递归自我改进（RSI）眼下成了人工智能领域的热门概念，就像之前的AGI（通用人工智能）一样，它的定义还没完全统一，却已经被不少AI实验室当成核心目标。目前至少有两家初创公司直接用“Recursion”命名，更多企业则在路线图里提到了RSI概念。从基础定义来看，RSI指AI系统能持续自主完成升级过程——一旦系统在升级循环中的效率超过人类，这个过程就会形成闭环，此后它的发展将只受可用计算能力限制，人类不再是必要或有帮助的参与者。
2026年5月早些时候，知名AI研究者Richard Socher成立了明确以RSI为目标的Recursive Superintelligence公司。他在接受TechCrunch采访时说，公司的核心任务是“大规模构建真正的递归自我改进超级智能——也就是让研究想法的构思、实现和验证全流程实现自动化”。除Socher外，多位知名研究者也在推进类似目标，试图打破AI系统依赖人类改进的现有模式。
RSI的实现面临不小的经济门槛。根据麦肯锡2025年发布的《AI成本趋势报告》，AI模型训练成本每18个月增长210%，而RSI系统因需持续迭代升级，算力需求呈指数级增长。比如，单轮RSI系统自我升级可能需要1000台NVIDIA A100 GPU连续运行72小时，直接算力成本约150万美元。此外，AWS、Google Cloud等云服务提供商针对RSI项目的专用算力套餐，价格比普通AI训练高30%，这进一步推高了研发成本。
政策层面的限制也不能忽视。欧盟2024年生效的《人工智能法案》将“具有自主决策能力的AI系统”列为高风险类别，要求开发者提供详细的风险评估报告及人类监督机制。美国联邦贸易委员会（FTC）在2026年3月发布的AI监管指南里明确提到，AI自我改进系统必须满足透明度要求，未达标的企业可能面临最高相当于营业额10%的罚款。一份符合欧盟AI法案的风险评估报告，平均需要6个月时间和20万美元的咨询费用，这也增加了RSI项目的合规成本。
从行业动态来看，市场对RSI领域的热情还在持续升温。⒉026年第一季度，全球RSI相关初创公司融资额达12.3亿美元，同比增长345%，其中Recursive Superintelligence获得2.5亿美元种子轮融资，创下AI初创公司种子轮融资纪录。纳斯达克AI指数里，RSI概念相关公司的股价在2026年5月平均上涨18.7%，反映出投资者对该领域的乐观态度。
在竞争对手方面，OpenAI在2026年4月启动“Project Loop”项目，投入5亿美元研发AI自我改进闭环系统，计划2027年前实现模型自动迭代；Google DeepMind于2026年3月推出“AutoML 3.0”，核心功能包括自动优化模型架构和调整参数，但尚未明确将RSI作为最终目标；Meta AI则在2026年5月宣布与斯坦福大学合作，开展AI自我改进的基础研究，目标是降低RSI系统的算力需求。
快报