2026 RSI DELTA 人工智能创新者峰会 · 北京中关村 | 演讲人：陈勇超（清华AIR/超衍智能）、胡圣然（Recursive）、崔鹏（清华教授）、赵昊（清华AIR） | 主题：人工智能的自进化与创业新机遇（RSI）
核心洞察：人工智能正正式迈过“模仿人类静态语料”的学徒期，全面挺进递归自我改进（Recursive Self-Improvement，RSI） 与“AI自主进化”的终极主战场。大模型的下一道阶跃，不再取决于互联网存量文本的堆砌，而在于构建“代码自重构、假设自生成、实验自闭环、评估自校准”的自演化机制。超衍智能在数学领域突破三十年未解的优超猜想、Recursive 基于开放式算法驱动的 The AI Scientist 登顶 Nature 顶刊，以及生物医药对湿实验瓶颈的第一性审视，共同吹响了 AI 从“副驾驶（Copilot）”跃迁为“自主科学家（Autonomous Scientist）”的划时代号角。
01 递归自进化新纪元：RSI 的四重境界与“创新-求稳”权衡突破
在 2026 RSI DELTA 人工智能创新者峰会上，学界与产业界领袖共同将目光聚焦于通用人工智能（AGI）最底层、也是最关键的飞轮：RSI（Recursive Self-Improvement）。当现有大模型的强化学习与自回归推理逐渐撞上人类标注数据的天花板，AI 是否能够像人类文明与生物进化一样，通过自身生成的认知闭环实现能力的连续指数级自给自足？
峰会系统梳理了 RSI 从工程工具到终极自主智能的四重递进范式：
- L1/L2: 工具辅助期：工程师使用外部模型（如 Codex、Claude）辅助编写代码、排查缺陷并迭代自身模型，人类仍然牢牢掌握演化的指挥棒。
- L3: 智能体闭环期：构建多智能体沙箱，模型能够自主生成候选微调数据、调度编译工具、执行回归测试并评估改动收益。
- L4: 终极全流程 RSI：AI 全面接管自身研发生命周期的所有环节，以第一性原理主动侦测并击穿系统中最根本的“瓶颈因子”，实现全自主递归跃迁。
然而，现有大模型在通向 RSI 的道路上面临着残酷的内在矛盾：创新能力（Novelty）与求稳性（Stability）的根本博弈。传统的强化学习策略（如 RLHF/DPO）倾向于让模型输出确定性高、符合人类审美安全阈值的“平庸中位数”，但这直接阉割了颠覆性科学发现所需的狂野探索能力。打破这一 Trade-off，是构建真正自进化模型的先决条件。
02 AI 科学家的现实破局：超衍智能攻克三十年未解数学猜想
清华大学人工智能产业研究院助理教授、超衍智能（Apex Intelligence）联合创始人陈勇超在会上作了极具冲击力的实战报告。他指出，“AI 科学家（AI Scientist）”不再是科幻概念，而是正在以日夜不停的算力呼啸落地。
超衍智能研发的 Apex Research 智能体系统，已经展现出超越人类普通博士生乃至资深学者的端到端科学发现能力。在极为严谨的现代高等数学分析领域，Apex Research 成功攻克了困扰数学界达三十年之久的优超猜想（Mockenhaupt’s Conjecture），并由该猜想提出者、著名数学家 Mockenhaupt 本人通过电子邮件进行了权威认证与极高赞誉！
从端到端自动化科研到顶会论文：Apex Research 不仅能生成数学推演步骤，更能自主完成背景文献检索、提出前沿假说、编写实验代码验证，并最终撰写出符合顶级学术会议（Top AI Conferences）严格 Peer Review 标准的高质量论文。
ASI-Bench 基础设施开源发布：为了解决科学智能领域“评测比生成更难”的世纪难题，超衍智能推出了跨越 15+ 核心学科、包含 100 个复杂科研项目的基准套件 ASI-Bench，AI 在 4~6 小时内即可完成人类研究团队数周的科研工作量。
重塑科研生产关系：未来学术研究的传播媒介将从静态 PDF 论文彻底演化为“包含思维链、验证脚本与交互沙箱的动态研究轨迹（Research Trajectory）”。
| 前沿假说生成速度 | 数周至数月，受限于单人文献阅读量 | 数分钟内全域跨学科检索与假设组合 | 假说生成效率提升千倍以上 |
| 严密数学定理求证 | 纸笔推导结合符号计算，极易疏漏 | 形式化验证器（Lean/Coq）+ LLM 自循环纠错 | 实现绝对逻辑自洽与反事实校验 |
| 试错与实验周期 | 4 ~ 12 周，实验受限于体力与时间 | 4 ~ 6 小时端到端跑通完整实验链 | 将漫长探索周期压缩至“小时级” |
| 同行评审与质量防线 | 评审周期长达数月，存在主观偏见 | 自动化多智能体红蓝对抗（Automated Reviewing） | 即时发现逻辑漏洞与实验设计缺陷 |
03 开放式算法（Open-Endedness）：超越目标优化的“垫脚石”哲学
Recursive 创始团队核心成员胡圣然在峰会上深入拆解了入选 Nature 顶刊的里程碑成果《The AI Scientist: Towards end-to-end automation of AI research》（与知名学者 Jeff Clune、Cong Lu 等联合打造）。他提出了一个发人深省的核心哲学命题：为什么单纯依赖目标驱动（Objective-Driven）的算法，永远无法孕育出人类级别的科学革命？
胡圣然指出：“自然界数十亿年的生物进化和人类文明的科技爆炸，从来都不是由一个预先设定的损失函数（Loss Function）所引导的。从单细胞生物到人类的大脑，进化没有特定的‘终极目标’；电力的发明者最初也绝不是为了发明计算机。”
- 欺骗性目标陷阱：在极其复杂的搜索空间中，距离终点看起来最近的方向往往是死胡同（Local Minima）。只盯住目标的优化算法必然陷入欺骗性陷阱。
- 保留垫脚石（Stepping Stones）：开放式算法（Open-Ended Algorithms）的核心不在于盲目登顶，而在于不断发现有趣、新颖、具备潜在分支能力的“垫脚石”，为未来的跳跃积累认知筹码。
- AI Scientist 的全自动闭环：从头脑风暴、实验设计、跨模态可视化到手写 LaTeX 论文并完成 AI 审稿评分，形成永不休眠的跨学科科学发现引擎。
核心心智模型：真正的超级智能不是一部精准执行预定任务的计算器，而是一台“开放式好奇心引擎”。科学发现的本质是探索那些“尚未被定义目标”的未知荒原。通过开放式算法（Open-Endedness）保留那些看似无用却富含分支潜力的垫脚石，AI 才能真正跨越已知知识边界，创造前所未有的新知识体系。
04 生物医药第一性原理与 RSI 创业窗口期
在大会的产业落地与闭门圆桌环节，清华大学崔鹏教授、赵昊助理教授、Anthropic 研究员董明泽以及创新工场前沿科技基金总经理任博冰展开了激烈的思想交锋，探讨 RSI 从纯数字空间向真实物理世界的“着陆点”。
以生物医药与虚拟细胞（Virtual Cell）建模为例，从第一性原理审视，算力与代码生成并不是真正的瓶颈，物理世界中的“湿实验（Wet-lab Experiments）”数据回传与因果验证才是终极约束。纯在计算机里跑模拟的模型无论自进化多少轮，如果无法在真实细胞和分子层面上验证，就可能沦为精密的数字幻觉。
从“如何学习”到“下一次度量什么”：生物医药领域的 RSI 系统，核心价值不再仅仅是拟合现有基因测序数据，而是自主规划最具信息增量的实验探针（What to measure next），以最小的试剂与时间成本刺破生物暗物质。
创业者的生态位选择：当基座大模型具备自我进化能力，单纯封装 Prompt 和简单 RAG 的外挂型创业公司将在几个月内被降维打击。创业者的生命线在于：深度绑定高壁垒的专有物理数据闭环（如医疗临床、合成生物机理、具身机器人接触力学）或构建不可替代的形式化验证安全沙箱。
资本与孵化新逻辑：技术进化速度已经超越了传统商业计划书的生命周期。资本正在从“押注单一功能产品”全面转向“押注具备自进化基因的底层系统与复合型科学家团队”。
总结与展望：2026 RSI DELTA 人工智能创新者峰会揭示了一个不可逆的历史拐点：人工智能正在从由人类喂养数据的“被动系统”，全面蜕变为自我审视、自我纠错、自我进化的“主体系统”。无论是在纯数理领域的定理攻克，还是开放式算法对科学边界的拓荒，抑或是与物理世界的严谨握手，RSI 已经从学术讨论演变为全球科技竞争的战略制高点。那些率先建立递归自进化飞轮的团队与组织，将成为定义下一代超级科学文明的奠基人。
