Google重押递归式自我改进：AI开始参与创造下一代AI

2 阅读

引言

在人工智能的竞技场上，Google 似乎总是处于一种微妙的节奏中：时而领先，时而追赶。最近，这家科技巨头再次调整了它的战略方向，而这一次，联合创始人谢尔盖·布林（Sergey Brin）的深度介入，让一个名为“递归式自我改进”（Recursive Self-Improvement，RSI）的概念成为了焦点。这不仅仅是技术上的探索，更可能预示着 AI 研发范式的根本性转变。

图片

布林的“创始人模式”回归

图片

据路透社报道，布林在过去几个月里，一直向 Google 的关键 AI 员工传递一个明确的信息：团队必须重新追上最前沿。这种紧迫感似曾相识——当年 ChatGPT 发布后，布林就曾以“创始人模式”回归，亲自参与代码编写，并推动了 Google Brain 与 DeepMind 的合并，最终推出了 Gemini 3，实现了强势反击。

图片

如今，Google 再次面临压力。新一代 Gemini 旗舰模型的发布被推迟了约两个月，内部测试显示其在编程等关键领域仍落后于竞争对手。布林的介入，正是为了打破这种被动局面。

递归式自我改进：AI 的自我进化

递归式自我改进（RSI）的核心思想，是让 AI 系统能够自主地改进自身的算法、架构和训练方法，从而实现指数级的性能提升。这听起来像是科幻小说中的情节，但硅谷的头部实验室已经开始认真探索。

  • Anthropic 在 5 月发布了一篇题为《When AI builds itself》的文章，阐述了他们对 RSI 的认知和进展。
  • OpenAI 在 7 月底重新召回翁荔，让她领导专注于 RSI 的研究团队。
  • Jeff Dean 在离开 Google 后，创业方向也直指 RSI，目标是让 AI 自己跑实验、评估结果、修正弱点，并持续迭代。

Google 自然不甘落后。布林明确推动资源投入 RSI，这不仅是技术上的押注，更是对 AI 研发模式的一种反思：在模型能力迭代越来越快的环境下，能否让 AI 研发本身也变得更快？

DeepMind 的“Google 化”与权力重组

为了更高效地推进 AI 战略，Google 对 DeepMind 的管理层进行了调整。长期领导 DeepMind 的 Demis Hassabis 转任董事长，减少日常管理职责；此前担任其副手的 Koray Kavukcuoglu 则接管了 DeepMind 的运营，并继续负责 Gemini。

Kavukcuoglu 实际上是 Gemini 背后的关键人物。在过去一年多里，随着 Hassabis 减少对 Gemini 日常研发的直接参与，Kavukcuoglu 逐渐接手模型开发，并成为技术路线和资源配置的重要决策者。他去年从伦敦搬到 Google 总部，出任 Google 首席 AI 架构师，直接向 CEO Sundar Pichai 汇报。

图片

这一调整使得 DeepMind 与 Google 之间的边界进一步模糊。一些非技术团队将从 DeepMind 转移到 Google 的公司汇报体系中，天平正在越来越明显地向 Gemini 和商业落地倾斜。

算力争夺与内部摩擦

模型训练需要 TPU，Cloud 业务同样需要 TPU，而 Google 内部的计算资源并不是无限的。Google Cloud 的一些高管希望，Kavukcuoglu 的新职位能够减少此前围绕 TPU 分配产生的内部摩擦。Sundar Pichai 也表示，Google 将继续扩大 AI 基础设施投入，以缓解计算资源的约束。

多名知情人士透露，算力不足、项目负责人之间的分歧以及大型公司的决策流程，都曾拖慢 Gemini 的迭代速度。在编程等后来被证明重要的能力上，资源配置也一度不够集中。这解释了为什么 Google 明明拥有庞大的研究团队、芯片和产品生态，却仍然时常出现“追上—被反超—再追”的节奏。

RSI 的实践与挑战

Google 实际上已经在尝试一些相邻方向。DeepMind 此前推出的 AlphaEvolve 系统，可以借助大模型和自动评估机制寻找更好的算法方案，并用于优化部分计算和工程问题。这类系统距离“无需人类参与、自主升级自身”的完整递归式自我改进还有较大差距，但已经展示出一种可能的研发模式——AI 首先成为 AI 研究人员和工程师的工具，然后逐步承担更多实验设计、编程、优化和验证工作。

然而，目前将这些进展直接等同于完全意义上的递归式自我改进仍为时尚早。现阶段的大多数系统仍然需要人类设定目标、提供计算资源、选择实验结果并决定是否部署下一版本。所谓完全开放、自主且持续的自我改进机制，目前尚未成为公开可验证的现实。

行业趋势与未来展望

这一方向并非 Google 独有。随着模型代码能力提高，OpenAI、Anthropic 以及多家 AI 实验室都在探索利用模型辅助甚至自动化部分 AI 研究和工程流程。行业内部讨论的重点，也逐渐从“AI 能否写代码”，转向“AI 能够在多大程度上参与下一代 AI 的研发”。

布林推动 RSI，体现了 Google 当前 AI 战略的一个变化：公司不仅希望 Gemini 在排行榜或者单项评测中重新取得竞争力，也希望提高研发体系自身的效率。这可能是应对 AI 竞争的一种更根本的解法。

结语

Google 正在尝试解决一个更基础的问题：在模型能力迭代越来越快的环境下，能否让 AI 研发本身也变得更快。而“递归式自我改进”，正在成为布林给出的其中一个方向。这一重押能否奏效，不仅取决于技术突破，还取决于组织能否快速把人、钱和芯片集中到正确的方向。无论如何，AI 参与创造下一代 AI 的时代，或许正在悄然来临。