AI 开始改进 AI：递归自我改进的时代来了吗？
我最近一直在关注一个趋势，这个月尤为明显——AI 正在被用来改进 AI 本身。
这不是什么新概念。“递归自我改进”（Recursive Self-Improvement）这个词，早在上世纪中叶就有人提出来了。但过去它更多是思想实验，属于 AI 安全研究者讨论的理论话题。直到最近几个月，我突然发现，它正在变成现实。
Google 的焦虑与 Brin 的回归
先说 Google。据 Reuters 报道，Sergey Brin 已经在幕后推动了好几个月，告诉核心员工"Google 亟需追回前沿阵地"。他特别关注的一个方向，就是递归自我改进——让 AI 系统具备足够的 AI 研究能力，从而能够参与开发更强的 AI 系统，形成正反馈循环。
与此同时，Google DeepMind 迎来了一次重大人事调整：Demis Hassabis 升任 Alphabet 首席科学家兼 DeepMind 主席，不再负责日常运营；原首席 AI 架构师 Koray Kavukcuoglu 接手 Gemini 模型开发和前沿 AI 研究。
我读到这条新闻时，第一反应是：这说明 Google 内部对当前 AI 竞赛的紧迫感已经到了临界点。Hassabis 不是被架空，而是被"解放"出来去做更宏观的战略思考。Brin 亲自下场督战，这在 Google 历史上极为罕见。
OpenAI 的 AGI 宣言
另一边，Sam Altman 登上了《时代》杂志封面。他公开表示，OpenAI 虽然还没到 AGI，但他相信到今年年底，内部会有一个他个人认为"可以称为 AGI"的系统。他还说，新发布的 Astra 模型"可能是第一个真正发明重要新东西的模型"，这让他感觉"很 AGI"。
这些话当然有营销成分。但 Astra 的技术指标确实令人侧目：在 ExploitBench 上拿了满分，发现了两个零日漏洞，成为第一个跨越 OpenAI 自定义"关键网络安全阈值"的模型。OpenAI 已经为它设置了受限访问机制——这本身就说明了问题：他们自己也觉得这个模型太强了，不能随便放出去。
AI 研究 AI 的闭环正在形成
如果你把这几个事件放在一起看，一个清晰的图景浮现了：
- AI 辅助芯片设计：Nvidia 投资 35 亿美元给 MediaTek，合作开发定制 AI 芯片，而 Nvidia 自己早已在用 AI 优化 GPU 架构设计。
- AI 用于 AI 安全研究：Astra 发现零日漏洞，这意味着 AI 不仅能写代码，还能审计代码、发现人类安全专家遗漏的问题。
- AI 辅助模型训练：Anthropic 的企业级"前沿安全防护"系统，本质上就是用一个 AI 系统来监控和对齐另一个 AI 系统。
- AI 加速科学研究：Google DeepMind 的 AlphaFold 系列已经证明了 AI 在科学发现上的能力，而这类能力正在被扩展到更多领域。
这些不是独立事件，它们正在形成闭环。AI 设计更好的芯片 → 更好的芯片跑更强的模型 → 更强的模型做出更好的科学发现 → 科学发现反哺 AI 发展。这就是所谓的"奇点前兆"，只不过它发生得比大多数人预想的要安静。
我的看法
我不打算在这里讨论 AGI 是否会在今年到来——这种预测没有意义，因为定义本身就有争议。但有一点我觉得是确定的：AI 正在从"人类的工具"变成"研究自身的工具"。这个转变的速度比大多数人意识到的要快。
作为一个写了十几年技术博客的人，我很少用"历史性的"这种词。但这一次，我觉得我们确实站在一个拐点上。递归自我改进不再是理论概念——它正在发生，而且是由世界上最有资源的几家公司在同时推动。
唯一的问题是：当这个循环运转起来之后，人类还能在多大程度上控制它的方向？
科技动态
美国国防部上线 ChatGPT 和 Grok，用户达 300 万
美国国防部将其生成式 AI 平台 GenAI.mil 升级，正式引入 OpenAI 的 ChatGPT Mil 和 xAI 的 Grok for Government。据 Hoodline 报道，该平台用户已突破 300 万，主要用于非机密工作：规划、政策分析、后勤管理和行政文书。数据隔离于商业系统，不用于模型训练。有意思的是，国防部明确表示引入多模型是为了"减少对单一供应商的依赖"——这句话的信息量很大。与此同时，Anthropic 此前因拒绝移除安全限制而与国防部对簿公堂，法官裁定五角大楼将 Anthropic 列入黑名单违宪。
Google 向好莱坞开出 4000 万美元/角色的 AI 训练许可
Google 正在与迪士尼、华纳兄弟探索和环球影业谈判，以每个角色 4000 万美元的价格获得用其影视库训练 Gemini 的授权。这笔交易如果达成，总额将达到数亿美元。AI 公司为训练数据付费，这在过去两年一直是争议焦点，但 Google 显然选择了"用钱砸"的策略。对好莱坞来说，这是一笔诱人的收入——但也是把自家 IP 的未来交给了 AI 公司。我认为这笔交易如果成功，会成为行业标杆，改变整个内容产业对 AI 训练数据的定价逻辑。
Instagram 将限制未标注 AI 生成内容的账号流量
Meta 宣布将原来的"AI 创作者"标签改为"AI 生成资料"，并要求所有 AI 生成的账号资料必须标注。未标注的账号将被限制推荐流量。这是一个明确的信号：社交媒体平台开始认真对待 AI 内容的透明度问题。不过，“限制流量"的实际执行力度如何，还有待观察。毕竟平台的推荐算法本身就是一个黑箱。
Nvidia 投资 35 亿美元给 MediaTek，合作定制 AI 芯片
Nvidia 宣布向 MediaTek 投资 35 亿美元，让后者获得 NVLink Fusion 授权，为超大规模数据中心设计定制 AI 芯片。这些芯片将整合进 Nvidia 的机架级架构体系中，而不是作为竞争对手存在。这是一个精妙的策略：Nvidia 不是与定制芯片趋势对抗，而是主动拥抱它，把潜在的竞争对手变成自己的"白标"合作伙伴。
开源项目与工具推荐
Vibe Check — AI 写代码的 15 个套路被全禁
一个 Lint 规则集，诞生 16 天就拿到近 4000 Star。它做的事情很简单：检测 TypeScript 代码中典型的"AI 味”——那些一看就是 AI 生成的模式化写法。对于代码审查来说，这是一个有趣的工具。我赞同它的理念：AI 写的代码不是不能用，但你至少应该知道哪些是 AI 写的。
Zed — 7MB 装下整个开发环境
近 1 万 Star 的 Rust 项目，7MB 的体积里塞进了终端、AI Agent、代码编辑器、Git 图形界面、网页预览。VS Code 装完动辄几百 MB，光是 Electron 那一层就够呛。如果你在寻找一个轻量级但功能完整的编辑器，值得试试。
Docling — 4.4ms 转完一份 Word 文档
近 7000 Star，中位数 4.4 毫秒完成 Word 到 Markdown 的转换。比 LibreOffice 快 256 倍。如果你的工作涉及大量文档格式转换，这个项目会让你的生活轻松很多。
Documental — 开源地理定位故事平台
由 Paulo Tavares 和 Autonoma 工作室开发的开源平台，允许用户将数据、照片、视频、卫星图像和地图结合，创建具有地理定位的"数字故事"，旨在维护人权与环境权利。这是一个把技术用于公共利益的好例子。
精彩言论
“OpenAI 还没到 AGI，但我相信到今年年底，内部会有一个我个人认为可以称为 AGI 的系统。”
— Sam Altman，《时代》杂志专访
“AI 生成的账号如果不标注，就别想获得推荐流量。”
— Meta 官方声明，关于 AI 生成内容标注政策
“引入多模型是为了减少对单一供应商的依赖。”
— 美国国防部首席数字与人工智能办公室，Hoodline 报道
“Google 亟需追回前沿阵地。”
— Sergey Brin，据 Reuters 报道，AI Chat Daily