Sakana AI押注自我改進的AI能夠打破前沿實驗室的計算軍備競賽

日本AI初創公司Sakana AI近日宣佈成立“Sakana AI RSI實驗室”，一個專注於遞歸自我改進（Recursive Self-Improvement, RSI）的研究團隊。該實驗室旨在探索如何讓AI系統迭代式地重新設計和改進自身，從而形成進步的正循環。Sakana AI將RSI視為突破當前計算軍備競賽的潛在途徑。

自2023年成立以來，Sakana一直致力於進化式、自適應的AI系統，並逐步向遞歸自我改進邁進。在公告中，該公司列舉了多項過去兩年的研究里程碑，包括LLM-Squared（讓語言模型設計更好的訓練方法）、Darwin Gödel機器（生成和迭代自身代碼變體）、ShinkaEvolve和ALE-Agent（進化程序優化與基於試錯的學習代理），以及AI科學家系統（自動化科研流程，其論文已通過同行評審，相關研究發表於2026年3月的《自然》雜誌）。Sakana認為，這些項目證明遞歸自我改進已不再是純粹的理論，而是在受控研究環境中得到驗證。

Sakana在博文中概述了一個從傳統人工主導的AI優化向自我改進系統過渡的四階段路線圖。第一階段是構建從底層面向開放式代理任務的基礎模型；第二階段通過AI科學家等系統實現代理能力驅動的自動研究；第三階段進入遞歸自我改進本身——AI代理主動編寫、測試和驗證自身底層架構的代碼；第四階段及長期目標是更廣泛地普及前沿AI能力。Sakana將RSI定位為對主流擴展範式的反撥：不是訓練越來越大的單一模型並投入更多算力，而是依靠自適應系統和進化優化，以儘可能少的嘗試找到更好的解決方案。其核心理念是，遞歸自我改進可以在中等算力下運行，減少對美國大實驗室和雲服務商龐大的GPU集羣的依賴。這是一個有吸引力的研究方向，但仍屬戰略押注，尚沒有證據表明自我改進系統能實際抵消大規模數據中心的成本優勢。

RSI實驗室的啓動也引發了一個安全問題——Anthropic最近剛將其列為潛在風險。Sakana聚焦於RSI的積極面，將其視為通往更高效、更普及的前沿AI的路徑。Anthropic認同這一前景，但也警告其風險：一旦完全遞歸自我改進實現，AI系統可能自行加速發展，快於任何機構的管控能力。針對這一情景，Anthropic此前曾提出考慮全球暫停前沿AI發展的建議。

Sakana AI是美國之外最引人注目的AI初創公司之一，由前谷歌研究人員（包括Transformer論文《Attention Is All You Need》的作者之一Llion Jones，以及曾任職於Google Brain和Stability AI的David Ha）創立。與許多前沿AI實驗室不同，Sakana不側重於擴展單個大模型，而是專注於進化式、自適應和多組件AI系統。公司名稱“Sakana”在日語中意為“魚”，寓意羣體行為、進化和集體智能。這使Sakana獨樹一幟：既深植於Transformer研究，又明確尋求主流擴展範式的替代方案。