英伟达单日跌超3%，费城半导体指数盘中一度下挫近6%，AMD、英特尔、美光跌幅均在5%左右。触发这轮科技股抛售的，不是财报暴雷，而是Anthropic和OpenAI先后释放“放慢前沿AI能力推进节奏”的信号。这是硅谷AI巨头第一次主动为增长叙事降温。
希鸥网观察到，这场“刹车论”的源头指向一个长期被科幻叙事包裹的命题——递归式自我改进，即RSI。2026年，它从安全讨论的边缘地带，跨入了AI学术议程、工程实践与创业融资的核心视野。MIT PhD、前字节Seed团队成员瞿骜长期跟踪这条主线，他的判断是：今天跑通的只是RSI的局部循环，严格意义上的自进化还有很长的路要走。
技术演进给出了RSI的第一个可行抓手。Anthropic的Opus 4.5展示了一个关键变化：智能体可以连续工作很久，自行完成读代码、改代码、执行、看结果的闭环。过去需要人反复拆解的任务，现在通过持续输入提示词就能完成。这意味着自我改进从概念变成了工程问题。
但这里必须区分两个概念。持续自我改进是AI在交互中积累经验，更新记忆、工具、技能或工作框架。严格RSI则要求AI参与设计、训练甚至构建下一代自己。I.J. Good在1960年代提出的“超智能机器”设想了递归加速，但今天大量实践仍停留在前者。瞿骜在Reef项目中更愿意用“改进”而非“进化”，因为变化本身没有意义。
更现实的争议在model evolve和harness evolve之间。harness是agent做事时依赖的工作框架，好的harness会让coding agent先摸清代码仓库再动手。但瞿骜对此有保留：harness再强也替不了模型做判断。何况当前model evolve大多基于开源模型，而harness evolve直接架在最强闭源模型上，两边起跑线不公平。
希鸥网认为，这轮“刹车”暴露了AI基础设施增长逻辑的脆弱假设。支撑英伟达估值的是“模型持续变强、算力需求无限扩张”的线性外推。一旦前沿实验室主动控制节奏，资本开支的斜率就会面临重估。但押注RSI的创业叙事并未熄火，只是从功能层转向了更底层的自进化能力竞争。
AI持续自我改进需要“极度求真”的反馈机制。瞿骜做Reef时反复追问：你怎么知道它真的变好了？一个agent可能学到坏经验，把偶然成功当成规律。模型会“近朱者赤，近墨者黑”，不能让它随便瞎进化。这与桥水基金创始人瑞·达利欧强调的极度求真异曲同工——不能开诚布公地讨论问题，就找不到同甘共苦的伙伴。
自我改进的难度因任务而异。优化GPU kernel是好坏几乎无争议的任务，跑一遍就知道快慢。经营公司的CEO Bench测试中，agent如果一直不更新，会一路把公司干破产。写作风格则更棘手，用户觉得“太像AI”的反馈，需要长期内化。这对应达利欧的另一个原则：有意愿帮助团队实现共同目标，因为命运相互依赖。agent也需要从自身经营记录里持续调整决策。
model与harness的协同进化才是出路。单独改一边很难达到两边同时优化的效果。达利欧在《原则》中写道，越是相互关爱，对彼此的要求就越严格，业绩也就越好，这是一个自我增强的循环。AI系统的自我改进同样需要这种机制。harness告诉模型“应该先做规划”，但具体怎么规划，最终靠模型自己的判断力。未来harness可能不再是一本操作手册，而是一套让一群agent长期进化的机制。
金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。如需修改或发布文章，请加微信号：sheisceo