RSI真相：国产AI的L1-L5进度条

引言

2026 年，RSI（Recursive Self-Improvement，递归自我改进）成了模型厂商的“内功心法”。融资路演里，“Self-Training”四个字几乎是估值的加速器；工程现场里，日均数百万个临时沙盒被拉起、销毁、再拉起，去验证下一轮系统改动是否有效。热度之下，行业也在冷静对齐一把标尺：真正的 RSI，不只是“AI 改进 AI”，更关键是把改进经验固化成资产，让学习方法本身迭代。这意味着从 L1 到 L5 的层级跳跃，远不止堆算力那么简单。

现实却有些扎心。全球范围看，多数系统仍停在 L1-L2 的过渡带，L3、L4 在软件工程、科学发现等垂直领域才露出苗头，L5 的“AI 自发明下一代 AI”还仅限于极少数受限原型。在国内，大家也都在改“造 AI 的机器”——训练流程、推理系统、GPU 算子、Agent 脚手架——但几乎没有团队敢放开手脚直接让 AI 改写底层模型权重。为什么？值不值？能走多远？这些问题，正在决定国产 RSI 的路线与边界。

RSI 的等级与“真实水位”

要理解当前进展，先要理解 RSI 的分层逻辑。可以粗略概括为：

• L1：自动化数据处理与评测，流水线更高效，但学习方法不变。
• L2：组件级闭环优化，能自发定位瓶颈、试验改动、回收经验。
• L3：在特定垂直领域实现任务级闭环，目标函数更复杂，回路更稳。
• L4：跨域迁移与方法学演化，开始“改方法而非仅改参数”。
• L5：全栈闭环，AI 能在约束内自设计、验证并部署下一代 AI。

用这把尺子去量国内厂商近两月晒出的 RSI 成果，主战场集中在 L1-L2：把推理、算子、调度、Harness 等系统化为可被 Agent 操作的对象，搭建稳定的评测面板和回滚机制；在部分垂直方向出现 L3/L4 的雏形，比如大规模代码代理、科学计算流程的自动化设计。至于 L5，仍是“看看论文”的阶段。

一个行业共识

短期里，最值得投入的不是“敢不敢让 AI 改权重”，而是“能不能让改动闭环起来”。闭环不等于聪明，闭环意味着可控、可复用、可积累。它把一次性的技巧变成系统资产库，把工程的偶然收获变成可重复的产能。

智谱的样本：先造“机器”，再让机器造 AI

国内跑得最实的案例来自智谱：选择从“最脏最累”的推理系统切入口，再延展到 Agent Harness，两个方向分别指向降本与增效。

推理系统：10 万张国产卡，两周自举生产级服务

• 由 GLM-5.3 驱动的 Infra Agent 接管推理基础设施，从算力编排、任务切片到缓存与中间态管理，端到端自动化。
• 在 10 万张国产芯片集群上，两周从零自举出 GLM-5.3-Flash 的生产级推理服务，在线扛量。
• 关键指标：端到端吞吐提升至基线的 3.2 倍；硬件利用率与单 Token 成本追平主流英伟达 GPU；匿名上线后 6 天累计处理超 62 万亿 Token。
• 经验沉淀：将有效的优化方案抽象为“优化骨架”存入资产库，二次遇到相似瓶颈可直接复用，形成最小闭环——“模型优化系统，系统服务模型”。

这是一种极具“工程含金量”的 RSI：以真实线上流量做裁判，以产能与成本作为目标函数，AI 负责提出改动、压测、回滚与归档，最大限度降低试错成本。

HarnessPro：不碰答案的“帕累托自改进”

Harness 是大模型外侧的调度框架，掌管提示词、工具调用、算力预算与任务路由。传统上，这是一张高维超参网，只能靠工程师“捏”。HarnessPro 的设计要点在于三点：

• 零答案接触：避免“偷看标准答案”导致的评测作弊。
• 多 Agent 分工：诊断 Agent 找瓶颈，生成 Agent 合成压力用例，规划与实现 Agent 在性能/成本不同导向下改框架代码。
• 双目标优化：同时优化准确率与执行成本，按帕累托前沿选择改动。

结果显示，在不触碰标准答案的前提下，高难代码任务的通过率反而提升，单任务成本削减 53%。这恰好印证了那句广为流传的判断：驱动循环的不是智能，是闭环本身。只要有可改进的对象、可信的裁判和可维持的反馈回路，系统就会被稳步逼近最优。

为什么没人敢动“权重”？

在技术叙事之外，权重级 RSI 的迟疑有其深层原因：

• 安全与治理：自改权重存在“奖励投机”“梯度黑客”等风险，一旦在生产环境放飞，事故不可逆、责任不清晰。
• 评测不完备：权重变化影响分布外行为，现有基准往往覆盖不足，缺少能约束泛化与对齐的强裁判。
• 可追溯与可回滚：系统级指标（吞吐、延迟、成本）可即时量化且易回滚；权重变更的因果归因与灰度策略更难。
• 数据与合规：自生成样本可能污染训练分布，触发版权或隐私风险；审核成本上升。
• 经济性：与其豪赌难以解释的权重改写，不如先榨干“系统红利”，单 Token 成本与可用性改善立竿见影。

这也是行业当下的理性选择：把最能形成闭环、收益可量化的层面先打穿，然后再为权重级自改进铺设防火墙、检验台与回滚跑道。

“一天造 300 万个沙盒”的意义

在 RSI 的工程化阶段，“沙盒”成了新型要素生产工具。它不只是测试环境，更是高频验证、低成本探索的调度单位：

• 规模化对照实验：并行启动海量短生命周期环境，快速 A/B 不同算子、编译选项、量化策略与路由策略。
• 自合成压力与故障：由 Agent 生成对抗场景与边界用例，验证鲁棒性与退化行为。
• 可控发布与回滚：小流量金丝雀发布，异常自动熔断，变更与指标闭环入库。

对应到栈内的“可改对象”，今天国内团队重点在四类：

• 训练流程：数据清洗/合成、采样策略、配方搜索与小步迭代。
• 推理系统：批处理/并行/缓存、KV 管理、调度与编排。
• GPU/加速算子：自动算子调优、编译搜索、内存与通信规划。
• Agent 脚手架：工具接入、提示与路由、成本-性能权衡。

它们的共同点是：指标可量化、评判可自动化、知识可资产化。这正是 RSI 从“炫技”走向“产能”的门槛。

影响与展望

短期影响会非常直接：谁先把系统级 RSI 打出稳定闭环，谁就能用更少的成本提供更快、更稳、更“懂业务”的模型服务，形成“成本-性能—迭代速度”的三连增益。由此衍生的资产库（优化骨架、评测用例、调度策略）会形成强粘性的技术壁垒。

中期看，L3-L4 会在高价值垂直领域加速落地：代码代理、数据工程、科学计算与工业仿真，都是目标函数清晰、沙盒可控、收益可即时结算的黄金赛道。围绕它们的评测与治理体系，将决定能否安全地迈向“有限权重自修改”，比如让 AI 在强评测护栏下提出“微小权重补丁”，通过可解释性与金丝雀流程逐步合入。

至于 L5，真正的前提不只在模型本体，还在系统治理：需要更强的评测覆盖、更可靠的因果归因、更完善的溯源与合规，以及更低成本、更高规模的沙盒与算力基座。换句话说，L5 是系统工程成熟度的产物，而非一次灵光乍现。

判断未来一年国内 RSI 进展，有三个值得盯的里程碑：
- 线上可解释的“微改权重”安全通道出现，并在小范围稳定服役。
- 自生成评测的覆盖率与事故捕获率，持续优于人工基准。
- 成本侧指标（每 Token 成本、每成功任务成本、回滚半衰期）在同等质量下显著领先。

当这些信号同时出现，“AI 造 AI”的故事才会从概念走向范式迁移。

标签： RSI 自我改进 推理系统 Agent 国产大模型