这场竞赛远未到决胜时刻。