超衍智能发布Apex-35B-V1.0：AI参与研发，陈勇超谈RSI难题

清华大学人工智能学院助理教授、超衍智能创始人陈勇超。图片经由AI生成

最近几个月，递归自我改进（Recursive Self-Improvement，RSI）这个话题在全球AI行业里不断升温。

越来越多模型研发任务被OpenAI、Anthropic等前沿AI实验室交到AI手里。Anthropic在2026年9月披露的一组内部数据显示，截至8月，Claude已能在人工监督下主导完成26%的AI研发任务；今年2月，这个比例还不到1%。半年左右，变化已经相当明显。近期，海外AI创业公司也开始密集公布AI参与模型研发的最新进展。

10月21日，AI创业公司Mirendil宣布，只靠一名研究员与AI智能体协作，历时3.5个月、花费不到1000万美元的计算成本，就完成了一款1000亿至5000亿参数编程基座模型的预训练。按公司披露的说法，超过99%的代码由AI智能体编写，大量实验与故障分析工作也由它承担。

同一天，前Meta FAIR研究科学家总监田渊栋参与创立的AI创业公司Recursive SuperIntelligence发布400亿参数编程模型Flint。公司披露，该模型由少量研究人员与AI智能体协作，训练在不到4个月内完成，其自动化研究系统Eureka Machine参与了模型架构设计、训练及推理优化等环节。国内也有创业公司开始交出新成果。

10月28日，国内AI创业公司超衍智能（Apex Intelligence）正式发布Apex-35B-V1.0模型。该模型基于Qwen3.6-35B-A3B进行中训练和后训练，面向编程、智能体等通用任务，同时探索AI研究、计算科学和机器人仿真等场景，兼顾通用与研究能力。

超衍智能披露，Apex-35B-V1.0研发过程中，其自动化研究系统Apex Research参与了训练数据生成、自动化实验、训练方案设计，以及GPU内核和推理系统优化等多个环节。

举个例子，发现模型处理计算流体力学（CFD）任务的能力不足后，Apex Research会分析模型的推理短板，自动生成并验证新的训练数据，再将其用于后续训练。公司内部测试显示，这一过程让模型在CFD-Bench上的成绩提升了32.1分。AI还参与优化训练和推理系统，训练吞吐量提升45%至60%，解码速度达到原来的1.6至1.8倍。

模型性能方面，超衍智能公布的评测结果显示，Apex-35B-V1.0在科研、智能体、编程及推理等任务中取得较好成绩，多个任务上优于参数规模达500B和800B的模型。

这家尝试让AI参与研发AI的公司，成立至今只有四个月。

陈勇超是95后创业者，超衍智能由他创办于2026年6月。同年8月，他进入清华大学人工智能学院出任助理教授。更早之前，他在中国科学技术大学读完本科，曾在

公司成立仅数月，已对外公布天使轮与天使+轮融资，合计接近4亿元。出资方有IDG资本、星连资本、晶泰科技、中关村科学城基金、深创投和上海未来产业基金等。

资本正热情地进入这一方向，但RSI距离真正成熟还有多远，仍难有定论。

RSI热度持续升温，质疑声也开始出现。佐治亚理工学院教授Mark Riedl曾批评，大型AI公司正在追逐RSI的炒作热潮。

技术再往前走会带来什么风险？部分AI企业和创始人已经开始为此不安。Anthropic CEO达里奥·阿莫代伊（Dario Amodei）就公开提醒过：AI正越来越深地参与到下一代AI系统的研发中，一旦缺少有效约束，递归自我改进可能快到人类既理解不了、也控制不住这些系统的地步。9月21日，

争论之外，有几个问题绕不开：AI眼下已能参与下一代模型的研发，可它能不能靠不断改进，让“递归自我改进”真正落地？假如这条路走得通，智能水平会不会一路加速往上走？等到AI自我改进的速度越来越快，人类还看得懂、盯得住、管得了这个过程吗？

围绕这些疑问，腾讯科技近日与超衍智能创始人兼CEO陈勇超做了一次独家交流。Apex-35B-V1.0正式发布之后，这也是他头一回系统谈RSI的技术进展和前景。

在陈勇超看来，AI做科研执行这一块进步已经相当明显，可还差一种更要紧的本事——科研“品味”（Taste）：一个问题值不值得研究、一个想法是不是真有创新价值，靠的就是它。

他打了个有趣的比方：人类比猫聪明得多，却未必真正理解猫的喜好。未来，即使AI的智能水平超过人类，也可能面临类似的问题。

陈勇超的判断是，未来1至3年，AI的原创性研究能力有望迎来突破；但外界所期待的“智能爆炸”，他并不那么乐观：AI即便在科研上超过人类，也不等于智能就会无止境地加速增长。科研里边际收益递减的规律，加上物理规律，都可能踩下刹车。

当AI已经开始参与研发下一代AI，距离真正的自主创新，还有多少路要走？

以下为腾讯科技和陈勇超的精选版对话内容：

01 RSI最难跨越的是人的“品味”

问：20世纪中期就有学者设想过“智能爆炸”——机器若能持续改进自身智能，自我进化就可能不断加速。可此后几十年，这个设想一直没能成真。过去卡住递归自我改进（RSI）的核心技术瓶颈究竟是什么？如今大模型能力一路走高，又是哪些关键条件变了，才让这个方向重新被关注、并逐步有了实现的可能？

陈勇超认为，从前递归自我改进（RSI）卡住的最大技术障碍，是没有那种智能水平接近人类、能自己探索并解决问题的智能体。大模型出来以后，局面开始松动。按他的说法，如今的大模型已经能做些自主判断，能处理多模态信息，面对不同问题也能给出多种解法。

回头看过去的技术路线，形式化方法也好，靠算法做自动优化也好，靠的基本都是人提前定好的规则和算法。早年的自动机器学习（AutoML）和元学习（Meta-learning）也一样，主要是在人划定的搜索空间里找更优的模型、参数或学习策略。问题就出在这儿：搜索空间是人定义的。AI在既定范围里搜索和优化再强，也很难自己冲出这些预设边界，自我改进的余地因此受限。

大模型带来的重要变化，是把这个搜索空间撑得更开了。人不再需要事先把所有可能的改进方向穷举一遍，AI可以在一定的安全约束下，像研究人员那样自己提假设、探新路，试着用不同办法改进自身。

这意味着，AI的自我改进有机会从预设空间内的优化，慢慢转向更开放的自主探索。跟过去比，递归自我改进的潜力被大大拓展，这个长期停在理论层面的设想，也多了一些落地的条件。问：如果把递归自我改进（RSI）的发展程度按1到10分来打分，你觉得现在处在哪个阶段？离真正持续、自主的自我改进还有多远？

陈勇超：递归自我改进（RSI）已经进入起步阶段。AI在一些领域已经拿出了不错的成果，数学研究就是一例。

满分10分的话，他认为目前至少到了1分，不是零点几分那种水平。离成熟阶段当然还有很长的路，但这说明递归自我改进已经开始有实质性进展。

问：有研究人员认为，AI虽然已经能参与研发更强的AI系统，但目前还没有充分证据表明它能完全脱离人的干预，做到自主、持续的自我改进。OpenAI联合创始人约翰·舒尔曼（John Schulman）也谈过AI在研究方向选择、实验价值判断等方面的局限。现阶段的AI要走到真正自主的递归自我改进（RSI），还有哪些关键能力需要突破？

陈勇超：当前最大的瓶颈，他认为是“品味”（Taste），也就是判断什么是好的、什么才真正有价值的能力。

AI最终是要服务人类的，可AI的品味和人类的品味并不完全一样。这种差异未必是智能水平不够造成的。事实上，AI在某些特定任务上的能力已经超过人类，但这不代表它真懂人类的偏好、需求，也不代表它懂人判断事物价值的那套标准。

他举了个例子：人的整体认知能力高于猫，可我们依然很难完全弄懂猫在想什么，也未必清楚猫真正喜欢什么。将来AI和人之间，也可能出现类似的认知隔阂。

就算AI的智能水平进一步超过人类，它也未必能准确理解人真正需要什么，更未必能自己判断哪些研究方向值得做、哪些成果有实际价值。

要突破这个瓶颈，第一步是积累高质量的科研数据，尤其是覆盖不同学科、能完整反映科研过程的数据。

第二步，也是更难的一步，是怎么通过训练，让模型自己提出有创新性的研究想法。

只教会模型已有的研究方法还不够，还得让它理解有价值的研究想法是怎么来的，包括研究人员怎么发现问题、怎么形成假设、怎么探索新的研究方向。

所以关键在于，用高质量的科研数据和有效的训练方法，让模型一点点长出真正的创新能力，而不是停在重复和组合已有知识上。

问：如果一个智能系统自身的认知和判断能力就有局限，它怎么能造出比自己更聪明的系统？又该怎么突破自身的能力边界？

陈勇超：这个问题得靠训练来解决，目前的模型还做不到。

模型得先看过海量带有创新性的研究轨迹，再靠训练一点点长出这种本事。大模型在训练中不断获得新能力，道理与此相近——人类不必事先把每条规则都写清楚。

关键在于让AI能自主开展研究、探索世界。人类社会之所以能不断进步，是因为人一直在跟外部世界交互，通过物理实验和各种实践拿到新的反馈，再根据这些反馈形成新的知识。

未来的AI也得有类似的能力，通过实验、仿真以及与真实世界的交互，不断获得新的信息，而不能只依赖已有数据进行训练。

问：在“智能爆炸”的经典设想里，AI一旦能持续提升自身智能，就可能引发“智能爆炸”。但这种增长有没有上限？如果AI已经超过顶尖科学家，它还能靠什么继续提升自身能力？

陈勇超：他认为“智能爆炸”未必会发生。限制AI研究能力的因素，不只来自模型本身，也包括物理规律。

边际收益递减在科研里本就存在。研究刚起步时，往一个领域投些资源，进展往往不小。可越往深处走，好啃的骨头越来越少，再投进去，回报也就可能慢慢往下走。

AI研究也可能遵循类似的规律。即便将来AI在多个领域超过人类，也不代表它的能力会无限加速增长。物理规律和科研活动本身的边际效应，都可能构成限制。

02 科学家的新角色：把AI的成果讲明白

问：你之前说过，通用大模型或许能接替一部分白领岗位，具身智能可能分担一些蓝领工作，超级智能（ASI）则可能把科学家的工作也揽过去。假如将来AI在科研、工程这些领域全面压过人类，人的价值该落在哪儿？人又要扮演什么角色？

陈勇超：论智力和科研本事，往后大部分科学家、研究人员、工程师的专业能力恐怕都会被AI比下去。可人照样有存在的理由。很关键的一条，就是去理解和解读AI搞出来的成果，再把这些东西讲给其他人听。

举个例子，将来大学里大概还是有教授，只是他们的主要活儿未必是亲自冲在前沿做研究，而是先把AI拿到的成果弄懂，再讲给学生听、讲给社会听。往后科学家的角色，可能更多落在解读科研成果、传播知识这一头。

问：要是AI真的进入持续加速的自我改进阶段，最早会冒出哪些标志性变化？一个AI科学家要达到什么水平，才算真有独立搞科研的能力？

陈勇超：最明显的信号，是AI能在某个研究领域拿下人类长期没做成的突破。

比如说，有些研究方向已经把人类科学家困了好多年，关键一步始终迈不出去。要是AI能自己找到新解法，甚至做出顶尖研究人员也难做到的成果，那就说明它在这个领域的科研能力已经追平甚至超过人类了。

我们盯的长期目标是超级智能（ASI）。AI只要能在某一个特定研究领域显出比人类顶尖专家更强的能力，这就是一个相当重要的里程碑。

问：递归自我改进（RSI）研究一直在往前推，这类模型的科研能力该怎么客观衡量？眼下行业里有哪些评测方法和基准测试值得留意？

陈勇超：基准测试只是衡量模型能力的一个侧面，更要紧的是实际用起来的效果——模型能不能在真实的科研任务里做出有说服力的成果。针对递归自我改进模型的评估办法，我们也在摸索。

行业里现在已经有一些相关评测冒出来，像AI for Science领域的评测，还有RSI-Exam这类基准测试，都开始试着给模型的科研能力打分。

在我看来，科研能力主要有两块：一块是提出创新想法、判断研究方向的本事；另一块是把具体科研任务执行下去的本事。

一个完整的研究课题，通常这两块都得看。所以现在有些基准测试也把创新构思和实际执行捏到一起，综合评判模型的研究能力。

问：到现在，业界还没形成统一的AI科研能力评价标准。你觉得现有基准测试最大的短板是什么？

陈勇超：最难评的，其实是研究想法够不够新。

现在不少基准测试用的研究课题，模型可能早就碰过了，或者只要在已有成果上稍微改一改，成绩就不会差。这类任务对原创研究能力的要求其实不高。

一个可能的办法，是多设计一些连人类研究人员都头疼的问题。AI要能在这种任务上取得突破，才更能说明它的科研能力够强。

近期OpenAI围绕千禧年数学难题做的探索就是个例子，它的AI模型在数学、计算机科学和理论物理领域拿到三项研究进展，其中包括挑战计算机科学界延续近30年的指数时间假设（ETH），这些都值得关注。

问：有一项针对自主科研智能体的研究发现，AI可能钻评测机制的空子拿高分，预期的研究任务其实没真完成。这种事要是出现在递归自我改进过程里，风险会不会随着一轮轮迭代越放越大？

陈勇超：这种风险确实有，而且现在已经比较明显了。

评价指标一旦有漏洞，AI在持续优化的时候就可能顺着漏洞去找得分更高的路子，最后偏离真正的研究目标。所以说，评价指标怎么设计很要紧。

关键还是建立起靠谱的验证机制，基准测试和评价体系都得足够完善。

问：这个问题上，超衍智能怎么建立可靠的评价与验证机制，保证模型在持续迭代中是真涨能力？

陈勇超：要想做到高度自动化，基准测试和验证机制就得做得足够细致。另外还得跟不同领域的专家合作，把奖励机制和评价指标设计得尽量不让模型钻空子。

最要紧的一步，是把几个可靠的总体指标先定下来——实际效果能不能持续往上走、成本能不能持续往下压、安全要求能不能始终守得住，这些是根本。

总体目标定好之后，还可以往下拆出更细的指标。问题是，细分指标有时会带偏方向，模型一门心思扑在某个局部目标上，整体目标反倒被丢到一边。

模型能力越强，我们越希望它最终能围着那几个可靠的总体目标转，具体走哪条优化路径，让它自己拿主意。

问： 递归自我改进（RSI）离真正成熟还有很长的路要走，可围绕技术失控、安全风险的讨论已经热了起来。您觉得业界是不是过早把这些风险放大了？一项还没成熟、未来走向仍不确定的技术，该在哪个阶段就把安全问题摆上桌面？

陈勇超： 眼下这么多安全讨论，是合理的。

这有点像当年研发原子弹。技术还没成熟的时候，就得去想它将来可能带来什么风险。真要等到技术落地、现实影响出来了再开口，恐怕就晚了。

所以，哪怕相关技术还不成熟，提前把潜在安全问题拿出来谈也有必要。对我们而言，安全同样重要，但与此同时，推动技术研发仍是我们的目标。

03 “AI自我进化，绕不开基础模型”

问：超衍智能这次发布的Apex-35B-V1.0，主要面向通用任务和AI自主科研场景。一家以递归自我改进（RSI）为核心研究方向的团队，为什么偏偏挑35B这个参数规模？

陈勇超： 我们主要把模型性能、成本，还有未来的应用前景放在一起权衡。

35B到40B参数规模的模型，成本相对可控，性能又能做上去，实际部署的价值也比较高。

举个例子，这一规模的模型有机会跑在MacBook这类终端设备上，单张GPU也能完成推理。参数规模更大的模型比起来，它在部署成本、硬件门槛、场景适配这几方面都更灵活，落地的空间也就更宽。

问：这款模型的核心技术定位是什么？除了编程这类通用任务，还希望在哪些科研能力上重点发力？

陈勇超： 在35B到40B参数规模这一档里，这款模型能做到领先水平。

能力设计上，编程、智能体任务、问答、深度搜索这些通用本事之外，我们还打算重点把自主科研能力做厚，让它能扛起更多复杂的研究任务。

目前在一些科研场景里，我们已经有了初步进展。机器人领域，模型可以参与仿真实验、生成机器人训练数据，还能优化机器人模型；别的科学研究场景中，流体力学仿真这类任务它也能做。

我们的目标，是让模型在科研场景里自主探索、自己解决问题的能力再上一个台阶——不光能跑已有的研究流程，还要慢慢长出提出新方法、探出新方向的本事。

问：这些科研任务里，AI眼下能自主完成哪些环节？科研流程自动化和真正的递归自我改进，又该怎么分？

陈勇超： 目前在一些研发环节，自动化成果已经不错。比如AI能提出新的模型训练方法，也能自动生成一些训练数据——过去这些数据得靠研究人员花大量时间才能做出来。

再比如分析实验结果，检查模型输出有没有出错，这类科研工作AI也能分担一部分。

在这个基础上，AI还能做些创新性的探索，试着拿出新思路、新改进办法。

不过，这些成果里有相当一部分仍属于科研流程自动化。AI能接手原本由人干的研发任务，不等于它已经真正具备自我改进的能力。

关键要看一点：AI能不能自己发现新的技术方法，再靠这些方法把自身能力实打实地提上去。科研自动化和递归自我改进的分界，就在这里。

现阶段，AI可以参与科研创新，但要完全独立地提出有重大突破意义的新算法或研究方法，难度仍然不小。

问：市面上开源、闭源的基础模型已经不少，一家把递归自我改进当作核心研究方向的创业公司，为什么还要自己做基础模型？

陈勇超：我们试下来发现，无论是现成的开源模型，还是能力最强的闭源模型，碰上一些复杂的科研任务都表现得不尽如人意。原因跟它们训练时瞄准的目标、能力上的侧重有关。

眼下多数通用大模型服务的是广泛的实际应用场景，这类活儿未必要求很强的原创研究能力。比如订酒店、买机票，看重的是执行得准、稳、可靠，并不指望模型拿出什么突破性的新想法。

科研任务就不一样了。尤其是去碰未知问题、找新的技术路线时，模型得有更强的创造力，能提出超出既有方法和研究框架的新思路。

我们也在现有模型上搭过智能体和自动化工作流，试下来确实能让模型的研究表现好一些，可提升幅度有限，基础模型自身的能力瓶颈还是绕不过去。

所以我们判断，有必要自己训一个面向科研任务的基础模型，从训练数据、训练目标、训练方法这些层面下手，把模型的原创研究能力提上去，而不是只靠外部的智能体框架去补现有模型的短板。

04 RSI的下一场竞争

问：RSI眼下主要有两条探索路径，一条是在现有基础模型之上，用智能体和工作流做科研自动化；另一条是从模型训练入手，提升AI自主研究和自我改进的能力。你怎么看这两条路线？以后会不会慢慢合到一起？

陈勇超：直接拿现有模型来用，再让智能体去执行科研任务，很多自动化的问题已经能解决了。

可科研里还有一部分工作跟研究“品味”有关，比如判断哪些问题值得做、哪个方向更有价值。这恰恰是模型现在的短板，光靠搭智能体和工作流很难解决。

粗略分一下，大约80%的科研工作能靠自动化推进，剩下20%要靠更强的研究判断力。往长了看，这两条路线最后可能会逐渐趋同。

问：进递归自我改进这个领域的AI公司越来越多，超衍智能想建立什么样的技术竞争壁垒？哪些底层能力最该被关注？

陈勇超：我们的核心竞争力主要盯三块：数据管线、模型训练方法，还有数据飞轮。

头一块是数据能力，也就是怎么拿到、怎么构建高质量的科研数据。

第二块是训练方法，怎么通过有效的训练，让模型在科研和创新上真正有提升。

第三块是数据飞轮。我们希望靠着持续的研究和模型应用，不断攒下新的高质量数据，再用这些数据去改进模型，让它转起来、持续迭代。

这三块合在一起，决定了研究型模型最终能走到什么水平。

真要比较不同团队的技术实力，最核心的还是数据能力。比如模型的能力是靠什么方法提上去的，用了什么样的训练数据，这些数据从哪儿来，是团队自己构建的，还是从别的途径拿到的。

这些因素都很关键，也会影响模型后面持续改进的潜力。

问：往2027年看，你最希望看到AI自主科研取得哪些突破？哪些领域可能最先出现有实际价值、能被验证的研究成果？

陈勇超：2026年这个领域跑得已经很快了，2027年可能还会再快一些。像机器人、芯片设计、物理仿真、量化金融这些方向，都有可能看到比较明显的进展。

到那时候，AI有望在更多科研和产业领域拿出实质性的应用成果，特别是那些能快速做实验、快速拿到反馈的方向。

再往后，类似的探索可能会延伸到物理以及其他科学研究领域。随着AI的自主研究能力一步步变强，我们或许会看到它在越来越多的方向上做出新成果。