近半年，全球资本正密集涌向一个名为RSI（递归自我改进）的技术方向——让AI参与改进下一代AI，形成“AI改进AI”的闭环。据小饭桌不完全统计，半年间已有超30亿美元投向该赛道，若从年初算起，这一数字超过50亿美元。

海外方面，一批从巨头实验室出走的顶级研究者成为这轮创业潮的核心。AlphaGo核心开发者David Silver创办的Ineffable Intelligence完成11亿美元种子轮；前谷歌DeepMind首席科学家Jeff Dean联合创办的Discovery Loop首轮融资规模10亿美元；前Meta FAIR研究科学家总监田渊栋联合创办的Recursive Superintelligence刚走出隐身状态就拿到6.5亿美元融资。这些初创的投资方名单中，红杉、谷歌、英伟达、AMD、a16z、Kleiner Perkins等顶级机构几乎悉数到场。值得注意的是，Ineffable Intelligence的种子轮中，英国政府主权AI基金也参与了投资，政府直接出资押注成立仅数月的AI初创，在以往并不多见。

国内节奏同样加快。超衍智能成立仅3个月便完成两轮近4亿元融资，投资方包括IDG资本、中关村科学城基金、深创投、上海未来产业基金等；元环智能完成天使轮融资，顺为资本、上海未来产业基金参投；日行迹智能被百度以10亿元并购入股。上海未来产业基金同时出现在超衍智能、元环智能、日行迹智能三家投资方名单中，显示其有意在RSI方向构建投资组合。

资本密集下注的背后，是行业对预训练Scaling Law边际收益递减的焦虑。更多数据、算力与参数带来的能力提升已不如过去陡峭，行业急需下一条增长曲线，而RSI被视为最激进的那条。同时，前沿实验室的研发线上已出现真实的早期信号：AI正从“写代码的助手”走向“执行实验、处理反馈并加速下一轮AI研发”的角色。

这轮RSI创业呈现几个特征：公司成立时间短、融资节奏紧凑且轮次明显前移，多数公司尚无产品、团队仅二三十人便拿到巨额种子轮；估值跳升快，例如Mirendil在一个季度内从10亿美元估值升至50亿美元洽谈估值，Discovery Loop在完成约10亿美元融资后，随即寻求500亿美元估值的新一轮。技术路线也已分化，包括原生协同进化式RSI、后训练自我改进、芯片递归、AI科学家+自动化实验室等，共同点是让AI在研发流程中承担更多闭环工作。

国内大厂的动作比海外更“实”。9月22日，阿里巴巴CEO吴泳铭公开表示通往超级人工智能的具体技术路径就是RSI，并透露Qwen团队正在进行相关探索；同一天，小米发布并开源MiMo-V2.6系列，官方称其为“探索RSI路径的关键一步”，主导者为前DeepSeek核心研究员罗福莉。此外，智谱创始人兼首席科学家唐杰于9月17日披露公司首个RSI方向工程化实践；9月1日字节跳动Seed团队联合TokenWave发布“Self-Developing Agents”项目；7月腾讯混元发布Hyra-1.0，定义为能递归自我改进的科研智能体。

投资人的下注逻辑，可概括为在AI从Agent向持续学习过渡的窗口期，用早期估值锁定RSI的入场券。中关村科学城基金将RSI定位为“通往下一代AI范式的关键路径”，政府背景基金看重的是中国AI产业在新范式上抢占身位的战略机会；市场化机构则更关注节奏感，DeepSeek梁文锋将AI演进拆解为思维链、通用Agent、持续学习、模型自主研发下一代模型四级阶梯，RSI处于最顶端。

一个绕不开的事实是，RSI仍处于极早期阶段，至今没有哪家公司真正跑通闭环，即便是估值近47亿美元的Recursive Superintelligence也尚未拿出可验证的研究成果。但至少从人才与资本流向上看，RSI已成为AI领域少有的、同时吸引顶级研究者和产业资本的方向，能否跑通闭环仍需时间验证，但赛道的角逐已经开始。