AI自我改进RSI进展几何？OpenAI、Anthropic等巨头布局L1-L5等级路线图

在人工智能领域，"人类造的最后一个 AI" 的概念再次引发热议。近期，OpenAI 总裁格雷格·布罗克曼表示 GPT-6 Astra 已接近通用人工智能（AGI）门槛，而随之兴起的新热词 "RSI"（Recursive Self Improvement，递归自我改进）则成为行业关注焦点。

RSI 指的是 AI 系统能够自主编写代码、运行实验并改进自身训练流程，进而生成更强大的下一代模型。这一理念最早可追溯至 1965 年英国数学家 I.J. Good 提出的 "智能爆炸" 设想：当机器能够设计出比自己更聪明的机器时，智能将进入加速正反馈循环。

目前，AI 行业对 RSI 的研究已从理论探讨转向实践布局。上海交通大学、清华大学等机构联合发布的预印本《The Last AI Built by Humans》首次系统性地将 RSI 自主性划分为 L1 至 L5 五个层级：

L1 层级主要负责执行人类给出的改进方案；L2 开始自主寻找改进策略；L3 可以决定需要获取哪些经验；L4 能够把部署环境中的反馈转化为持续保留的改动；而 L5 则进一步将改进机制本身也纳入改进对象，使 AI 不仅能完成研究任务，还能修改后续研究方法，并让后继系统继续使用这些改进后的机制。

在实际应用中，OpenAI 已经实现了 "自动化研究实习生" 目标，其系统能在人类指导下编写代码、运行实验、排查故障和分析结果。截至 8 月中旬，每投入一个人类工作日，OpenAI 研究部门的智能体运行时长相当于 3.1 个工作日。与此同时，Anthropic 的 Claude 系列模型也在安全研究方面取得突破，通过自我查文献、提方案、生成训练数据等方式，显著提升了模型的安全性能。

然而，RSI 的发展并非一帆风顺。尽管多家公司如 Google DeepMind、Meta、腾讯混元等都在积极探索不同路径，但距离完全体 RSI 仍有不小差距。例如，如何解决灾难性遗忘问题、如何实现研究判断力的自动化等，都是当前亟待攻克的技术难题。

值得注意的是，RSI 的快速推进也引发了关于安全与创新的激烈争论。OpenAI 和 Anthropic 的高管多次警告更强智能体可能带来的大规模网络攻击、失控和文明级风险，呼吁加强安全审查。但另一方面，英伟达 CEO 黄仁勋则认为，这种安全叙事实为维护芯片市场利益的手段，不应阻碍技术创新。

这场口水战背后，实际上是算力与资本的利益分配之争。只有头部公司才能承担高昂的安全审查成本，这无形中构成了天然壁垒。同时，它们宣称更强 AI 可防御危险，形成 "越危险越需研发" 的闭环逻辑。

总体来看，RSI 的发展正处于关键阶段。从 L1 的基础执行到 L5 的终极目标，每一步都充满挑战。未来几年内，谁能率先突破技术瓶颈，谁就能在 AI 领域占据主导地位。而这一切的背后，不仅是技术的较量，更是商业利益的博弈。

正如这些图表所示，RSI 的实现需要跨学科协作，涉及科学发现、嵌入式智能、软件工程等多个领域。只有整合多方资源，才能推动 RSI 技术真正落地，迈向真正的递归自我改进时代。