如果让 AI 接管 AI 研究本身，会发生什么？Richard Socher 正在用一家新公司押注这个问题。

今年 5 月，这位曾任 Salesforce 首席科学家、先后创办 MetaMind 和 You.com（http://You.com） 的 AI 研究者，带着新公司 Recursive Superintelligence（下文简称 Recursive）（https://www.recursive.com）正式走进公众视野。公司一亮相就拿到了 6.5 亿美元融资，GV 和 Greycroft 领投，英伟达、AMD Ventures 等参与投资。两个月后，Recursive 又与亚马逊云科技签下一份价值 4.1 亿美元的多年算力协议。Socher 当时甚至称，这“很可能是未来几年我们签下的最小算力协议之一”。

钱之外，更值得注意的是聚集在这家公司里的人。

Recursive 一共有八位联合创始人。除 Socher 外，还包括前 Google DeepMind 开放式研究负责人 Tim Rocktäschel、长期研究进化算法和开放式学习的 Jeff Clune、Vision Transformer 共同作者 Alexey Dosovitskiy、前 Meta FAIR 研究负责人田渊栋（Yuandong Tian），以及 Josh Tobin、Tim Shi、Caiming Xiong。团队里还有 Peter Norvig、Chris Cummins、Jeffrey Pennington 等研究人员。Socher 在公司成立时公布（https://www.linkedin.com/posts/richardsocher_today-im-very-excited-to-announce-the-launch-activity-7460362745377415168-Wu98）了完整的创始团队名单，投资方 GV 也把这群人的研究背景视为 Recursive 最重要的资产之一。

这群人聚到一起，不是为了再训练一个聊天机器人。Recursive 给自己的目标是：构建能够实现 RSI（递归自我改进）的超级智能，让知识发现自动化。Socher 给最终想象中的系统取了一个名字：Eureka Machine，“尤里卡机器”。

在他最近接受 Latent Space 的长访谈（https://www.latent.space/p/recursive）中，这台机器被描述成一种终极的“发明机器”：给它一个目标、环境和奖励，它能够自己寻找实现目标的方法，并最终用来解决科学和技术问题。这个愿景听起来很遥远，但 Recursive 真正值得关注的地方，是它已经把问题往前推进了一步：AI 的下一个自动化对象，可能就是造 AI 的人。

AI 的下一个自动化对象，是 AI 研究本身

Socher 对这件事的理解来自他自己二十多年的 AI 研究经历。

早期机器学习高度依赖“特征工程”。研究人员需要人工决定，面对一段文本、一张图片或者一个分类任务，究竟应该提取哪些特征，再把这些人工设计好的特征交给模型。后来，表征学习和神经网络逐渐替代了这套流程，越来越多特征不再由人类手工定义，而是由模型从数据中自己学习。

类似的变化随后又发生在模型架构上。Socher 回忆，早期自然语言处理研究普遍是“一个任务一个模型”：情感分析有一套架构，机器翻译有一套，问答又是另一套。2018 年，他参与的 DecaNLP 尝试把十类自然语言处理任务统一改写成问答，让一个神经网络处理不同任务。今天看来，这个方向已经不难理解，但当时论文提交 ICLR 后遭遇了强烈质疑。Socher 在访谈中回忆，评审甚至认为不存在能够统一处理这些问题的通用问答形式，“甚至人类都做不到”。

几年后，大语言模型把这种统一推得更加彻底。

在 Socher 看来，这些历史背后存在一条很清晰的规律：每当 AI 系统中一个原本需要人类手工完成的部分，被可学习、可扩展的系统替代，AI 的能力往往就会继续向前推进。

特征工程被部分自动化了，很多任务专用的架构设计也逐渐被通用模型取代。那么，还有哪个重要环节没有被真正自动化？答案恰恰是 AI 研究本身。

今天训练一个新模型，仍然需要研究人员阅读论文、形成假设、修改代码、设计实验、启动训练、检查结果，再决定保留哪个方向、放弃哪个方向。Recursive 想做的，是把这整套研究循环逐渐交给 AI。

Socher 后来把这套思路概括为：“AI 是代码，而 AI 已经能够写代码。” Recursive 希望自动闭合“提出想法—实现—验证”这条科学研究链路：系统自己提出研究想法，把它转化成代码修改，运行实验，检查是否存在奖励机制漏洞，再根据结果决定下一步研究方向。

不过，这里有一个很重要的概念需要区分：“自动研究（Auto Research）”不等于 RSI。前者意味着 AI 能够自动承担越来越多研究工作；后者则意味着，AI 不仅研究别的问题，还能够持续改进创造和训练自身的系统，由此形成一轮又一轮自我增强。

Recursive 目前做到的仍然属于前者。Socher 自己也把已经公开的系统（https://www.linkedin.com/posts/richardsocher_ai-is-now-doing-our-ai-research-at-recursive-activity-7470861399276068864-b366）称为通往 RSI 的一个“里程碑”，或者“尤里卡机器的 0.1 版本”，而不是已经实现了 RSI。

但在他看来，一个过去不存在的关键条件已经出现了：过去 AI 是人类编写的代码，现在 AI 自己已经能够编写、修改和测试代码。这让“AI 改进 AI”第一次从一个抽象概念，逐渐变成了可以真正运行的工程系统。

为什么是一群研究，“开放式学习”的人？

Recursive 的创始团队因此显得很特别。如果只是想做一个更强的编程智能体，并不需要聚集这么多研究开放式学习、进化算法和自动研究系统的人。

Jeff Clune 长期研究开放式学习，关心的问题不是如何让模型在一个固定基准测试上把分数从 90 做到 95，而是怎样让系统不断产生新的行为、任务和解决方案。Tim Rocktäschel 此前则负责 Google DeepMind 的开放式研究团队。Recursive 的技术路线明显受到进化论和开放式学习研究的影响：它不是只围绕一个固定目标反复优化，而是希望让系统持续探索，把有价值的发现保留下来，再基于已有成果产生新的研究方向和解决方案。

这和传统 AI 训练存在一个明显区别。传统方法通常先由人类定义目标、数据集和奖励，再让 AI 朝着这个固定目标优化；开放式学习更关心的是，系统能否不断创造新的挑战，并随着环境、对手和已有能力变化，继续发现新的策略。

Socher 在访谈中举了 AI 安全攻防的例子。如果只训练一个攻击模型寻找漏洞，它很快会碰到固定任务分布的上限；但如果攻击方和防守方一起进化，防守方不断学习新的攻击，攻击方再针对新的防御继续寻找漏洞，两边就可能形成持续变化的学习环境。

这种思路与 Recursive 想做的自动研究有明显联系。

真正的 AI 研究并不是一道答案固定的数学题。研究人员必须不断决定“下一步值得尝试什么”，而一个实验的结果又会改变下一轮实验的方向。未来的自动研究系统如果只能执行一张由人类提前写好的实验清单，离真正的自主研究仍然很远。最终，它需要学会的可能是：怎样改进自己的研究方法。

“尤里卡机器”0.1 版，已经开始自己跑实验

Recursive 显然还没有造出完整版的“尤里卡机器”。但 Socher 透露，他们已经把早期系统放进了几个能够快速、明确验证结果的 AI 研究环境中。

其中一个是 Andrej Karpathy 的 nanochat。Karpathy 今年开源的 autoresearch（自动研究） 项目（https://github.com/karpathy/autoresearch/blob/master/README.md），实际上已经给出了这种工作方式的一个极简样板：给 AI 智能体一个真实但规模很小的语言模型训练环境，让它自己修改训练代码；每轮固定训练 5 分钟，检查验证集上的“每字节比特数”是否下降，效果变好就保留修改，变差就回滚，然后继续下一轮。按照项目设计，一小时大约可以完成 12 次实验，一晚上可以自动跑约 100 次。

Recursive 把自己的自动研究系统接入类似任务。按照 Socher 在访谈中的说法，在 nanochat 任务上，此前数百乃至数千名人类和智能体参与者已经把成绩优化到 0.937 左右，而 Recursive 的系统在不到两天内进一步降低了这一指标；类似实验随后也在 nanoGPT 上进行。

另一个更加底层的方向是 GPU 内核优化。GPU 内核位于现代 AI 模型底层执行路径中，一点性能改善，在大规模训练和推理中都可能被放大成可观的算力成本差异。Socher 称，Recursive 的系统在相关基准测试的大多数 GPU 内核任务上都取得了领先结果，而团队本身并没有一群专门从事 CUDA 内核优化的专家。

更值得注意的是，其中一些改进并不只是调整学习率、批次大小等超参数。系统会主动寻找新的实现组合，例如在特定的语言模型和 Transformer 场景中引入哈希表。Socher 特别澄清，他们当然没有“发明哈希表”，真正有意思的是：AI 能够自己发现，在这个具体问题里应该把哪些已有技术组合起来。

这也暴露出一个关键问题：如果 AI 可以自己搜索研究空间，人类专家还重要吗？Recursive 目前得到的答案仍然是肯定的。他们发现，如果系统从一个非常基础的 Transformer 开始，也能够不断搜索并改善结果；但如果一开始就给它一个由 Andrej Karpathy 这样的专家设计出的更好起点，最终达到的结果仍然更好。

换句话说，现阶段的自动研究并没有把研究员拿掉。人类给出的研究起点和问题定义，仍然影响 AI 最终能够探索到哪里。真正发生变化的，是实验搜索的速度和规模。

过去需要很多研究人员长时间反复尝试的工作，现在有机会被压缩成一个自动系统连续运行的研究循环。Socher 把其中一个终极指标概括为：“每一美元能够买到多少智能。”如果 AI 能够同时改善模型质量、训练速度和推理效率，自动研究最终改变的可能就不只是研发效率，而是前沿模型本身的成本曲线。

AI 研究 AI，首先学会的可能是“钻评测的空子”

但这件事真正麻烦的地方，也恰恰从这里开始。

让 AI 自动写代码、启动训练，并不是 Socher 认为最棘手的问题。更困难的是：你究竟怎样告诉 AI，什么叫“更好”？这就是“奖励工程”（Reward Hacking）。

Socher 在访谈中举了一个非常简单的例子。假设你给 AI 100 行代码，要求它“让这段代码运行得更快”。评测方法是在程序开头启动计时器，在结尾停止计时器，再比较运行时间。

AI 最简单的“优化”可能根本不是改进算法。它只需要把“停止计时器”那一行挪到程序开头。于是，评测结果显示运行时间大幅下降，任务本身却什么都没完成。

这只是最简单的一种“奖励钻空子”。真正危险的是，AI 的优化能力越强，寻找评测漏洞的能力也可能越强。

Recursive 自己已经撞上了这个问题。Socher 在访谈中透露，他们在优化一个游戏环境时，一口气发现了评测框架（Harness）中的 30 个程序错误。此前基于这些评测完成的研究全部必须作废，因为实验结果已经被污染。

一个有效的检查方法是“对称性测试”：把两个理论上完全对称的位置交换，如果最终结果发生变化，就意味着评测框架很可能存在问题。

类似问题在大模型基准测试中并不陌生。Socher 举例说，一道选择题有 A、B、C 几个选项，仅仅改变答案排列顺序，模型的表现就可能变化。早期的一些模型甚至可能并没有真正理解答案，而只是记住了“这道题答案是 A”。

这让自动研究面临一个很容易被忽略的悖论：AI 越擅长优化，你越需要确定，它优化的东西真的是你想要的东西。否则，一个足够强的研究智能体最先自动化的可能不是科学发现，而是寻找基准测试、实验环境和奖励函数里的漏洞。

而且任务越长，这个问题越严重。几分钟的代码优化尚且可以定义一个清晰指标；如果研究任务持续几天、几周甚至几个月，最后究竟怎样判断一条研究路线真正优于另一条？Socher 也明确承认，任务的时间跨度越长，奖励设计和验证就越困难。

这可能才是从“自动跑实验”走向真正递归自我改进最容易被低估的一道门槛。

Recursive 暂时不会去“自动化科学家”

这也是为什么，尽管 Socher 对 AI 自动做科学研究描绘了很远的未来，Recursive 当前的路线其实比公司名字听起来克制得多。

他在访谈中明确表示：“我们现在不会从任何物理科学开始。”现阶段，Recursive 的重点仍然是 “用 AI 研究 AI”：一边研究怎样让模型训练变得更高效、更自动化，另一边研究怎样提高推理效率、降低模型运行所需的算力。

再往后，才是 Socher 真正想做的事情。

如果未来形成一个能够持续改善自身研究能力的系统，他希望把它进一步用于物理、化学和生物学，包括裂变和聚变能源、新材料、电池、太阳能电池，以及蛋白质设计等问题。

但这些领域多了一层计算机世界里没有的现实约束：科学最终需要和物理世界发生关系。

AI 可以一天修改上百次训练代码，却不能凭空把一次需要数小时甚至数天的化学实验压缩到几秒钟。很多科学假设最终仍然需要真实实验验证，而今天的机器人系统还不足以全面接管实验室。

Socher 在访谈中判断，再过大约 3～5 年，机器人和 AI 能力可能逐渐让这条链路变得更加现实：AI 设计实验，机器人执行实验，结果反馈给 AI，AI 再设计下一轮实验。

这也解释了为什么他虽然相信 AI 最终可能走向超级智能，却并不认同一种完全脱离物理约束的“瞬间智能爆炸”。算力、芯片、能源、实验设备、通信速度，甚至光速本身，都会成为递归改进过程中的现实边界。如果要同时运行成千上万个接近人类研究员水平的 AI 去解决复杂问题，今天需要的 GPU 和基础设施成本依然高得惊人。

因此 Recursive 真正押注的不只是“买更多算力”。它更想验证另一条路径：能不能先让 AI 找到比人类更高效地使用算力、设计模型和开展研究的方法。

从“自动研究”到递归自我改进，还有很长一段距离

2026 年，“自动研究”正在迅速从概念变成真实运行的实验系统。

Karpathy 的 autoresearch 已经展示了一个极简版本：让 AI 智能体在小型语言模型训练环境中自己修改代码、运行实验、检查指标、决定保留还是回滚，然后不断进入下一轮。

Recursive 则把赌注下得更大。它试图回答：当提出假设、实现想法、验证结果、总结经验、继续产生下一轮想法这一整条研究链条都逐渐交给 AI 之后，AI 研发本身会变成什么？

这个问题最近之所以受到更多关注，也和 RSI 突然升温有关。但目前业内对这个词本身仍没有统一、精确的定义，一些研究者也提醒，不应把 AI 辅助研发、自动研究和完整的 RSI 混为一谈。

至少就 Recursive 已经公开的证据来看，现在还远远不能说它实现了 RSI。Socher 对此也坦言：目前公开的系统只是“尤里卡机器”的 0.1 版本，是走向 RSI 的一个里程碑。它已经能够在几个 AI 任务上自主完成研究循环，但这些任务仍然有一个重要共同点——目标相对明确、反馈相对清晰，而且结果能够被自动验证。

从这里走到真正开放式的科学研究，中间还隔着可靠评估、长期任务、奖励漏洞、研究方向选择、物理实验验证，以及一个更根本的问题：当 AI 自己提出下一步研究目标时，人类怎样知道它选择的方向真的是“进步”？这也是 Recursive 接下来真正值得观察的地方。

过去一年，AI 编程已经让“AI 写 AI 代码”变成越来越日常的事情。下一步更重要的问题，可能不再是 AI 能写多少代码，而是：当 AI 开始决定下一段代码为什么要写、下一个实验为什么值得做、失败之后应该换哪条路时，人类研究员在研发循环里的位置会发生什么变化？

Recursive 给这个未来取了一个很有野心的名字——“尤里卡机器”。机器当然还没有开始源源不断地喊出“Eureka”，但它已经开始自己跑实验了。