最先跑通具身智能RSI的，未必是模型最强的公司

文 | 智讯智库，作者 | 陈宥文 如果把智能演化压缩成一条线，推动变化的主体一直在迁移。 最早，是自然选择塑造人；后来，人类用语言、工具和制度把知识留给下一代；再后来，人开始制造机器，并不断让机器变得更强。 到了2026年，一个新的转折开始出现： AI开始从被研发的对象和辅助工具，进入研发过程本身——不只被人改进，也开始参与下一代机器的研发。 这很像“棘轮”——机械上的棘轮允许齿轮沿一个方向转动，同时阻止它退回原位；人类文化也通过保存知识、工具和方法，让后来者站在前人的成果上继续改进。研究者将这种成果得以保留、并在此基础上持续累积的机制称为“文化棘轮效应”[1]。 过去，推动这个棘轮的始终是人。 关键的变化，开始出现在研发端。 在2026世界机器人大会上，王兴兴介绍宇树正在探索的物理AI机器人自进化路线：大模型介入研究检索和控制代码生成，再通过仿真、真机测试和评价反馈形成持续迭代闭环[4]。 也就是说， AI系统的角色，正在从研发对象和辅助工具，进一步延伸到下一代机器的研发过程。 而要进一步跨入RSI，关键还在于： 上一轮研发积累能否反过来提升下一轮研发效率，使系统越来越擅长产生有效改进。 这正是 RSI（Recursive Self-Improvement，递归自我改进） 关注的核心：系统不仅继承上一轮的改进结果，还进一步优化产生改进的方法本身 [5]。 如果这一机制能够稳定提效积累，“下一代更强”就可能进一步变成 “更强的下一代出现得更快” 。 推动棘轮的主体，也就不再只有人。 而当这套逻辑进入具身智能，又会多出一层数字环境难以等价面对的约束： 真实部署。 机器人每一次真机试错都会消耗设备、时间和人力，却也会暴露真实状态、异常、接管与恢复等信息。如果这些部署经验能够稳定回到训练和验证系统，并被后续版本继承，产品部署就不再只是商业交付，也开始成为持续改进的研发入口。 因此，判断一家机器人公司的持续改进能力，可以落到一个很具体的问题： 今天在真实世界暴露的问题，需要多久才能转化为下一版经过验证的新能力？ 基础模型决定这一代能做到什么，持续改进系统决定下一代能力能以多快的速度形成。 由此就可以说： 最先跑出具身智能RSI闭环的，未必是基础模型最强的公司。 要理解这个判断，可以先看数字环境中的RSI究竟走到了哪一步。 AI已经会自我改进，但离“越来越会改”还有距离 1965年，英国数学家I. J. Good提出“intelligence explosion（智能爆炸）”：如果机器能够参与设计比自己更强的机器，更强的下一代又继续参与研发，改进便可能一轮轮叠加[6]。六十年后，这条链里几个过去只能存在于思想实验中的环节，已经陆续进入工程系统。 今天的问题因此已经变了。我们不再只问机器会不会参与研发，而要进一步判断： 它已经参与到哪一层，上一轮的改进又能不能真正进入下一轮？ 第一步：AI开始接手研发 最先发生的变化，是AI从研发助手逐渐变成研发执行者。9月17日，Anthropic第一次用内部数据量化这种变化[7]。按照Epoch AI提出的Automation Level，2026年2月，其内部达到AL4——人主要提供高层目标、AI完成大部分端到端任务——的研发工作占比还不到1%；到8月，这一比例已经升至26%，超过90%的研发工作至少达到AL3。 图片备注：Anthropic数据显示，Claude主导完成的AI研发工作占比从2026年2月不足1%升至8月的26%，AI正在从研发助手进入更完整的端到端执行环节。 图源：Anthropic Institute，Measurements for Understanding the Pace of AI Development Inside Frontier Labs，2026年9月。 研发规模也在同步扩大。在Anthropic使用最多的内部Agent平台上，任意时刻约有3万个Agent同时从事研究和工程，仅8月就做出了超过10亿次决策[7]。虽然还没有被测量的研发工作达到完全无人介入的AL5，但人与AI的分工已经明显改变： 人开始退出越来越多 的 具体执行，把位置上移到目标设定、监督和最终判断。 执行权正在转移，但这仍然只是研发自动化。真正决定棘轮能不能继续向前转的，是上一轮研发留下的经验，能不能进一步改变下一轮研发本身。 第二步：经验开始改变下一轮怎么研发 Dream-RSI直接触到了这一层[8]。它把过去真实搜索留下的记录组织成“回放模拟器”，让AI在已经发生过的探索历史中重新测试不同策略：哪条路线值得继续，什么时候应该停止，多少实验需要并行，有限算力应该投向哪里。 图片备注：Dream-RSI把真实搜索历史转化为可反复回放的模拟环境，让上一轮经验直接参与优化下一轮搜索策略，形成“探索—回放—改进—再探索”的循环。 图源：Dream-RSI官方项目页，Dream-RSI: Recursive Self-Improvement through Evolving Worlds，Figure 1。 改进后的探索策略再进入真实任务，新产生的记录继续补充模拟器，如此循环。整个过程中，底层coding agent并没有改变，真正被改写的是模型外部的搜索和编排方式。 这种改变已经体现出可计量的效率差异。在GPU Kernel任务中，Dream-RSI用1.79至2.43倍更少的生成次数达到相近性能；在另一些任务中，则能在相近预算下把性能最高提高到固定探索策略的2.09倍[8]。 过去的经验，开始反过来改变下一轮应该怎么寻找答案。 但这里仍有一条清楚的边界。Dream-RSI改进的是模型外部的搜索策略，底层Agent并没有随着循环一起变化；研发方法变好了，并不等于被研发出来的新系统也更擅长继续研发下一代。要跨过这一层，修改对象还必须继续向系统自身推进。 第三步：被改出来的Agent，重新站回研发起点 Darwin Gödel Machine（DGM）把修改对象推进到了Agent自身[9]。它允许coding agent直接修改自己的代码，新版本随后进入真实编程任务接受检验，表现较好的版本被保存进archive，再成为后续修改和搜索的起点。 图片备注：DGM允许coding agent修改自身代码，并把表现更好的新版本重新放回后续搜索过程，形成持续扩展的Agent演化谱系。 图源：Sakana AI，The Darwin Gödel Machine: AI that improves itself by rewriting its own code，2025年5月。 最终，SWE-bench成绩从20.0%提高到50.0%，Polyglot从14.2%提高到30.7%[9]。但这里更重要的并不是Benchmark本身，而是 被改出来的新Agent没有停在实验终点，而是重新站到了下一轮研发的起点。 修改、测试、保留、继续修改，由此具备了连续运转的结构。 DGM仍然留着一个关键缺口。它的archive怎样维护、版本怎样选择、整体搜索怎样组织，仍由外部框架规定。换句话说，它证明了AI可以不断改出新的Agent，却还没有证明 新Agent越强，它继续开发下一代Agent