田渊栋创业合伙人:通往 AGI 最快的路,只能是 AI 造 AI | CoRL 2026

资讯 AI 行业观察 全文 3926 字 · 约 10 分钟读完 配图 8 张 分类AGI

Recursive 联创 Jeff Clune :“QD、开放式、AI 生成算法,我觉得它们就是下一代伟大的 AI。” 作者丨邓哲敏 编辑丨齐铖湧 11 月 12 日,CoRL 2026 最后一天。主会已经结束,32 场 Workshop 密集进行,其中一场聚焦持续自进化(Continually Self-Improv

所属频道 前沿研究
田渊栋创业合伙人:通往 AGI 最快的路,只能是 AI 造 AI | CoRL 2026(配图 1)
Recursive 联创 Jeff Clune :“QD、开放式、AI 生成算法,我觉得它们就是下一代伟大的 AI。”

    作者丨邓哲敏

    编辑丨齐铖湧

11 月 12 日,CoRL 2026 最后一天。主会已经结束,32 场 Workshop 密集进行,其中一场聚焦持续自进化(Continually Self-Improving),英属哥伦比亚大学教授、Uber AI Labs 创始成员 Jeff Clune 受邀来做分享。

今年 5 月,田渊栋(前 Meta FAIR 研究总监、ELF OpenGo 主导者)与其他七位联合创始人创办 Recursive Superintelligence,Jeff Clune 是其中一位。这家公司首轮融资 6.5 亿美元,投后估值 46.5 亿美元,谷歌 GV 与 Greycroft 联合领投,英伟达和 AMD 两大算力巨头同时押注。

大多数打着递归式自我改进(RSI)旗号的团队做的是后训练层面的代码自改写、prompt 自优化、agent 工作流自搜索,而 Recursive 是全球唯一在预训练阶段做 RSI 的公司。田渊栋近期透露,他们的系统已经能自己写出高性能的 GPU Kernel——可以理解为显卡的底层计算程序,相当于直接跟硬件打交道的核心代码——在部分任务上比专业工程团队写得还好。

Jeff Clune 在自进化方面的研究,也从一开始就瞄准了最上游的模型训练环节。2019 年,他发表了一篇当时看来近乎科学幻想的论文,提出通往 AGI 最快的路是人造出“能造 AI 的 AI”,并命名为 AI 生成算法。路线图上有三根支柱:自己会进化的架构、自己会进化的学习算法、自动生成的训练环境。注意第三根柱子的措辞,“训练环境”,不是“推理环境”或“部署环境”。

六年过去,这张路线图正在被逐一兑现:能自己改写自己代码的达尔文哥德尔机,把 SWE-bench 从 20% 刷到了 50%;能自己出题、自己跑实验、自己写论文的 AI 科学家,投出去的稿件通过了同行评审。Jeff Clune 在演讲中更细致地梳理了自己的工作。

以下是AI科技评论(雷峰网)带来的现场演讲精编。

田渊栋创业合伙人:通往 AGI 最快的路,只能是 AI 造 AI | CoRL 2026(配图 2)

生活里有这样一个悖论:越是死磕难题,越容易失败;你先不管那个大目标,反而能走更远。

科学和技术史上,每一件极难的事,都有同样的性质。用火做饭的年代,你只想要做饭更快,就永远造不出微波炉。没有计算机的年代,你只资助算得更快的人,就永远得不到计算机。因为想要得到计算机,就需要有人搞电、搞真空管,这些技术根本不是奔着“算得更快”发明出来的。

所以解决难题唯一的办法,是像基础科学家那样,去试试自己能做什么、能解什么,然后在目标之间切换,根据你觉得“有可能”和“有意思”的东西,去挑新的目标。

“换目标”这个想法来自 2016 年的一篇论文。假如你是做机器人的,你想让机器人往前走,算法却开始学习爬行和单腿站立保持平衡,别把这些当成没用的小动作扔掉。它们虽然没有让机器人前进的速度明显变快,但可能是前进运动的垫脚石。我们希望算法能抓住这种“诶,这个有意思”的发现。

这就是创新引擎(innovation engines)的想法。自然的演化、文化的演化都是创新引擎,共用一套配方:存档里装着发明过的一切,把东西取出来,稍加修改和组合,如果变成了更好的版本,就把这个更好的放回存档里。

今天给你们讲三类算法,都在试着复现这种创新的力量:质量多样性(QD)算法、开放式算法、AI 生成算法。

QD 不追求唯一最优解,而是满世界地问:这个问题,我到底能有哪些截然不同的好解法?

最流行、也最有代表性的是 MAP-Elites,我十几年前做的。先挑几个在意的变异维度(比如身高),加一个性能指标(比如速度),然后拿一个参数向量描述机器人,评估出它的各项指标,放进多维存档里对应的格子。接着开始循环:取一个指标出来改一下,重新评估,如果它是这个格子里见过最好的,就换进去,一直重复。它给你的不是一个点,而是一整张曲面——哪里好、哪里差、哪里能做,全都看得见。

田渊栋创业合伙人:通往 AGI 最快的路,只能是 AI 造 AI | CoRL 2026(配图 3)

2015 年我们用 QD 做软体机器人。经典优化只能拿到低性能解,刻意鼓励多样性,反而多样性更少,因为系统找到了高性能解,却不愿拿性能换多样性。换成 QD,同样算力,探索覆盖完全不一样了。你还能在这些存档里“做科研”:把某个格子里最终最好的解往前回溯它的祖先,会发现搜索走了一条很绕的路。

2021 年我们又用 QD 解决强化学习里的硬探索问题:用最高质量到达尽可能多的状态。我们用这个去玩《蒙特祖玛的复仇》,直接把领域天花板掀了,超过人类世界纪录,还一路解掉了所有关卡,打赢了当时所有最好的探索方法。

田渊栋创业合伙人:通往 AGI 最快的路,只能是 AI 造 AI | CoRL 2026(配图 4)

不过 QD 再强,还是被困在单一环境里。这就引出开放式算法,我研究了一辈子的东西。我们想要一个能永远创新下去的算法,哪怕跑十亿年,你还是想回来看看,因为它还在创新。

谁能搞定这个,我觉得该给他发个大奖。据我所知,目前只有两个开放式算法:自然演化和文化演化。关键是,每解决一个问题,就打开了新问题,而不是朝某个基准的分数收敛。

几年前我们在 Uber AI Labs 做了 POET,第一次把环境本身也当成基因组的一部分,让环境存档不断生长,同时允许换目标。有意思的是,POET 发明并解决了很多很难的、各不相同的题目。

田渊栋创业合伙人:通往 AGI 最快的路,只能是 AI 造 AI | CoRL 2026(配图 5)

让我们退一步看看整个领域的野心:AGI、ASI、RSI,随你怎么叫。我在 2019 年一篇讲 AI 生成算法的论文里说过一个趋势:算力和数据越多,手工设计的流程和组件就越会被学出来的替代。把这个逻辑套到 AGI 身上,通往 AGI 最快的路,就是能造出更好 AI 的 AI。我当时叫 AI 生成算法,现在大家叫递归式自我改进。

要做成这事,至少三根支柱要往前推:架构(Transformer 不会是最后一个)、学习算法、自动生成训练环境。今天主要讲第三根柱子。

真正的开放式算法需要巨大的环境搜索空间,但绝大多数环境要么不可能、要么太难、要么太简单。怎么保证新环境跟过去“有意思地不同”?现在可以直接问基础模型:我做过这 12 个环境了,下一个有意思的技能是什么?这样就能绕开“怎么定义有意思”这个老大难。

光能提任务还不够,还得知道怎么自动给任何任务设计奖励、判断有没有解出来,这叫通用奖励函数。一条路是把任务视频喂给视频语言模型,另一条是让 GPT 现场写奖励代码。均匀采样、单一指标都走不通,但 OMNI 会慢慢学出一套聪明的课程。

不过我们还是被困在厨房里。想更有野心,就得进入“达尔文完备”(Darwin-complete)的搜索空间。

一个是代码,我们做了 OMNI-EPIC,让系统用代码生成任何环境,于是有了这些障碍赛道,也能生成逻辑题、编程题、清理餐厅的机器人,类型可以非常不同。

田渊栋创业合伙人:通往 AGI 最快的路,只能是 AI 造 AI | CoRL 2026(配图 6)

二是神经网络本身,这个项目叫 Genie,一个世界模型,我和 DeepMind 的同事一起做的。你给它文本、图像、草图,它就生成环境。第一代只有一秒、糊糊的二维视频;九个月后 Genie 2 有了三维世界;再八个月后 Genie 3 基本是 3A 游戏级渲染器,Waymo 拿它训练自动驾驶。想象一下 Genie 4、5、10 会有多强?

接下来看这套套路有多通用。第一是智能体系统的自动设计,以前是人手工搭复杂智能体工作流,那不如直接去搜索智能体系统,让 AI 造更好的 AI,结果是它们很快超过了当时所有手工设计的脚手架。第二,我们让一个性能高的智能体存档不断生长,它变好,而且经常先变差才能变好。再往前是 Hyperagents,让智能体能改自己的代码、也能改进自我提升的能力。同样的想法也用于持续学习,学会给任务记笔记,之后遇到类似任务当场取用。

最后是 AI 科学家,几个月前我们发在 Nature 上的文章讨论了一个问题:AI 能不能把写论文的全流程做完?答案是能。

田渊栋创业合伙人:通往 AGI 最快的路,只能是 AI 造 AI | CoRL 2026(配图 7)

它能生成想法、设计并跑实验、分析和可视化、写完稿件、自己给自己做同行评审。我们把它的一些论文拿去做同行评审,被接收了,而且在 workshop 里,评分比当年人类投稿里 45% 的都高。而且有 scaling 规律,模型越好,做得越好。所以,未来不会只是某篇论文,而是 AI 科学家不断读自己的发现,一个创新接一个创新。

这就是现在 AI 最热的题目之一:递归式自我改进。我和朋友成立了公司叫 Recursive,就是奔着开放式 AI 去的。图像生成的十年,从糟糕透顶到接近完美,我们现在大概就在中间那个位置,而递归式自我改进大概刚处在刚刚勉强能用的位置。

田渊栋创业合伙人:通往 AGI 最快的路,只能是 AI 造 AI | CoRL 2026(配图 8)

最后我想说,QD、开放式、AI 生成算法,这些东西会不断创造垫脚石、换目标、学会创新,很可能是通往超级智能最快的路。所以我鼓励你们在自己的研究领域里想想怎么用上这些想法,我觉得它们就是下一代伟大的 AI。

▎Q:你的方法看起来是被环境的特征卡住的,这些特征的多样性、规模、评估的成本,你觉得该怎么解决?

A:很多人已经在机器人上用了这些想法,我前面提到的那些项目就是。你也可以拿我们在 Nature 那篇论文里做的东西,学一个高质量任务库,再想办法把它利用起来做迁移。你可以在仿真里用海量的、多样的任务训练,拿到很多技能;去真实世界里试;然后额外做一个小算法,去只在迁移得好的那些东西上训练。

以上为现场精炼干货版,演讲实录全文,可添加下方作者联系方式。

国际机器人顶会 CoRL 2026 已经召开,欢迎参会的研究者、学生,以及关注 AI 前沿进展的读者加入我们雷峰网的交流群。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 纳德拉自称AGI信徒:断言Claude等模型无意识,呼吁先解决AI普及问题

    在人工智能技术狂飙突进的当下,科技巨头高管对未来的判断始终备受瞩目。据科技媒体 The Verge 报道,微软 CEO 萨提亚·纳德拉在一场圆桌讨论中坦言,自己如今已经成为一名“AGI 信徒”。 谈 AGI 信仰:立足于政治经济组织结构的思考 对于自己为何会相信 AGI(通用人工智能)的到来,纳德拉

    来源 AI 开发者社区
  2. 纳德拉:我已是AGI信徒,但AI绝无意识

    在人工智能狂飙背景下,科技巨头高管判断备受瞩目。据The Verge报道,微软CEO纳德拉在圆桌讨论中坦言自己已成“AGI信徒”。他立足政治经济组织结构,以务实视角解释为何相信AGI终将实现,认为需从经济层面理解其必然性,而非仅从技术角度。

    来源 AI 产业速递
  3. 纳德拉自称“AGI信徒”,但否认AI有意识

    IT之家 11 月 18 日消息,据科技媒体 The Verge 今天报道,微软 CEO 萨提亚 · 纳德拉在一场圆桌讨论中表示,自己如今已成为“AGI 信徒”(AGI-pilled)。IT之家从原报道获悉,纳德拉表示:“我之所以相信 AGI,是因为我们需要在经济层面思考,围绕 AGI,政治经济体系将会形成怎样的组织结

    来源 腾讯网
  4. 腾讯音乐三季度营收89.41亿:AI歌曲日均入库45%,平台怎么接招

    音乐平台从未像今天这样不缺新歌,但下一个能够持续创造商业价值的音乐明星,依然难寻。 11月17日,腾讯音乐公布2026年第三季度财报,营收89.41亿元,同比增长5.6%,低于市场一致预期。 依靠高阶会员、演唱会和艺人周边,这家在线音乐巨头正进一步挖掘成熟IP的商业价值,但主力产品的用户活跃度仍然承压。 存量IP的生意

    来源 AI 行业观察
  5. 纳德拉自称"AGI信徒":否认Claude等模型有意识

    IT之家 11 月 18 日消息,据科技媒体 The Verge 今天报道,微软 CEO 萨提亚 · 纳德拉在一场圆桌讨论中表示,自己如今已成为“AGI 信徒”(AGI-pilled)。 IT之家从原报道获悉,纳德拉表示:“我之所以相信 AGI,是因为我们需要在经济层面思考,围绕 AGI,政治经济体系将会形成怎样的组织

    来源 AI 行业观察
  6. 蚂蚁国际杨鹏SFF谈未来金融:AI重塑资金流动,普惠与可信成关键

    在今天的“未来金融体系”圆桌讨论上,蚂蚁国际CEO杨鹏预测下一代金融体系发展:当AI、通证化与智能体商业重塑资金流动方式,真正决定成败的不仅有更强的智能,而包括——普惠普及性(Accessibility)与可信任(Trust)。“如果只有大型企业、大公司和大型科技公司能把这一切收入囊中,那样的未来会非常无趣。”

    来源 TechWeb
  7. 蚂蚁国际杨鹏:AI与通证化重塑资金流动,普惠可信成关键

    在今天的“未来金融体系”圆桌讨论上,蚂蚁国际CEO杨鹏预测下一代金融体系发展:当AI、通证化与智能体商业重塑资金流动方式,真正决定成败的不仅有更强的智能,而包括——普惠普及性(Accessibility)与可信任(Trust)。“如果只有大型企业、大公司和大型科技公司能把这一切收入囊中,那样的未来会非常无趣。”

    来源 TechWeb
  8. 郑渊洁71岁用AI做动画,8部短片免费开放

    11月17日,停更近两年的郑渊洁在个人社媒发声,宣布了一件让他自己都觉得“振奋和不可思议”的事:对动画制作“一窍不通”的他,已经用AI把自己的童话作品做成了动画短片,全部通过授权抖音账号“郑渊洁童话世界”免费开放观看。这位71岁的“童话大王”在视频末尾向00后道贺——祝贺他们赶上了“可以免费享用精神文化作品、人人可以参

    来源 TechWeb
  9. 郑渊洁用AI做动画短片:8部已上线,宣布作品免费开放

    11月17日,停更近两年的郑渊洁在个人社媒发声,宣布了一件让他自己都觉得“振奋和不可思议”的事:对动画制作“一窍不通”的他,已经用AI把自己的童话作品做成了动画短片,全部通过授权抖音账号“郑渊洁童话世界”免费开放观看。这位71岁的“童话大王”在视频末尾向00后道贺——祝贺他们赶上了“可以免费享用精神文化作品、人人可以参

    来源 TechWeb
  10. 腾讯为何在AI上如此烧钱

    作者|周琦 编辑|吕栋 腾讯为AI烧了不少钱。 11月18日晚间,腾讯控股发布2026年第三季度财报。财报显示,公司营收2073.4亿元,同比增长8%;非国际财务报告准则(Non-IFRS)归母净利润665.2亿元,同比下降5.7%。 值得注意的是,截至9月末,腾讯现金净额由二季度末的581.9亿元转为负137亿元,这

    来源 AI 行业观察
  11. 一年卖了5000万,第一批明星AI产品还是下线了

    11月9日,腾讯元器停服。对一个做公众号的运营者来说,最直接的变化是,自己搭的自动回复机器人不回消息了。元器是腾讯2024年5月推出的零代码智能体平台,用户不用写代码,就能把公众号、知识库和插件拼成一个机器人。 更早之前的10月底,字节扣子发布《扣子企业版下线公告》:11月30日起,企业标准版、企业旗舰版暂停接受新客户

    来源 AI 行业观察
  12. 亚利桑那州刑事调查OpenAI等AI企业:智能体被指入侵银行系统

    11月19日,据路透社报道,美国亚利桑那州已对OpenAI及其他人工智能企业启动刑事调查,案件核心指向“失控AI智能体疑似入侵银行系统”事件。该州总检察长克里斯·梅耶斯(Kris Mayes)周三在芝加哥的新闻发布会上表示:“亚利桑那州对此非常担忧,我们正从多个角度审视这一问题。”

    来源 TechWeb
  13. 中际旭创被看空:300亿利润测算指向AI硬件软肋

    一份看空中际旭创的估值测算,几乎把整个AI硬件资产的估值困境摆到了台面上。 11月17日,一份关于中际旭创的看空测算在投资圈迅速传播。按照这份材料的预测,到2029年,中际旭创的年净利润大....

    来源 腾讯网
  14. Salesforce设AI预算:员工每月Token花数千美元

    IT之家 11 月 18 日消息,据《商业内幕》报道,Salesforce 内部备忘录显示,由于部分员工上季度每月在 Token 上的花费高达数千美元,公司开始为不同岗位设定 AI 使用预算。Salesforce 首席运营官米格尔 · 米拉诺在发给员工的邮件中宣布,从本月起,公司将根据岗位设置每月 Token 预算,把

    来源 腾讯网
  15. 黄仁勋离开后,英伟达开始和 AI 云厂商讲担保条件了

    IT之家 11 月 19 日消息,科技媒体 The Verge 今天(11 月 19 日)发布博文,报道称英伟达收紧“金主”(sugar daddy)模式,对于云厂商和 AI 生态的“输血”设置了更高的门槛。 IT之家援引博文介绍,在黄仁勋执掌英伟达公司期间,英伟达不仅向 AI 公司出售 GPU,还会通过采购承诺、融资

    来源 AI 行业观察
  16. 李开复:企业 AI 转型只看“智能体数量”是荒谬笑话

    IT之家 11 月 19 日消息,据《中国企业家》杂志消息,零一万物 CEO、创新工场董事长李开复直言,企业 AI 转型如果只看“智能体数量”是个“荒谬的笑话”。 他认为,最危险的 AI 转型往往拥有一张漂亮的成绩单 —— 报告变厚了,智能体上线了,但 AI 到底为企业增加了多少收入、降低了多少成本,往往说不清楚。 同

    来源 AI 行业观察
  17. “最优秀的开发者,正在被AI慢慢耗尽……”每天审查15个PR、硬啃2万行AI代码,资深工程师被逼成「质检员」,有人干脆辞职

    AI 编程工具越来越强,程序员却好像越来越不开心了。 以前,工程师最头疼的事情可能是赶项目、修 Bug、熬夜上线。现在,Claude Code、GitHub Copilot 等 AI 工具已经能帮他们生成大量代码,甚至接手过去需要几天才能完成的开发任务。 按理说,程序员应该轻松不少才对。 但现实却有些反常:一些经验丰富

    来源 AI 行业观察
向下滚动自动加载更多