AI开始造AI!RSI递归自我改进,大模型进入自生产时代

⚠️本文仅为产业趋势分析，不构成任何投资建议（素材来源：上证报中国证券网）

当大众还在讨论AI写文案、做PPT、生成图片的时候，AI产业内部已经发生了一场静悄悄的底层革命：AI不再只是人类的辅助工具，它已经可以上手，自己构建训练大模型的底层软件框架。

上证报消息，面壁智能披露“AI for AI”锻造工程（Forge Engineering）阶段性成果。这套被称作RSI递归自我改进的技术，运行五个月，交出了震撼行业的答卷：AI从零开始，仅用8小时写出一套大模型预训练框架，对标英伟达开源Megatron-LM；并且只用1.5～2.5天，性能就实现反超。

放在过去，同等量级的底层框架开发，需要3-5名资深工程师连续投入6到12个月。现在，耗时压缩到一天之内。

这不是简单的代码补全，而是AI产业范式的根本性切换。

一、什么是AI for AI、RSI递归自我改进？

很多人会混淆普通代码生成和这次面壁智能的锻造工程。

日常我们用大模型写函数、调脚本，属于“人给详细指令，AI完成局部任务”。而AI for AI，核心思路是“多给环境，少给指令”。

由人类工程师只负责制定目标、评测标准、划定边界；模型自主完成训练框架、推理算子、科学计算代码的全链路开发。也就是RSI递归自我改进（Recursive Self-Improvement）。

面壁智能智能进化首席科学家李宇轩这样概括这套理念：人定标准，AI干活。工程师的身份发生根本性转变——从亲手写代码的开发者，变成规则设计者、评测者、校验者。

一篇名为《The Last AI Built by Humans》的综述论文专门收录了这项产业实践，面壁智能首席科学家刘知远、李宇轩参与署名。论文标题极具象征意义：这或许是人类亲手搭建的最后一代AI。

二、几组硬核数据，看懂这次突破的含金量

1. 大模型预训练框架：AI从零开发，8小时完成基础版本，1.5~2.5天性能超越Megatron-LM。人类团队同等工作量，需要6–12个月。

Megatron-LM是英伟达开源、全球广泛使用的大模型训练底座，是整个行业的基础设施。AI能够复刻并且超越它，代表AI已经掌握大模型研发最底层的工程能力。

2. 推理引擎核心算子：AI自动开发，对比主流开源框架，几何平均提速1.21倍。算子是大模型运行加速的核心，直接决定推理成本、响应速度。

3. 科学计算引擎：一周接入100多个真实业务应用，端到端中位提速1.41倍。科学计算广泛应用于仿真、生物医药、材料研发、工业模拟，是AI赋能实体经济的关键底座。

简单理解：过去大模型迭代，瓶颈是顶尖工程师的人力供给；而AI for AI落地之后，迭代瓶颈变成算力。模型可以自主迭代、自主优化代码，研发速度指数级提升。

三、深度拆解：AI造AI，带来三层产业变革

第一层：人才结构重构，程序员岗位分层

不是所有程序员会消失，但岗位价值会快速分化。

简单业务代码、框架底层重复开发、算子调优这类标准化工程工作，会被AI大规模承接。未来行业最稀缺的不再是“会写代码的人”，而是懂得定义目标、设计评测体系、识别模型缺陷、把控风险边界的顶层架构师。

普通编码工作价值持续下降；能够定义任务、搭建评估体系的人，价值会持续抬升。

第二层：大模型研发门槛断崖式下降

训练一套大模型，过去需要昂贵算力+顶尖AI工程师团队双重门槛。AI for AI成熟之后，搭建大模型底座的人力成本大幅削减。

未来中小团队、甚至单人AI团队，也有机会自主开发、优化模型。行业不再被少数巨头垄断，创新会大量涌现，行业竞争会进一步加剧。

第三层：RSI递归自改进打开长期技术天花板

RSI递归自我改进，核心逻辑是AI产出新模型、新代码，再用新模型反过来优化自身。形成循环迭代。

短期看是节省工程师工时；长期看，模型迭代速度脱离人类研发速度限制。这也是为什么全球科技界，一边拥抱RSI技术红利，一边警惕AI快速进化带来的安全风险。

四、大势研判 + 新预测（产业趋势预判）

大势研判

当前AI行业正从“AI辅助人类”，迈向AI自主参与AI研发的范式转移阶段。面壁智能锻造工程不是孤立的单点Demo，是全球RSI递归自我改进浪潮中重要的产业落地案例。

AI的竞争，上半场比拼模型参数、算力规模；下半场比拼AI for AI的自进化能力。谁能率先搭建起AI自主迭代闭环，谁就能持续压缩研发周期、降低成本，形成技术复利。

但同时，RSI技术存在不可忽视的风险：模型自主生成底层代码，代码隐藏缺陷、安全隐患难以被人类完全核验。技术提速的同时，全球AI治理、安全评测体系必须同步跟上。

三大新预测

1. 未来2年，AI for AI会成为头部大模型厂商标配能力

不止面壁智能，海外OpenAI、Anthropic等团队都会加码递归自我改进。大模型框架、算子优化、科学计算代码开发，大量工程工作交由AI完成；模型版本迭代周期，从数月压缩到数天级别。

2. AI工程师岗位两极分化，底层工程岗持续承压，评测与安全专家成为紧缺岗位

基础代码开发需求收缩；擅长模型评估、对齐、风险校验、任务目标设计的人才溢价持续走高。未来AI团队，少数人定规则，AI做工程。

3. 模型的“摩尔定律”加速，算力重要性提升，软件红利重新分配

大模型迭代不再受限于工程师人力，算力供给将成为核心瓶颈。算力产业链、底层软件、自动化评测工具赛道，会迎来持续增长机会；纯靠人力写底层框架的传统AI工程模式，逐步退出主流。

写在最后

AI for AI的本质，是人类把制造智能的工具，交给智能本身。

当AI可以自主搭建训练框架、自主优化算子，我们正在跨越一个时代分水岭：人类不再是AI唯一的建造者。

技术浪潮滚滚向前，它会释放巨大生产力，也会重塑岗位、重构产业格局。红利永远留给看懂趋势、持续迭代认知的人。

文末金句

1. 过去是人创造AI，未来是AI迭代AI。技术浪潮之下，认知才是普通人最好的护城河。

2. AI写代码只是开始，AI造AI才是拐点。时代淘汰的从来不是人，而是旧的能力结构。

3. 《The Last AI Built by Humans》不是末日预言，它提醒我们：人类的价值，在于制定标准，而非重复劳作。

4. 算力驱动模型，模型再造模型；新一轮科技竞赛，已经从参数比拼转向自我进化能力。

⚠️风险提示：本文基于公开新闻素材进行产业趋势分析，仅代表观点分享，不构成任何投资建议。AI for AI尚处于早期研发阶段，技术落地存在不确定性。