“没水了，鱼需要进化”：再访田渊栋，46.5 亿美金估值的 RSI 与 AI 自进化｜Neolabs 特辑

📌 一句话摘要

田渊栋深度访谈：详解其加入 RSI 的决策逻辑、递归自我改进的技术路线与商业化思考，并探讨 AI 时代职业变迁与个人意义。

📝 详细摘要

本文是硅谷 101 对 Meta 前 FAIR 研究总监田渊栋的深度视频访谈文字版。田渊栋在访谈中详细解释了他为何选择加入由 8 位顶级研究员联合创立的 AI 实验室 RSI（Recursive Superintelligence），以及 RSI 的核心愿景——通过递归自我改进（RSI）实现 AI 的自动化科研，最大化知识发现速率。他阐述了 RSI 的技术路线，包括对预训练、强化学习、连续思维链（Coconut）、可解释性等关键方向的看法，并对比了 SSI、AMI Labs、Ineffable Intelligence 等新兴 AI 实验室的路线差异。访谈还深入探讨了 AI 对就业市场的冲击，田渊栋用“鱼需要进化成四维生物”的比喻，分析了在大公司“蒸馏”员工、岗位被 AI 替代的背景下，个人如何寻找意义。此外，他对 Anthropic、OpenAI、Google、Meta 等前沿实验室的竞争格局给出了独立判断，认为大模型领域没有永远的赢家，产品与商业化能力将愈发重要。

💡 主要观点

- RSI 的核心是递归自我改进，用 AI 自动化科研过程。 RSI 的目标是建立一个系统，输入计算资源后能输出新知识和洞察，通过让 AI 优化自身环节（如寻找新想法、做强化学习）实现迭代升级，最终加速人类社会的知识发现速率。

可解释性在 RSI 路线中比过去更重要。 可解释性不仅是安全性的核心（判断 AI 是否越界），还能作为效率指标，在训练过程中提前评估模型方向，避免大量算力浪费，是递归自我改进的关键支撑。

预训练是能力基础，强化学习是放大器。 预训练决定了模型内部表示的质量，强化学习只能将预训练中已存在的“种子”答案（如第 200 位的正确答案）提升到首位，无法无中生有，因此预训练的上限决定了强化学习的上限。

大公司同质化严重，小公司应押注大公司无暇顾及的方向。 大公司因高层追热点导致方向趋同（如都做 coding agent），小公司选择差异化路线（如 RSI 的自动化科研）反而能获得窗口期，等大公司反应过来时，小公司已建立优势。

AI 时代个人需从“螺丝钉”进化为“四维生物”。 大公司通过“蒸馏”员工数据训练 AI，岗位被替代是客观趋势。个人不应再追求成为大机器的零件，而应寻找自己的意义和方向，成为能独立创造价值的“四维生物”。

💬 文章金句

- 未来的评估可能会从中间的 benchmark，逐渐转向最终结果，也就是看人和 AI 结合后产出的东西，是否真正有用、是否令人满意。

• 语言更多时候是一种解释工具，而不是思考本身，更不是训练的全过程。
• 有些鱼把水弄干了，其他的鱼就得不停地跳，可水总体上越来越少，你最终只有变成四维生物才能活下来。
• 大模型里没有永远的赢家，现在大家都是犬牙交错地往前走，所以很难说。
• 我们希望押注的是一个范式，也就是「自我进化」这个范式。只要这个范式不变，我们公司的立场就不会变。

📊 文章信息

AI 初评：90

来源：硅谷101

作者：硅谷101

分类：人工智能

语言：中文

阅读时间：104 分钟

字数：25967

标签： AI Agent, AI 商业化, LLM, 强化学习, AI 安全与对齐

阅读完整文章