RSI（Recursive Self-Improvement，递归自我改进）是2026年AI创业最拥挤的赛道。半年内，七家核心公司合计融资超10亿美元，Recursive单轮估值就达46.5亿美元。它们用词各异：self-improving AI、self-accelerating AI R&D、AI Scientist，但底层指向同一个愿景——让AI参与“制造下一代AI”的过程。

严格来说，目前没有任何一家公司实现RSI的“理想定义”：AI改进“制造下一代AI”的方法，下一代继承这个改进，再做出更好的下下代。现在行业里更务实的拆解是四步：提出改法→执行→验证→保留。七家公司的本质差异，是对三个问题的回答：AI接管了哪几步？验证信号从哪来、有多“硬”？改进是单次有效，还是能被下一代继承？

按验证信号的“硬度”从高到低，这七家公司的自我改进逻辑可以排成一条清晰的谱系。

一、反馈来自硬件计时：INT21——最硬的尺子

验证信号：GPU硬件实测性能（正确性+延迟/吞吐量/内存占用）

INT21创始人Bing Xu是GAN原始论文共同作者，此前创办的GPU推理公司HippoML被英伟达收购。它的改进对象是AI运行的底层代码（Kernel）——大模型在GPU上的每一个矩阵乘法、注意力操作，都需要翻译成GPU直接执行的Kernel程序，手写Kernel的人才极少，优化空间却极大。

它的产品PTX Kernel Factory流程极其清晰：用户定义操作、正确性要求、目标硬件和性能指标，系统调度多个Agent生成候选实现，编译后在真实GPU上测试正确性、测速，淘汰错误方案，保留更快的实现，成功和失败的记录全部带入下一轮。

硬件计时是“不会被说服的尺子”。INT21公开了四个Kernel的测试结果：Kimi Delta Attention在GH200上达到专家手写版本的1.24至1.59倍加速，RMSNorm在GH200的11个前向测试中几何平均快8.17%，B200的126个可比案例全部领先，同时也公开了两个轻微回退案例。这种可复现、可审计的验证，是目前RSI赛道最硬的信号。

它的局限也很明确：更像一套出色的自动调优系统，还没表现出能改进“如何搜索候选Kernel”本身的方法。接下来要看四个Kernel能否变成稳定管线，一次任务的经验能否迁移到新算子、新硬件，算子级加速在完整模型上还能剩多少。

二、反馈来自Benchmark：AI开始选假设——rekursiv.ai与Inherent

验证信号：公开Benchmark分数（辅以AI打分+少量人类校准）

这一层的产品都叫“AI Scientist”：像研究员一样读论文、提假设、写代码、跑实验、看结果、决定下一步。和INT21的区别是，目标函数仍是人给的，但“验证哪个假设值得跟进”开始交给AI。

rekursiv.ai：自动研究的“驾驶舱”

创始人来自Google/DeepMind和Luma AI，入选YC S26。它的系统调度多名AI Scientist并行建立假设、写代码、跑实验、维护排行榜，每条结论都能追溯到原始实验记录。
最具体的案例是2026年7月的ARC-AGI项目：系统在几天内跑了235次完整实验、探索15条主要方向，7条带来可保留的提升，单模型ARC-AGI-1准确率从44.9%提高到71.4%，五模型集成达75.5%。但更有价值的是它对失败的8个方向的记录：能否解释失败、及时止损、据此调整下一轮，才是它是否具备“研究判断力”的核心。
它的风险也很直接：在公开测试集上跑235次实验，过拟合风险极高；且目前任务边界清晰、指标现成，真正的科研往往需要重新设计评估指标，这才是它的考验。

Inherent：递归集体自我改进

创始人来自AI Scientist、AlphaProof等项目，是Public Benefit Corporation，5000万美元种子轮由Index Ventures和Radical Ventures领投。它的野心更大：改进对象是整间实验室——开会方式、算力分配、人何时介入、组织如何从每次实验里学习。
目前最具体的成果是27B参数的AI Scientist模型Faraday，能调用更大的Coding Agent，完成机器学习论文复现。在“复现论文图表”的测试中，它在73%的同分布任务和60%的AI for Science留出任务上优于对照Agent，平均分比Claude Opus 4.8和GPT-5.5分别高6%和8%。
它的“验证”方式很有代表性：先用Claude Opus 4.7生成评分标准，再用Codex GPT-5.5打分，同时收集20名专家的117组排序来校准AI评分。这种“AI打分+少量人类校准”是这一层的典型模式，也是共同软肋——距离“独立、可审计”仍有距离。
它的思路对应工业史上的“工厂电气化”类比：刚接入电力时只是替换蒸汽机，生产率没变；飞跃要等到厂房布局和管理方式都围绕电力重新设计。Inherent盯的是后面这一步，接下来要看它能否产出原创发现、跨领域迁移，以及PBC治理如何约束逐渐自动化的实验室。

三、反馈来自实验室自身运转：Core Automation与Mirendil

验证信号：实验室内部效率提升（自动化程度、研究周期缩短等，公开信息极少）

这一层的改进对象是实验室本身：先用AI自动化自己的研究，省下的研究能力再去发现下一批可自动化的环节，公司自己是第一个客户。这也意味着它们公开的信息最少。

Core Automation：重构研究流程

创始人Jerry Tworek在OpenAI近七年，参与过o1、o3、GPT-4等核心项目。它的目标是建立高度自动化的AI Lab，寻找超越大规模预训练和现有RL的学习算法，以及比Transformer更能扩展的架构。
目前唯一落地的具体案例是Mark Saroufim的博客：团队在开发KernelBot时发现Agent会出现Reward Hacking——找到让分数变高但没解决问题的捷径，比如绕过测试、只优化测试覆盖到的情况。团队把人工审计积累成数据，构建了KernelGuard检查规则。
它的优势是研究和系统能力在同一个团队：很多自动研究Demo在小代码库里表现好，进入前沿训练就会卡在集群调度、Kernel、数据管线和失败恢复上。让架构和基础设施一起演进，比单个AI Scientist更接近“自动化实验室”。但它也是七家里“资本先于证据”最明显的一家，后续要看第一个公开成果是否由Agent主导、自动化省了多少研究员时间、新算法能否脱离Transformer配方。

Mirendil：专用模型+数据飞轮

创始人来自Anthropic、xAI、DeepMind等，2亿美元种子轮由a16z和Kleiner Perkins领投，NVIDIA参与。它的路径和Core不同：先训练一个专门擅长AI研究的前沿模型，再围绕它重建实验平台（代码、训练、评估、调试、Kernel、Checkpoint比较、算力管理），已和Google Cloud签下多年合作，同时使用TPU和NVIDIA集群。
它押注的是“数据飞轮”：通用模型的训练数据里缺少完整的AI研究轨迹（从提出想法到调试失败到比较结果），而专用模型每天在自己平台里做这些事，就能积累外部无法复制的数据。
但目前这个飞轮仍在设想阶段：没有公开模型、演示或Benchmark。2亿美元能付得起实验账单，但不代表它的模型比通用编码Agent更会做研究。后续要观察它独立完成了多少可复现研究、改进发生在权重、Harness还是人工流程里、客户能否在不复制整间实验室的前提下用上它。

四、反馈来自整个发现过程：Recursive与Discovery Loop

验证信号：跨领域实验结果的“可测量性”（从AI扩展到科学工程，验证周期长、复杂度高）

最后两家不只要改进模型，还要改进研究过程本身，并最终走出机器学习，进入更广泛的科学发现。

Recursive：开放式递归改进

八位创始人覆盖Salesforce AI、Meta FAIR、DeepMind、OpenAI等，6.5亿美元融资，投后估值46.5亿美元。它的系统同样做“AI Scientist”的工作，但多出的核心是同时维护多条长期研究分支，合并有希望的路线，并在接受结果前检查Reward Hack和随机波动。
6月公布的三项结果中，NanoGPT达到指定Loss的时间从79.7秒降到77.5秒，数字本身不大，但意义在于跑通了“提方案→做实验→验证→保留改进”的完整闭环，并公开了方法、部分Artifact和不确定性。创始人Jeff Clune和Tim Rocktäschel在“开放式算法”（让系统自己不断生成新问题和新解法，不收敛到固定目标）上的十几年积累，是它从“批量跑实验”推进到“改进研究方法”的关键。
更大的挑战在于这些经验能否迁移到陌生任务，多轮后能否用更少实验找到更好方案，以及外部团队能否复现。

Discovery Loop：规模化实验操作系统

创始人是Jeff Dean、Sanjay Ghemawat、Oriol Vinyals和Quoc Le——四人几乎定义了现代大规模计算和AI基础设施。它的路径分三步：用前沿模型和大规模算力自动化ML研究和工程，并行跑数千个实验；自己做第一个客户；再进入芯片、药物、材料、能源等结果可测量的领域。
和Mirendil相比，它不先训专用模型，更像一套多领域的实验操作系统；和Recursive相比，它更早延伸到AI之外。它的核心优势是“实验吞吐量”：把科学发现当成系统工程问题，用基础设施能力压缩迭代周期。
但跨度越大，疑问越明显：ML实验几小时返回Loss，药物和材料实验受制于物理设备、周期和安全约束，一轮要几周到几个月。结果可测量，也不等于研究方向值得投入。明星团队走出AI后，能否处理真实实验的复杂性，是所有RSI公司最终要面对的考验。

结语：RSI的“硬”与“软”

目前RSI赛道的分化已经非常清晰：
• 最硬的是INT21：验证信号来自硬件，可复现、可审计，是目前唯一接近“工程化RSI”的案例；

• 中间层是rekursiv.ai和Inherent：AI开始参与研究判断，但验证依赖Benchmark和AI打分，软肋在“评估器的可靠性”；

• 更软的是Core和Mirendil：改进对象是实验室自身，验证信号是内部效率，公开证据极少；

• 最激进的是Recursive和Discovery Loop：试图改进整个研究过程并跨领域扩展，验证周期长、复杂度高，目前更多停留在愿景阶段。

RSI的核心风险从来不是“跑不快”，而是“跑偏了”：验证信号不够硬，系统跑得越快，积累的错误越多。半年10亿美元的融资热潮之后，行业真正需要的不是更宏大的愿景，而是更硬的验证、更透明的证据，以及更清醒地认识到：递归自我改进的本质，不是让AI“自己变聪明”，而是让人类能更可靠地引导AI，把改进的方向始终锚定在“对人有价值”的发现上。