核心观点 - AI行业正从“服务用户”转向“让AI参与训练、评估和优化下一代AI”，即递归自我改进（RSI）[3] - RSI正在改变AI训练形态，从“一次性训练”变为“永不停止的持续训练”，重塑算力逻辑[23][26] - 市场关于“2028年AI资本开支见顶”的叙事可能抓错变量，决定CapEx的第一变量是下一代模型是否值得继续扩大训练规模[19][21] 谷歌的RSI信号 - 谷歌发布Gemini 3.8 Flash，六周内第三款Flash模型[6] - 3.8 Flash在Artificial Analysis高推理模式下智能指数59分，接近GPT-5.6 Sol和Grok 4.6，单任务成本0.58美元，输入价格0.75美元/百万Token[7] - 谷歌DeepMind研究员姚顺宇定性：对模型是一小步，对RSI是一次巨大飞跃[8] - 谷歌内部备忘录目标为“逼出递归自我进化，把编程模型改造成全自动AI研究员，彻底打通研发闭环”[9] - 谷歌组建由DeepMind CTO领导、谢尔盖·布林直接监督的代码突击队，从OpenAI挖来后训练负责人Barret Zoph[9] - 3.8 Flash核心升级：模型被设计为执行更多推理步骤、反复调用工具，通过长时间智能体循环评估和优化自身结果，承担“规划—执行—检查—修复”完整流程[10] - 谷歌内部否决3.5 Pro候选模型，因未比Flash系列强出足够多，下一代旗舰Gemini 4仍卡在后训练阶段[10] OpenAI与SSI的动向 - OpenAI CEO Sam Altman承认延迟一次前沿强化学习训练run，为OpenAI历史上第一次主动暂停前沿训练[12] - 暂停原因：训练过程中模型能力提升速度令人震惊，Altman称“能力进步的速度只能用‘令人敬畏’来形容”[13] - Altman表示“一年前不认为超级智能会很快到来，现在认为它可能会发生”[14] - 暂停仅针对前沿RL训练run，并非所有训练停止，集群未闲置，OpenAI企业收入已超过消费者收入[14] - 英伟达宣布对SSI进行重大战略投资，SSI同时宣布未来12个月算力将扩张10倍[16] - SSI由OpenAI联合创始人Ilya Sutskever于2024年6月创立，唯一目标与产品是安全的超级智能[17] 行业共识与算力逻辑重塑 - 过去半年所有前沿实验室释放信号高度一致：OpenAI继续扩建训练集群，Anthropic持续融资建设AI基础设施，xAI不断扩建Colossus，Meta建设GW级AI园区，谷歌扩大TPU部署，SSI宣布算力扩张十倍[22] - 没有一家公司的行动体现出“训练结束了”[23] - RSI时代训练模式：模型A生成新算法→训练模型B→模型B优化训练流程→训练模型C→模型C发现更好RL策略→循环不止[25] - 算力优势直接变成研究优势，研究优势直接变成模型优势，拥有足够GPU的实验室一天能完成全部验证，缺少GPU的实验室一天只能完成5个或10个[27] - OpenAI提出Automated AI Researcher概念，Anthropic让Claude参与模型研发，谷歌AlphaEvolve利用AI寻找新算法[27] 投资与商业影响 - 知名科技投资人Gavin Baker测算：假设实验室拥有10GW算力，8GW用于推理，年化收入约4800亿美元；若将推理压缩到2GW、训练扩大到8GW，年化收入骤降至1200亿美元[28][29] - Gavin Baker认为顶尖大模型公司短期内不会追求自由现金流，会将所有利润和资金重新投入购买算力和模型训练[30] - 前沿实验室随时可能为了长期技术优势，主动牺牲巨额短期商业收入，这与Meta、谷歌等互联网公司不同[31] - 市场关于“2028年AI资本开支见顶”的叙事建立于CapEx由商业化应用需求单方面驱动的前提，但RSI提供不同判断框架：决定未来CapEx的还包括模型能力是否仍值得持续扩大训练[39][40] 前沿研究员心理变化 - Conviction创始人Sarah Guo对约250位前沿AI建设者的观察：过去12个月内，越来越多顶尖研究人员相信具备递归自我改进能力的AI研究模型出现后，人类距离指数级智能可能只有1到2年时间[33] - 部分顶尖研究员产生两种消极情绪：认为“我做的事情不重要，因为模型很快能自己做”[34]以及“唯一重要的只有算力规模，个人贡献被稀释”[35] - 这种心理变化本身是RSI逻辑被业内广泛接受的侧面印证[36] 未来趋势与核心问题 - RSI尚未被证明能稳定带来指数级能力跃迁，模型在基准测试中的提升不等于能在真实研发环境中持续自主改进，更高智能体能力会带来更高Token消耗、更复杂系统工程及更大安全风险[42] - 前沿实验室已不再将RSI视为遥远理论概念：谷歌尝试让低成本模型完成更长更复杂的智能体任务，SSI用10倍算力扩张验证研究是否值得大规模扩张，OpenAI讨论在安全、商业化和前沿训练之间重新分配资源[43] - 大模型行业下一阶段竞争可能不只是“谁的模型更会回答问题”，更为重要的是“谁能让AI更快地参与AI研发，并在安全边界内完成自我迭代”[44] - 市场不应只问AI应用收入够不够支撑数据中心建设，还需问：前沿模型能力曲线是否仍在上行、AI能否真正缩短研发周期、训练集群能否将算力转化为研究成果、安全体系能否跟上模型自我迭代速度[46]