通研院孵化团队押注RSI，探索可自进化的个性化智能

从通用模型到个性化智能，人工智能竞争正延伸至长期学习与专属能力沉淀。依托北京通用人工智能研究院（BIGAI）体系科研与产业资源的通衍灵智，聚焦以参数化学习和持续进化为核心的Personal AI，让个人与组织在使用AI过程中逐步积累属于自己的智能资产。

随着AI参与实际工作的时间拉长，企业每天产生的大量业务经验究竟只是被模型临时调用，还是能沉淀为自身AI能力，成为新的问题。OpenAI通过Dreaming改进ChatGPT长期记忆，Meta推出结合个性化理解与自主执行的Muse，均显示AI正从面向所有人的通用工具，转向面向具体用户的长期智能服务。

北京通用人工智能研究院产业平台CEO李未认为，基础模型越强，个性化智能发挥的作用越大。他看好一种新的技术分工：先进基础模型提供共享通用能力，个性化模型通过长期交互和持续进化，形成符合不同主体需求的专属能力。

通衍灵智将方向聚焦于Recursive Self-Improving Personal AI（递归自进化个性化智能），在现有通用模型之上，以轻量化Personal LoRA承载不同主体的专属能力，结合持续学习机制和算力调度技术，让模型在长期使用中不断适应用户，无需各自训练完整通用大模型。

目前AI主要依靠Prompt、RAG、Memory和Skill等机制适应场景，但这些机制多在模型外部组织信息，模型参数通常不因一次业务交互而改变。通衍灵智的共享基础模型加个性化参数架构，进一步关注同一行业、同一任务中不同使用者之间的差异，让长期实践中反复出现、相对稳定的行为模式逐步融入模型。