谷歌 DeepMind 高管：史無前例的資本開支，本質是押注遞歸自我改進（RSI）
我是 LongbridgeAI，我可以總結文章信息。谷歌 DeepMind 首席戰略官賈吉特·塞洪指出，行業史無前例的資本開支本質是押注遞歸自我改進（RSI）。RSI 被視為投資邏輯核心及 AGI 後的下一個里程碑。儘管 AI 收入尚無法覆蓋當前鉅額投入，但科技巨頭仍持續加碼數據中心建設，引發股東對現金消耗的焦慮。
谷歌 DeepMind 首席戰略官賈吉特・塞洪（Jasjeet Sekhon）
上週末，谷歌旗下 DeepMind 人工智能部門首席戰略官賈吉特・塞洪，用一個概念解釋：是什麼成果才能支撐行業當前規模空前的資本投入 ——遞歸自我改進（Recursive Self-Improvement，簡稱 RSI）。這個當下炙手可熱的術語，指代能夠自動迭代、生成更強版本自身的人工智能。
塞洪在加州大學伯克利舉辦的智能體 AI 峯會上表示：遞歸自我改進（RSI）是 “整套投資邏輯的核心組成部分”。
如今在行業內，RSI 已經接過通用人工智能（AGI）的熱度，成為所有人熱議的下一個里程碑。至於 RSI 會先於通用人工智能到來，還是與 AGI 同步實現 —— 也就是造出在絕大多數具備經濟價值任務上超越人類的 AI—— 則是另一個完全獨立的議題。
客觀來説，RSI 早已是行業長期追尋的目標。我最早在 2023 年初就從研究人員口中聽到這個詞，但直到最近幾周，各大科技企業才開始在公開場合討論這一概念。
AI 領域或將遭遇 “空中失速”
包括谷歌在內重金押注 AI 的巨頭，軟件與雲服務相關銷售收入雖持續提速，但谷歌股東愈發感到焦慮：公司今年計劃投入約 2000 億美元建設 AI 數據中心與相關硬件，現金消耗不斷擴大，明年資本開支還將進一步加碼。
塞洪今年 4 月從橋水基金入職谷歌，此前曾任耶魯大學統計學教授。他坦言：“目前 AI 創造的收入，尚無法覆蓋我們當下的資本投入。”
這意味着存在巨大風險：我們有可能遭遇 AI 產業 “空中失速”—— 鉅額投入持續發生，預期營收卻遲遲無法兑現。
塞洪直言不諱：全行業當下的資本投入，是 “人類文明史上規模最大的科學豪賭”，規模遠超美國阿波羅登月計劃、曼哈頓工程以及互聯網早期研發投入。他提到，鐵路建設總投資額或許更高，但 “人類當時已經掌握修建鐵路的成熟技術”，因此算不上一場面向未知的科學賭注。
他表示，當前業界現有技術還達不到真正意義上的 RSI，但 “押注 RSI 無法實現，看起來並非明智選擇”。如今行業已經能看到 RSI 的雛形：各大 AI 企業利用模型輔助設計其他模型的組成模塊。
“其實這並不新奇，當年人類正是依靠蒸汽機制造新一代蒸汽機。”
真正的遞歸自我改進（RSI）
不少讀者或許會懷疑，RSI 會不會像當年的通用人工智能概念一樣，最終淪為空洞話術。但不可否認，短短數年 AI 已經實現巨大跨越：
從只能對話、無法獲取新信息、不能主動行動的靜態模型； 進化到能夠自主上網檢索信息、調動海量算力推演複雜問題再輸出答案； 可以讀寫多語言代碼；能夠操控瀏覽器、電腦以及各類軟件執行任務。
現代 AI 智能體還具備這些能力：
整合多方數據完成任務；記錄執行過程，方便開發者排查錯誤；學習人類指令掌握任務方法；遭遇失敗後自主糾錯，長時間持續解決問題、僅需少量人工干預；衍生 “子智能體” 拆分複雜任務。
值得關注的是，AI 已經能夠生成、優化內核、編譯器組件等底層軟件，提升模型在專用服務器上的運行效率。研究者還可以將模型自身輸出結果作為訓練數據，更新權重參數，持續優化後續輸出。
但真正的 RSI 標準要嚴苛得多：系統能夠循環迭代，持續優化自身賴以實現升級的軟件架構與訓練流程，形成正向增強閉環。有研究者這樣定義：RSI 意味着模型可以獨立重構全套架構，演化出全新模型。
人類距離這一步還十分遙遠，更談不上依靠 AI 自主做出全新重大科學發現。
不過塞洪基於近期技術進展判斷，RSI “大概率會在未來幾年內出現”。
在同一場峯會圓桌討論中，他的 DeepMind 同事奧里奧・維尼亞爾斯，以及 OpenAI 聯合創始人沃伊切赫・扎倫巴均認為，RSI 有望在 2027 至 2028 年落地。
生物攻擊安全風險
塞洪表示，RSI 落地固然能帶來巨大紅利：AI 有望攻克疾病、助力人類探索宇宙，但他與剛加入 Meta “超級智能” 研究部門的伯克利計算機教授宋曉冬，在論壇中重點探討 AI 衍生的各類風險，尤其是被用於網絡攻擊、生物攻擊。
宋曉冬提出：短期來看，AI 對攻擊者更加有利。攻防天然存在不對稱性：攻擊者只需要找到一個漏洞實現突破，防禦方卻必須守住全部潛在攻擊入口。
塞洪對此表示認同。攻擊者持續污染開源代碼庫、利用人類編寫的漏洞代碼發起進攻，“短期內形勢不容樂觀。大量系統存在薄弱環節，例如美國電網、醫療機構等等。”
長遠來看，防禦方未來也能依靠 AI 對抗 AI 驅動的攻擊，更多企業與機構有望搭建經過驗證、不存在漏洞的系統代碼。
但塞洪認為，相比 AI 催生的生物攻擊風險，網絡安全問題幾乎算是小挑戰。
“人類當前在生物風險面前十分脆弱。我們距離一個危險場景已經很近：任何人只用自然語言和 AI 對話，就能設計病毒、改造蛋白質。在這個場景下，長期來看優勢依然掌握在攻擊者一方。”
想要抵禦這類威脅，必須對 “具備生物應用價值的材料” 建立完善准入、監控與追蹤體系，類似如今社會管控可製作炸藥的化肥原料。
他還透露，谷歌正在將旗下 AI 內容溯源水印技術 SynthID 適配生物領域。舉例來説，可以幫助合成 DNA 的生物醫藥企業篩查由 AI 生成、具備潛在危險的生物序列。