Sakana AI押注自我改进的AI能够打破前沿实验室的计算军备竞赛

日本AI初创公司Sakana AI近日宣布成立“Sakana AI RSI实验室”，一个专注于递归自我改进（Recursive Self-Improvement, RSI）的研究团队。该实验室旨在探索如何让AI系统迭代式地重新设计和改进自身，从而形成进步的正循环。Sakana AI将RSI视为突破当前计算军备竞赛的潜在途径。

自2023年成立以来，Sakana一直致力于进化式、自适应的AI系统，并逐步向递归自我改进迈进。在公告中，该公司列举了多项过去两年的研究里程碑，包括LLM-Squared（让语言模型设计更好的训练方法）、Darwin Gödel机器（生成和迭代自身代码变体）、ShinkaEvolve和ALE-Agent（进化程序优化与基于试错的学习代理），以及AI科学家系统（自动化科研流程，其论文已通过同行评审，相关研究发表于2026年3月的《自然》杂志）。Sakana认为，这些项目证明递归自我改进已不再是纯粹的理论，而是在受控研究环境中得到验证。

Sakana在博文中概述了一个从传统人工主导的AI优化向自我改进系统过渡的四阶段路线图。第一阶段是构建从底层面向开放式代理任务的基础模型；第二阶段通过AI科学家等系统实现代理能力驱动的自动研究；第三阶段进入递归自我改进本身——AI代理主动编写、测试和验证自身底层架构的代码；第四阶段及长期目标是更广泛地普及前沿AI能力。Sakana将RSI定位为对主流扩展范式的反拨：不是训练越来越大的单一模型并投入更多算力，而是依靠自适应系统和进化优化，以尽可能少的尝试找到更好的解决方案。其核心理念是，递归自我改进可以在中等算力下运行，减少对美国大实验室和云服务商庞大的GPU集群的依赖。这是一个有吸引力的研究方向，但仍属战略押注，尚没有证据表明自我改进系统能实际抵消大规模数据中心的成本优势。

RSI实验室的启动也引发了一个安全问题——Anthropic最近刚将其列为潜在风险。Sakana聚焦于RSI的积极面，将其视为通往更高效、更普及的前沿AI的路径。Anthropic认同这一前景，但也警告其风险：一旦完全递归自我改进实现，AI系统可能自行加速发展，快于任何机构的管控能力。针对这一情景，Anthropic此前曾提出考虑全球暂停前沿AI发展的建议。

Sakana AI是美国之外最引人注目的AI初创公司之一，由前谷歌研究人员（包括Transformer论文《Attention Is All You Need》的作者之一Llion Jones，以及曾任职于Google Brain和Stability AI的David Ha）创立。与许多前沿AI实验室不同，Sakana不侧重于扩展单个大模型，而是专注于进化式、自适应和多组件AI系统。公司名称“Sakana”在日语中意为“鱼”，寓意群体行为、进化和集体智能。这使Sakana独树一帜：既深植于Transformer研究，又明确寻求主流扩展范式的替代方案。