Sakana AI 成立递归自我改进实验室，试图打破算力军备竞赛

一句话看懂

Sakana AI 成立专门实验室研究递归自我改进（RSI），让 AI 自己迭代优化，试图绕过算力军备竞赛。

详细发生了什么

日本 AI 初创公司 Sakana AI 宣布成立一个专门的研究实验室，专注于递归自我改进（Recursive Self-Improvement, RSI）技术。该公司由 Transformer 论文合著者 Llion Jones 联合创立，认为 RSI 可以成为美国前沿实验室之间算力军备竞赛的替代方案。

RSI 的核心思路是让 AI 系统能够自主地改进自身算法和架构，通过迭代循环不断提升性能，而无需依赖指数级增长的算力投入。Sakana AI 认为，这种方法可以打破当前“更大模型、更多 GPU”的竞争模式。

然而，Anthropic 对此技术发出警告，认为递归自我改进可能带来控制风险——如果 AI 改进自身的方式超出人类理解或干预能力，可能导致不可预测的行为。

中文圈视角

Sakana AI 的 RSI 路线对中文圈有两点直接意义：

算力受限下的新思路：国内 AI 公司面临 GPU 获取限制，RSI 这种“算法换算力”的策略尤其值得关注。如果 RSI 被证明有效，可能为国产大模型提供一条绕过硬件瓶颈的路径。
安全与监管盲点：Anthropic 警告的控制风险在国内尚未被充分讨论。中文互联网上关于 RSI 的讨论极少，但一旦国内公司跟进，内容安全、模型对齐等问题将浮出水面。目前国内监管主要关注数据出境和内容合规，对自我改进 AI 的潜在失控风险缺乏预案。
平替可能性：国内类似方向的研究如 DeepSeek 的强化学习自我进化、智谱的模型自蒸馏，但尚未有公司明确设立 RSI 实验室。Sakana 的进展可能刺激国内跟进。

几条值得记住的细节

Sakana AI 由 Transformer 论文合著者 Llion Jones 联合创立，总部在东京。
RSI 实验室将专注于让 AI 自主改进算法，减少对人工调参的依赖。
Anthropic 在同期发布报告，警告 RSI 可能导致“失控改进”，建议建立安全护栏。
Sakana 尚未公布 RSI 的具体技术路线图或时间表。
该公司此前以“进化式模型合并”技术闻名，RSI 可视为该方向的延伸。

一句话总结

RSI 可能成为算力受限环境下的突破口，但安全风险不容忽视，中文圈需提前关注。