再访田渊栋：46.5亿美金估值的RSI，与AI自进化｜Neolabs特辑【101视频播客】

Summary

Meta 前 AI 研究主管田渊栋與其他 7 位頂級研究員共同創辦了 Recursive Superintelligence（RSI），融資 6.5 億美元、估值 46.5 億美元。核心願景是透過遞迴自我改進——讓 AI 自動化優化 AI 本身——來加速人類知識發現速率。團隊認為當前人類是研究瓶頸，應將科研過程自動化；同時強調預訓練能力上限決定強化學習上限。在大公司組織架構臃腫、決策速度跟不上 AI 發展的背景下，小型精幹團隊成為弯道超車機會。採訪涵蓋 AI 研究熱潮、各大實驗室競爭格局、模型架構創新方向，以及 AI 時代對就業與個人意義的深刻反思。

Key points

• 遞迴自我改進：用 AI 優化 AI，目標是最大化知識發現速率，加速科研過程自動化。
• 組織架構決定勝負：大公司組織臃腫導致決策慢、同質化嚴重，小公司集中資源專注單一方向能更快迭代。
• 預訓練是上限：預訓練能力決定強化學習上限，純粹堆砌計算資源會遇上天花板，需要新範式突破。
• 潛在推理優於語言推理：隱式推理空間能並行多條思路，效率高於逐步寫出語言推理過程。
• AI 時代的人生意義：大廠不再需要那麼多人，每個人必須找到獨一無二的價值，成為行走的數據源。

Chapters

1. [0:00] RSI 的願景與融資背景

   田渊栋加入由 8 位頂級研究員創辦的 RSI，融資 6.5 億美元、估值 46.5 億美元，核心方向是遞迴自我改進。

2. [3:45] 為何小公司優於大公司

   大公司組織臃腫、決策慢、同質化嚴重，而小公司精幹高速，能在大公司適應新工具期間實現弯道超車。

3. [6:09] RSI 的 8 位聯合創始人與分工

   8 位創始人涵蓋前沿模型、強化學習、世界模型、智能體等領域專家，互補且民主合作。

4. [14:13] 遞迴自我改進的核心邏輯

   利用 AI 自動化人類繁琐、重複的研究工作，進一步發現新洞察，形成自我強化迴圈，目標是超越人類科研能力。

5. [19:35] 可解釋性與安全設計

   可解釋性是 RSI 的重要機制，既能確保超級智能安全對齐，又能提高運算效率，透過人類評估守護邊界。

6. [25:57] 模型能力與訓練範式的思考

   預訓練決定強化學習上限；潛在推理優於語言推理；扩散模型與 LLM 結合是前沿方向；純粹堆砌計算無法持續突破。

7. [42:50] Neolab 格局與大公司競爭

   SSI、AMI Labs、Thinking Machines Lab 各有方向，小公司專注專深、大公司資源豐富但同質化，競爭會在新方向被驗證後產生。

8. [1:05:28] OpenAI、Anthropic、Google、Meta 與 xAI 動向

   Anthropic 自動化研究領先、Meta Muse Spark 仍是通用模型、Google 與 xAI 面臨組織架構挑戰，大模型無永遠贏家。

9. [1:18:49] Meta 蒸馏員工與就業未來

   Meta 強制蒸馏員工數據引發爭議，反映大廠裁員趨勢加劇，未來人必須找到獨特價值或面臨失業。

10. [1:26:24] RSI 的企業文化與工作狀態

    公司風格直言務實、埋頭做事、開放交流，無官僚層級，成員充滿動力，發布反響正面。

Quotes