布林称谷歌“踏上RSI循环之路”：Gemini 4背后，“AI研发AI”开始加速

作者：李嘉佑 57分钟前

一、“研究人员与模型，已经开始协同工作”

谷歌公司可能正在接近人工智能领域的一个关键时刻。据《商业内幕》报道，谷歌于周三分享了一场圆桌讨论的内容，主题是其新款Gemini 4模型Argon的研发过程。在这场讨论中，谷歌联合创始人谢尔盖·布林（Sergey Brin）给出了一个颇具分量的判断：公司内部的AI开发进程正在加速，模型如今已开始帮助构建自己的后继模型。

这一现象有一个专门的名字——递归自我改进（Recursive Self-Improvement，简称RSI），即AI帮助开发更先进的AI系统，从而引发飞轮效应，形成一种不断加速的循环，推动新模型的研发速度越来越快。

“现在，我们的研究人员与模型已经开始协同工作，共同打造下一个版本模型。”布林在圆桌讨论中说。他明确表示，公司“开始踏上RSI的循环之路”，并指出Gemini 4发布前推出的Flash系列模型，就是这一趋势正在发生的证据。

谷歌内部显然不止布林一人持这种看法。谷歌DeepMind负责Gemini递归自我改进工作的维汉·杰恩（Vihan Jain）在X平台发文，谈到Argon模型在自身迭代进化过程中发挥的作用：“当你的后训练需求从申请原始芯片转向申请Argon使用配额时，你就知道RSI飞轮已经挂上了新档位。”

据悉，布林正越来越多地参与谷歌Gemini项目，并利用自己作为联合创始人的影响力，将资源转向他认为最有效的项目，其中包括推动公司更加重视RSI。他对谷歌各团队目前展现出的节奏感到兴奋，并称等到人们看到关于Argon发布的视频时，谷歌内部其实已经推进到后面好几个模型了。

值得注意的还有谷歌随Argon一并发布的安全报告：AI智能体已大幅提升研发效率，负责编写模型运行环境中的大部分代码并修复漏洞，但代码变更在提交前仍需人工审核。换句话说，飞轮在转，闸门还在人手里。

这场表态并非孤例。据上述报道，Anthropic与OpenAI也都表示，AI可能即将进入RSI阶段；AI安全研究机构Gladstone AI本周发布的一份报告显示，其受访研究人员多来自Anthropic、OpenAI和DeepMind，其中多数人认为RSI将在未来3至12个月内开始，如果没有政府干预，这一进程甚至可能更早。这一表态发布后，国内多家科技财经媒体也快速跟进报道。

二、从8月的披露到今天的确认：RSI如何从愿景变成日程表

布林此番表态并非突然。据路透社今年8月披露，这位联合创始人近几个月一直在推动Gemini提速，并把递归自我改进列为重点关注方向之一。

一个更具工程意味的变化是：谷歌正在把越来越多原本属于研究员的工作交给智能体（Agent）——包括评测模型、寻找改进方向、跑实验，再把结果反馈回模型研发流程。谷歌目前尚未公开宣布自己已经实现了RSI闭环，但节奏已经写进了产品：9月2日发布Gemini 3.8 Flash时，谷歌在官方说明中提到，一套长期运行的Agent循环正在“递归地评估和改进底层模型”。Google DeepMind研究员姚顺宇则在这次发布后化用阿姆斯特朗登月名言形容：“这是模型的一小步，RSI的一大步。”

学术界与工程团队的动作同样密集。9月14日，谷歌、Google DeepMind等团队发布Dream-RSI，专门研究如何让Agent通过不断改进探索策略实现递归自我改进，在算法工程、数学优化和GPU kernel任务上显示出更高的探索效率和更低的搜索成本。同月，谷歌研究人员还公开了论文《RRSI：Regularized Recursive Self-Improvement of Agent Harnesses》，提出递归自我改进不必发生在基础模型训练层面——在冻结基础模型的前提下，通过迭代优化prompt设计、控制流、工具选用、记忆机制和上下文管理策略，系统也能在具体任务上持续提升表现。有媒体评价，布林正在“再次进入创始人模式”，谷歌押注的是“AI自我进化”。

三、什么是RSI：从1965年的思想实验到2026年的工程现实

RSI并非新概念。早在1965年，数学家I.J.古德（I.J. Good）就以“智能爆炸”的思想实验对类似图景加以描述；2008年，Yudkowsky用“递归式自我改进”一词来描述一种特定的反馈循环——AI使用自己当前的智能，去改进产生这种智能的认知机器。这一概念此后长期停留在理论推演层面，直到2025年才随着大模型能力提升及其与智能体技术的结合开始有了雏形：AI开始实质性地参与AI自身的研发，从编写代码、发现算法到构造训练数据、优化训练流程，乃至调试自身的运行框架。

从已披露的实践看，RSI的推进呈现“外层快、内核慢”的梯度：跑得最快的是模型之外的Harness工程化系统层，即智能体脚手架、训练推理流水线与算子级优化，这一层目标可度量、验证成本低、失败可回滚；其次是拥有强验证器的窄域算法发现；最慢的是模型架构、预训练配方与权重的自主更新——一轮验证动辄需要一次完整训练，反馈稀疏又直接触及安全边界，仍由人类研究员主导。

行业对“AI参与AI研发”的进度也有标尺。Anthropic将其划分为五个阶段：人类独立研发、聊天机器人辅助、编码智能体、自主智能体和闭合循环；Anthropic认为自己目前处于第四阶段“自主智能体”，下一阶段才是AI自主设计、训练和改进下一代模型的“闭合循环”，也就是完整RSI所指向的状态。行业分析则进一步指出，2026年RSI的关键递归在于——AI不仅改自己，还开始改“改进自己的方法”，即从“改进自己”走到“改进如何改进自己”，RSI的演进被刻画为一个七级阶梯。

需要强调的是，主流前沿实验室对RSI的表述总体保持克制。DeepMind虽将递归改进列为从AGI走向ASI的四条潜在路径之一（与规模扩张、范式转变和群体智能体并列），但其首席执行官德米斯·哈萨比斯（Demis Hassabis）指出，当前系统尚不能独立提出科学问题与生成假说，AlphaEvolve的运行仍需人在回路监督；Anthropic也在其安全立场材料中表示，递归自我改进并非必然。

四、Gemini 4冲刺：Argon之后，Carbon已在路上

回到产品线本身。有市场消息显示，此前谷歌疑似曾将旗舰模型Gemini 4 Pro以“gemini-3.8-flash”为名，悄然在AI竞技场Arena上线测试，已披露的部分基准数据显示其在编码、智能体、推理等多项能力上表现突出。社区中流传着更激进的说法——Gemini 4不是工程师一行行写出来、喂数据喂出来的，而是AI自己迭代出来的，甚至有人直接下结论：谷歌已经“攻克”了RSI；“谷歌DeepMind，已经破解RSI？”式的追问也开始出现。从工程角度看，有分析认为Gemini 4的部分设计决策（比如某些层数的设置、注意力机制的变体）确实可能由AI系统通过大量搜索和实验找出，人类团队只负责设定搜索空间和最终验收。

传言之后是实锤。9月底，谷歌正式发布Gemini 4系列首款模型——Gemini 4 Argon，这被外界视为谷歌今年最重要的一次旗舰发布；目前Argon已在全球范围正式可用，旗舰能力全量开放。在谷歌DeepMind的Gemini官方页面上，Argon已作为Gemini App中的可用能力展示——例如把一个充满项目上下文的无序文件夹，整理成一份清晰的提案演示文稿。

更值得注意的是迭代速度。10月上旬，内部新版本的消息随即出现：新的检查点代号Carbon被曝光，距Argon宣布前后不过十天。谷歌正以化学元素为模型检查点命名——Carbon是元素周期表第6号元素、几乎一切有机生命的基础，社区据此推测下一个检查点的代号很可能是Dysprosium（镝，原子序数66，一种镧系金属）。有分析称，如果谷歌的模型真的已经在某种程度上开始加速自身迭代，那就能解释为何从Argon宣布到Carbon内测泄露间隔如此之短。

节奏变化在人事层面也有注脚。今年8月，哈萨比斯卸下Google DeepMind日常管理工作后，科雷·卡武克奥卢（Koray Kavukcuoglu）正式接手这一业务，同时继续担任谷歌首席AI架构师；他首次对媒体确认，Gemini 4已进入后训练早期，目标是“尽快发”。此前，原计划于今年6月亮相的Gemini 3.5 Pro迟迟没有正式落地，团队中途选择“稍微暂缓一下”，先把精力放到Flash系列上，如今注意力已全面转向Gemini 4。

在外界看来，Gemini 4 Argon并没有“碾压所有对手”，但它完成了一个更重要的任务——把谷歌从“观众席”拉回了“牌桌”。当前的AI前沿已形成清晰的“三国杀”格局：谷歌凭知识工作、超长上下文和网络安全防御守住了自己的地盘，OpenAI在科学推理等方向保持强势。

五、算力、组织与资本：飞轮之外的三重踩油门

模型提速的同时，算力侧也在同步踩油门。据披露，谷歌已开始直接对外销售TPU芯片，目标相当明确——挑战英伟达；模型团队与芯片团队也越绑越紧，DeepMind研发下一代模型时产生的新需求，会提前反馈给硬件工程师，用于规划未来两到三代TPU。高盛全球投资研究部的预测显示，AI服务器AI芯片中非GPGPU架构的出货占比将从2024年的36%逐步提升至2027年的45%；此前谷歌发布完全依靠自研TPU芯片训练的Gemini 3系列且在多项测试中处于行业领先地位，进一步强化了市场对非GPGPU芯片远期份额的预期。

【图表：非GPGPU架构AI芯片出货占比变化及预测图】

从2024年的36%到2027年预计的45%，非GPGPU架构芯片在AI服务器中的份额正稳步抬升。谷歌以自研TPU全流程训练旗舰模型的路线得到验证，意味着“模型定义芯片”的正循环正在形成，AI芯片市场的竞争维度正从单一GPU扩展至多元算力体系。

更激进的一步在太空。谷歌正与美国商业卫星公司Planet合作，计划通过SpaceX猎鹰9号发射原型卫星，其上将搭载4颗TPU，测试在轨运行能力，项目名为“Project Suncatcher”——把部分机器学习基础设施搬到太阳能更充足的轨道上。按照方案，芯片在太空中大约可以运行15分钟，之后需要关闭冷却，这一步要验证的是TPU能否先在轨道上“活下来、跑起来”。

组织层面，速度甚至成了离职的理由。前Mozilla工程师、后加入DeepMind的罗伯特·奥卡拉汉（Robert O'Callahan）宣布辞职，理由不是谷歌AI发展太慢，而是“太快了”——他负责的硬件芯片设计工具会加快下一代AI芯片设计，在他看来，这将让人工智能变得更便宜、更高效，也更强大。

资本市场则在用真金白银投票。据披露，2025年第三季度，伯克希尔·哈撒韦首次披露持有约1784.61万股Alphabet A类股票，季末市值约43.38亿美元；阿贝尔于2026年1月接任首席执行官后，第一季度两类股票合计持仓增至约5783.50万股，第二季度再增加约4814.46万股，达到约1.0598亿股（约10598万股），季末合计市值约377.64亿美元，占其13F披露股票组合约12.6%，两类合并后成为其第三大持仓。这种跨越管理层交接的持续加仓，指向一个共同的判断：RSI一旦成立，将为算力创造独立于终端用户需求的“第二需求曲线”——训练不再是“训练—发布—结束”，而是模型提出算法、并行运行数百至数千个实验、评估结果并启动下一轮训练的持续闭环。

【图表：伯克希尔持有Alphabet股票数量变化图】