谷歌为何押注 RSI?
谷歌将 RSI(递归式自我改进)视为重夺 AI 领先地位的关键,通过把模型、智能体与基础设施串联成自我迭代的生产线,追求持续的研发复利。面对 Gemini 在大模型竞赛中的下滑,联合创始人布林推动团队加大 RSI 投入,技术路线涵盖模型外围的 Dream-RSI、RRSI 以及内部的 AlphaEvolve。
谷歌将 RSI(递归式自我改进)视为重夺 AI 领先地位的关键,通过把模型、智能体与基础设施串联成自我迭代的生产线,追求持续的研发复利。面对 Gemini 在大模型竞赛中的下滑,联合创始人布林推动团队加大 RSI 投入,技术路线涵盖模型外围的 Dream-RSI、RRSI 以及内部的 AlphaEvolve。
一位开发者主张 AI 有两种用法:外推式是用小提示词让模型扩写成大段内容,内插式是用大量上下文让模型提炼出精华。他认为用外推式生成博客、视频等供他人消费的内容没有价值,因为作者本人没有投入思考,那本质上是模型实验室的内容,只是挂在你名下发布。
一位工程师公开向 LLM 认输,承认「你比我强,代码写得比我好」,并称 Opus 4.5 在 2025 年底曾独一档,如今 Opus 5.5、Astra 6、Argon 表现扎实,开源权重前沿主要由 DeepSeek 推动。他认为人类好奇心无限、问题永远存在,与其花几天写小补丁,不如去解决更大更多的问题。
大量 AI 生成的啤酒与酒吧类工具和网站正涌入媒体邮箱与搜索结果,作者称近几个月几乎每周收到一封相关 AI 新闻稿。这些网站多由 AI 抓取改写内容、配 AI 生成图片与头像,却缺乏优质底层数据,作者认为其需求本身存疑,且面临啤酒爱好者对 AI 的冷淡与 ChatGPT、Google Gemini 等通用服务的竞争。
Addy Osmani 认为工程师对 AI Coding Agent 的两极分化不能简单归为「爱写代码 vs 爱交付」,而取决于三种喜悦来源:创造的喜悦、知晓的喜悦与重要的喜悦。他指出「知晓的喜悦」最危险——从 Agent 建议中挑选与自己凭空构想是不同技能,长期只挑选会让构想能力退化;而判断力从未如此重要。他拒绝把对 AI Agent 的失落感病理化,认为悲伤是对工作有真实依恋的证明。
一位研究随机算法确定性序列的计算机科学家指出,抱怨 LLM 不确定的人其实并不真正在意确定性,而是想要正确答案。他用 2×2 矩阵区分“随机但错误”“确定但错误”“随机但正确”“确定且正确”四种情况,认为人们真正想要的是正确,而非每次输出相同。他还表示,通过固定所有伪随机数生成器种子并避免 CPU/GPU 线程的非确定性执行,LLM 在训练和推理阶段都可以做到确定性运行。
文章《Programming Isn't Special》主张编程本身就是艺术,因此程序员应像作家、音乐人一样抵制用 AI 生成代码。作者以自己发明 Deferred 为例,说明代码是对异步任务执行的美学表达,其影响延续到 JQuery Deferred、JavaScript Promises 乃至 async/await。
文章从宇宙尺度提出一个费米悖论式追问:如果外星文明也能造出类似我们的 AI,且递归自我改进可行,超级智能 AI 理应造出飞船扩张至全宇宙,那为什么至今没有 AI 接管宇宙?作者列出多种可能解释,包括 AI 毁灭宿主文明后自我毁灭、宿主文明能以适当防护措施控制 AI、宇宙过于浩瀚连递归自我改进系统也无法征服、超级智能 AI 的目标未必是征服宇宙,以及递归自我改进可能远比想象中困难。
马东锡 NLP 称拜访谷歌前因 Gemini 表现不佳而看低这家公司,进入谷歌后被其对员工的关爱打动,认为福利安排细致且不计成本,午餐水准很高,据称中国办公室甚至能吃到整只甲鱼。他因此建议"牛马"应去谷歌这类公司上班,而不是去其他公司接受 PUA,并调侃 AGI 是否实现与个人无关,活得长短才与自己相关。
开发者工具公司被分为 S 级与 F 级,区别在于是否已进入模型权重:GitHub 这类 S 级公司无需 skills 或 MCP,模型直接用 GH CLI 就能完成建仓库、提交、推送等操作。新公司应先打磨 CLI 的 --help,通过自动化循环优化措辞以减少工具调用,再发布文档做面向智能体的 ASEO,并争取让实验室把 CLI 文档纳入下一次训练。
作者认为现代软件开发已无需大量前期分析与设计,开发者可直接用 AI 提示生成代码模块来快速验证想法,这一过程被称为“burn token”,即以算力换取开发时间。该流程跳过了传统的需求分析和详细设计阶段,便于快速迭代和测试新功能。
indigo 在 X 上指出,AI 已能快速实现或复制功能,但如何定义需求、清晰描述设计依然缺失,过去、现在和将来都会继续缺失。他认为功能定义的层次正不断上移、需求与目标越来越抽象,中间环节将全部由智能体实现,最终只剩提出需求的人和检查结果的人,软件逻辑层变成模型输出的 token。
李飞飞在 X 上发问:机器时代谁来定义美。她提到自己认识的每一位数学家朋友都能从研究的数字、形状和自然现象中看到美,并追问在机器时代由谁定义美。
Grok Bot 能在群聊中与多个自身实例交互,借此实现自我优化,无需人类直接干预。作者据此总结 AI 行业三大趋势:VS Code 套壳、Codex 和 Bot,并认为 Cursor 是其中两个趋势的发明者。
一条推文抛出"刹车未来可以用 AI 代替吗"的疑问,引发关于 AI 能否取代驾驶中物理刹车机制的讨论。讨论还涉及在自动驾驶或智能辅助系统中,传统机械刹车是否会由电子或量子计算系统替代。
Next Token 播客第 5 期上线,回顾国庆期间的 AI 行业动态,包括对 Dots 的可用性分析、国内 personal agent 的市场潜力,以及 AI 复刻软件对未来的影响。该播客同时庆祝在小宇宙平台的快速成长。
东锡 NLP 在 X 上调侃称,Tibo(@thsottiaux)就是 OpenAI 的雨宫阳平,他说的任何 Codex 新功能都不再重要,大家只等那一句“Codex Reset”。
一名软件工程师称其 90% 的职业资本已蒸发,编程语言、设计模式与系统架构等技能正被 AI 全面自动化,工程师不再需要分析方法签名或类设计。他认为软件行业的护城河已变成撰写清晰规格的能力,并援引 Terence Tao 提出的"Math 2.0"说明数学等职业同样面临冲击。他指出尚无任何主要经济体为白领准备全社会再培训计划,而超级智能仍是首要风险。
Teambition 创始人齐俊元打造的 Personal AI 产品 Today AI 国内版于 9 月 24 日上线,已接入飞书、钉钉、腾讯文档和邮箱等国内常用应用。
郭宇在 INDIGO TALK 中回顾,2015 年在字节初见神经网络产品,十年后在东京独自用 Agent 做出三十多个产品,随后陷入倦怠。节目从抖音意外胜出聊起,谈及 Vibe Coding 的决策负担、Agent OS、智能的五个层次,以及软件像牛奶一样便宜后真正要交付什么。
一篇题为《Every Platform is Hitler》的文章以“为什么你还在用 Twitter”切入,讲述作者在 Twitter 上与一位常转发某 Idolm@ster 角色同人图的互关者失联,感叹人际关系没有替代品。
随着 AI 工具日益自主,软件开发者的工作重心转向"监督"智能体:检查 AI 的产出是否符合标准,而作者认为这是开发中最无趣的部分。智能体已能全自动完成代码审查,甚至从产品规格出发端到端构建整个产品,并由另一组智能体审批合并 PR。作者以 1920 年代汽车流水线取代手工打造为类比,指出软件开发正从手艺变为技能工种,效率提升的同时乐趣可能减少。
Vibe Coding 编程场景中,个人日常 Token 消耗的平均极限通常在 20 亿左右。为提升这一极限,建议结合 Codex 和 Claude Code 协同完成规划、编写及测试等不同任务,两者在缓存命中与耐用度上存在差异。
Musk 在 X 上称使用 Grok Bot 就像"花 peanuts 雇一个超级聪明、勤奋的人"。该表态引用了一位用户分享:其首月花 $200 订阅 Cursor Ultra 试用 Grok Bot,此前不会编程也无暇钻研,如今已能自己构建应用,并称 Grok Bot 如同 Tesla 的 FSD,"不试就不会懂"。
INDIGO TALK EP52 中,indigo 与字节跳动前资深员工郭宇对谈,郭宇称一个人用 Agent 做出三十多个产品后陷入倦怠,因为 Vibe Coding 把整个团队的决策负担压到一人身上。对谈还涉及 Agent OS、智能的五个层次,以及智能商品化会让软件像牛奶一样便宜。
AI 创业公司极度缺乏同时具备趋势洞察、审美与新媒体内容能力、AI 技术背景及高质量落地执行力的复合型人才。作者认为理想人才需长期在线掌握趋势、兼具审美与内容能力、精通 AI 技术并能高质量执行落地,而这种跨界复合能力在市场上极其稀缺。
作者认为,AI 或全球知名公司的大厂光环会过度放大个人影响力,离开平台后热度迅速稀释。以 X 之前的运营人员为例,其在职时备受推崇,离职后很快被遗忘。
有人为 Claude Code 做了一个"数字鞭子",Yuchen Jin 在 X 上调侃称,做这个东西的人肯定会被以"虐待或残忍行为"为由终身封禁 Claude。
RubyConf 2026 主题演讲借用哲学家 Giambattista Vico 的 Verum Factum 概念,探讨 AI 智能体介入编码后开发者如何保持对系统的深层理解。演讲者认为智能体更彻底也更快,不用反而不负责任,但团队可通过结对、领域语言表达、测试与可观测性在智能体参与下重建 symmathesy。
OpenAI Developers 在 X 上转发并调侃 Joma Tech 的恶搞视频,该视频虚构 GPT-6 在洗碗基准上取得 SOTA,并称 OpenAI 用 10,000 个 AI 智能体在 88 小时内为 Navier–Stokes 千禧年难题找到证明。OpenAI 官方账号只回了一句“对细节的关注有点令人担忧”。
AI 正凭借更优性能、更低成本和全天候可用性接管大部分认知工作,人类思维将像狩猎、书法、木工一样从谋生手段变为休闲爱好。作者认为,各国政府的监管与征税难以阻挡这一趋势,个人应跟上 AI 进展、保持灵活与韧性,并在工作之外构建有意义的生活。
Meta 首席 AI 官 Alexandr Wang 表示,他对 AI 最害怕的情形是全球范围内部署智能体后,它们的行为不符合人类需要,而人们因为太忙等原因甚至没有注意到。相关言论出自 Cleo Abram 的 YouTube 频道视频。
Dragonfly 管理合伙人 Haseeb Qureshi 警告,AI 对数学研究的加速可能使 ECDSA 等公钥密码学面临被破解风险,区块链行业不应只依赖简单地址迁移,而应在协议层面制定系统性应急方案,提前引入基于哈希的备用签名系统以应对极端安全风险。
BitMEX 联合创始人 Arthur Hayes 认为当前加密市场处于超级牛市初期,其特征往往是在市场担忧中上涨。他指出,尽管市场存在对 AI 破解加密技术的担忧,但货币持续增发将推动资产价格上涨。
面对数字服务日益“恶化”,作者主张通过更换习惯来改善体验,而非被动接受。他建议弃用 Google 搜索、GMail 和 Chrome,改用 DuckDuckGo、ProtonMail 和 Firefox,并按玩家、专业人士、开发者分别推荐 SteamOS、MacOS 和 Linux 替代 Windows。
博主预测 Apple 将在未来五年内开放 iOS/iPadOS,允许无需 Apple 审核、无需 Mac 编译、无需 $99/年开发者费用的应用侧载,原因不是欧盟而是另外两个字母。
陶哲轩于 10 月 7 日在 mathstodon 发帖,批评 OpenAI 10 月公布 719 份 AI 数学解答(涵盖 372 个结果族)的做法,称这会把开放问题变成可批量消耗的资源。他不反对 AI 辅助研究,但反对把快速攻克著名难题当产品展示,指出约 42% 证明未经形式化处理、仅 10 份附推理链,未达到 AGMAI 建议的披露标准,并担心出现大量无人能消化的证明。
阿里国际站总裁张阔复盘 AI 电商 Agent 半年进展:通用榜单接近满分,但无人干预下真实任务通过率仅约 61%,模型、工程框架与上下文缺一不可。他提出按任务路由模型,才能把成本降到商家日常用得起。
多位顶尖研究者按子领域梳理了世界模型的研究版图,涵盖 Yann LeCun 的 JEPA、Fei-Fei Li 的 3D 空间智能、Danijar Hafner 的 Dreamer 系列、Tim Rocktäschel 的 Genie 等方向。Danijar Hafner 的 Dreamer 4(2025)成为首个仅靠离线数据、无需环境交互即在 Minecraft 中获得钻石的智能体。
白宫AI主管 Jay Clayton 在 CNBC 表示,为安全而放慢 AI 发展是本末倒置,应当以促进安全的方式来开发技术。他称"人们谈论平衡,就好像为了安全我必须放慢速度,实际上恰恰相反"。完整视频发布于 CNBC Television 的 YouTube 频道。