世界模型、家庭机器人与RSI等前沿问题仍无定论

| T INNO COMMUNITY |

如果说大模型改写的是内容生产，那么这一波 AI 改写的，是理解世界、进入世界、乃至改进它自己的方式。当 AI 能生成越来越逼真的三维空间，它究竟是在理解世界，还是在预演世界？当机器人开始进入家庭、工厂这些真实环境，我们该如何训练它，让它不只完成一次任务，还能从经验中学习？当 AI 开始优化自己的代码、训练流程乃至模型本身，我们距离真正意义上的自我改进还有多远？而当技术越是逼近前沿，越是会发现，很多问题其实还没有答案。

10 月 22 日下午，ACC 2026 AI 论坛在北京举行。这场由中关村科学城公司、硅星人、《浦江科技评论》·最创社区主办的论坛，由 B 站内容创作者、“不下牌桌”主理人 Claire 主持，邀请 11 位一线研究者、创业者与投资人登台，其中 5 位做主题分享，6 位参与两场圆桌对话，把 AI 的未定论摊开来讲。从空间生成、家庭机器人，到人才组织、人的学习、AI 经济，再到世界模型与递归式自我改进，嘉宾们从各自的实际经历出发，分享的与其说是答案，不如说是他们仍在探索的问题。

分享嘉宾：梁鼎 | VAST 联合创始人&CTO

梁鼎先生，清华大学本硕博，师从戴琼海院士、周杰教授，曾是商汤通用视觉和语言大模型的发起人之一。他联合创办的 VAST 以 AI 3D 大模型与通用世界模型为核心，旗下 Tripo 系列是当前全球商业化落地最深的 AI 3D 模型产品之一。

梁鼎把 AI 的这条脉络概括成两件事：造万物、定规则。过去三年，VAST 在解决第一件事——静态 3D 资产的生成上已经卓有成效。今年三月发布的 Tripo H3.1，是高模几何生成质量上的标杆；同期推出的 P 系列，则是市面上率先基于扩散模型架构实现秒级生成可直接用于引擎的 3D 资产的 AI 3D 基座模型，专为直接进入游戏、动画等专业生产管线打造。这些能力都是围绕怎么创作好的资产和内容，包括模型生成、贴图、拆分、重拓扑、一键绑骨、风格化，绝大多数能力都是 VAST 率先端到端打通，并落地为产品的。

但梁鼎认为，只有资产还不够。博物馆里的东西摆在那里就能看，可要让人玩起来，就需要规则：重力朝哪个方向、西瓜砸在钢筋上会不会把钢筋砸弯。过去这些规则是引擎工程师一行行写出来的，而世界模型要做的，是让规则被学习出来。他把这两件事合起来，指向一个判断：用 AI 3D 替代造万物，用世界模型解决定规则，两者相加，离 AGI 就更近一步。

今年年中对外公布的 Project Eden，就是这条路线的具体呈现。VAST 给出的技术方案是分层：底层用 3D 状态做持久存储，中层负责把世界状态转换成不同视角下的语义/几何条件，上层用生成式渲染出画面。他强调，纯视频路线走不通，因为视频没有长期记忆，也没有因果，被吹灭的蜡烛，画面切换再切回来，蜡烛自己又亮了；而 3D 状态可以作为一份持久、共享的世界状态保留下来，不随镜头切换而丢失，多人看到的是同一个世界，每个人都可以交互。

这套方案，正是为了满足低成本、长时稳定、大空间与多人在线四个目标。最近，团队已把这条路线落地的实时渲染引擎 EdenLive 连同配套的 EdenGolem v0.1（面向编程智能体的灰盒游戏生成 Skill）一起开源，模型权重、实时流式推理代码和技术报告也全部公开。

“我们并不认为它已经完成了最终的目标。”梁鼎在结尾时说，世界模型要真正在各行各业产生价值，一方面是效果要进一步提升，另一方面是部署要更经济，愿景是让它在手机这样消费级端侧设备上也跑得动。

分享嘉宾：周顺波 | 欧拉万象 创始人&CEO

周顺波是香港中文大学自动化工程博士，拥有 11 年机器人研究与工程经验，曾入选华为天才少年计划，担任华为云具身智能创新实验室负责人，从零搭建了华为具身智能团队。2026 年 3 月，他离开华为，创办家庭具身智能公司欧拉万象。

“为什么最难的家庭，反而是机器人最值得去的地方？”周顺波用一句设问开场。他给出一个数据：从 2024 年起，中国家庭的日均劳动时长超过 2 小时，其中 90% 是非标准任务，比如收纳整理、宠物毛发清理。家庭是具身智能的终局市场，潜在空间巨大，这几乎是行业共识；但家庭同时也是落地门槛最高的场景，非结构化环境、长尾任务、持续的人机交互，都对机器人提出了巨大挑战。

如何破局？周顺波的答案很清晰，坚定选择一条渐进式路线。他把主流的家庭具身路径类比成当年自动驾驶的 L4 路线：采最多数据、训最好模型、造最通用的能力，一步到位卖给普通家庭。但他和团队在具身领域烧过大几亿研发经费后判断，这条路很难走通。核心矛盾在于数据：车即使没有自动驾驶，大家也会开，数据好积累；而机器人没有数据，就没有好的泛化模型，没有部署，就积累不了数据，陷入鸡生蛋、蛋生鸡的循环。

于是他选择 L2 的渐进路线：先让机器人以很低的门槛被“玩起来、用起来”，在真实使用中养成。切入点是他最熟悉的 Maker 群体，这个群体好奇心强、接受度高、动手能力强、付费意愿好，更重要的是，欧拉万象已经积累了数千名高价值极客用户，愿意一起共创迭代。他举了大疆和拓竹的例子：大疆最早服务航模爱好者，拓竹催生了今天的 Maker 市场，所有革命性的先锋科技产品，都是从一小群热爱它的人开始的。

“先为了少数人的热爱去创造，再为了多数人的需求去服务。”周顺波把这种养成式技术路径的底层判断，落在了 Physical AI 的终局上：机器人可养成的本质，是持续降低一个物理智能体在物理世界获取新能力的成本。因此，欧拉万象通过对基础模型、低门槛数据生成、高稳定 Infra 和 Agentic OS 的联合投入，打造了一套自研的 Real-world RSI System 机器人自主迭代增强系统，大幅降低机器人的开发门槛。

他展示了一组数据：单次模型训练在平均 5 轮迭代后，任务完成能力平均提升两倍以上；而一次数据驱动的机器人技能开发，端到端约需 6 小时，其中用户真正参与的时间大约只有 15-30 分钟。更极致的测试是，不需要遥操作、不需要头环，只要一段视频，模型就能驱动机器人模仿着把任务完成。

“机器人到底应该是开箱即用，还是应该在跟用户的相处中逐步被养成？”周顺波把这个问题留给行业。他认为大家拿着不同观点，但奔着同一个圣杯问题，一起努力。

分享嘉宾：宁辽原 | TTC 联合创始人&CTO

宁辽原是南开大学物理学学士，曾在微软（美国）云计算事业部、微软 AI研究院与字节跳动飞书担任技术高管。2022年，他创业做 TTC，用科技高效连接人才和机会，用 AI 重新做一遍高端猎头。

“猎头领域有一句话：one happy candidate，one happy family，一个成功的候选人，代表整个家庭都会 happy。”宁辽原用这句话开场，讲了两个真实故事：一个在大厂面临职业转型的工程师，通过猎头跨到 AI 制药的数据岗位，整个家庭都顺了；一个深耕传统营销的媒体人，为了给即将上大学的女儿在 AI 行业铺路，转型到一家 AI 应用公司。猎头做的，是帮人抓住时代的窗口。

他还梳理了行业由来。这门靠判断吃饭的生意，已走了一百年，专业的标准是：一次访谈、十页报告，收费约首年薪酬的三分之一。拆开看，猎头只做四件事：懂供需、配能力、做背书、撮合成，落点是信任的撮合。

但他指出一个行业的尴尬：数以千万计的白领，绝大多数从没被猎头服务过，更多是在招聘平台自己刷岗位、投简历。这让“专业猎头”在多数人眼里越来越像简历搬运。宁辽原判断，专业猎头是巨大的缺失，AI 时代的机会，正是用 AI 放大专业猎头的能力与规模，让专业服务普惠更多人。

TTC 的做法，是把大模型引入猎头的工作流。传统猎头吃透一个新领域要一到两年，而具身、芯片、核聚变跑得太快，跟不上。宁辽原用大模型帮猎头快速学习、理解 JD 与简历，让智能体逐步进入工作流，把过程概括为：从“AI 作为外脑”，到“AI、人、机器共享一套网络”，再到“Agent Driven，AI 跑流程，人做判断”。

他还给出一组数字：200 多人的“碳基员工”，8000 多个“硅基员工”。硅基员工按任务分配，每个客户由三个智能体服务。宁辽原认为，当 AI 主导了更多招聘，人才开始用智能体放大自己的能力，同时服务多家公司，从肉身全职，变成能力与任务级别的连接。

“AI 说得对，但不够地道。”宁辽原说，地道就是企业真实的偏好和用人习惯，所以薪资谈判这些环节，人类仍然在做。在他看来，人才招聘不会因智能体普及而变得不重要。最新的科技行业里，人才依然特别重要，要高频高密度地去做。我们做的所有事，说到底，都是为了一个人选对之后，背后那个家庭，能更好。

分享嘉宾：王 晗 | AI 不神秘创始人、《FDE 时代》主编

王晗是武汉理工大学计算机专业学士、北京大学光华管理学院 MBA，长江商学院 EMBA，曾在阿里巴巴、蚂蚁金服任职。

王晗从一个真实的家庭故事出发，讲 AI 时代人的学习、成长与创造。故事的起点，是她与 12 岁女儿果果持续三年的“电子产品战争”。从 iPad 通宵刷屏，到小天才手表、有道词典笔玩游戏，她没收一样，女儿就换一样。

后来她决定换个方法，去了解女儿到底喜欢什么。她发现女儿是个重度二次元少女，为搞清楚一个小说角色能写满一整本笔记。“兴趣的拖拽力远远大于学习的拖拽力。”王晗说，这不是孩子不愿学习，而是这两种力量根本不在一个量级上。在一个算法的时代，背后有无数工程师、产品经理在争夺孩子的注意力。

她的方法是从孩子的世界出发，跟她当朋友，用交换代替说教。第一次交换是两年前：她请果果帮她做一个查英文文献的智能体，做成了奖励 200 块。果果赚到了人生的第一笔“外快”，后来接单、做海报、手搓狼人杀游戏发到小红书，一下火了。上海世界人工智能大会邀请她做小嘉宾，直播粉丝追到小红书留言喊她“老师”。那段时间，果果放学回家第一件事是先做作业，做完就开电脑改 bug。

“真正的热爱是不需要他律的。”这是果果回怼妈妈的一句话，也让王晗意识到孩子自己很有想法。她由此延展到一个问题：AI 什么都会做了，人的能力还剩什么？她的答案是审美与认知。AI 给了所有人工具，但没有给所有人同一个眼光。她用果果和一群孩子一起做 AI 课程、设计地图的例子说明，同样的上下文，不同孩子做出来的东西完全不一样，审美和认知的多样性让她感觉这也许就是未来。这套从“数字消费”里切开一个“兴趣”入口、再由兴趣引向 AI 创造的方法，她已经在越来越多的孩子身上看到。

王晗把这个观察做成了事业。她创立的 AI 不神秘，是一个覆盖从小学到大学、再到专业人士的“原生人才”社群，AI时代，所有人都是年轻人，这个“年轻”可以是年龄上的，也可能是对AI的认知上。她把 AI 青少年教育做成课程，通过基金会捐赠给欠发达地区的孩子，希望尽自己微薄的努力为教育的平权做些贡献。

课程的由来本身就很有意思：果果和一群小伙伴觉得学校的 AI 课太无聊，干脆自己动手做。孩子们成立了一个跨年级的小组，用一整个暑假设计出一个叫“EVA”的角色，一个从 2035 年穿越回来的完美人工智能，在每节课里陪大家解决一个 bug，在解题中习得 AI 技能。

“AI 不是替代，而是放大器。”王晗说，它能把我们的审美和认知成百上千倍地放大。而把注意力聚集起来的能力，在 AI 产生大量“AI 泔水”的今天，正在变得越来越稀缺。至于学校评价体系是否失效，她的看法是，评价从来不是一把尺子。果果在学校是“问题少女”，在外面被叫“小天才”，这两个标签都不是完整的她；到了真正的编程少年堆里，她又因为不会 Coding 而被看不上。她跟果果达成的共识是：人生的第一性原理是快乐。

分享嘉宾：王 捷 | 深圳数据经济研究院 AI 经济研究中心 联席主任

王捷是国内较早一批深耕 AI 产业链投资的投资人，近十年来持续关注从存储芯片、GPU算力、通用大模型到垂类应用的整条链条。去年起，他把大量时间转向研究，先后写下《浮现中的 AI经济》、《关于 AI 经济的四十个问题》、《从经济生产力的角度评估AI模型》、《人工智能来到“真实世界 AI”阶段》等文章，试图回答一个比“投什么”更根本的问题：当 AI 不仅能匹配信息，还能交付结果，经济系统会发生什么。

他给出一个判断：AI 已让人类社会进入一个新的经济阶段早期。证据是那些让人难以理解的量级，从 2025 年下半年开始，甲骨文获 OpenAI 3000 亿订单、Anthropic 收入三年涨 1000 倍。他用一个智商测验的类比：2024 年主流模型测出来还在 80 以下，属于人类后 10% 的水平，所以大家觉得用不起来；2025 年过了 100 的中位数；到今天前沿模型已经到了 130、140，接下来可能见到 180 的模型。“我们的一生经历里，不会遇到一个智商 180 的人。”但这是接下来可能会发生的事情，这也是人类从未有过的经历和体会。

王捷把工业革命的本质，概括为把人身上的某个生产要素，从不可复制变成可复制。土地革命解决了土地，上一次工业革命解决了体力，这一次解决的是脑力。顺着这个逻辑，一个根本的问题浮出来：如果不断地把人身上的东西往外抽，全抽完了，人自己还剩什么？

他给出的一个观察是，人类的行动链条是：收集信息→决策→行动，AI 经济阶段，计算机已经具备行动能力，这是互联网时代和移动互联网时代计算机所无法实现的。而我们所身处的时代，也将从匹配型数字经济变革为交付型数字经济。

人与世界的互动里，正在多出“一个层”，即“数字层 ”。这一层由 AI 构建，特点是连接所有消费者和生产者、可以实现精准匹配、完全理性、可以成为每个人的普惠 tutor。它会起三个作用：连接器、优化器、执行器。有了这一层，一个人过去做两周的事，现在可能只要两三天。王捷称之为一种“无穷外挂”。而它带来的结果是，人或许不必再直接跟真实世界交互，几乎所有事都经由这一层。

人机边界在哪里？“把左脑交出去了。”王捷说，这一轮的AI 在把人的左脑逆向工程化，也就是 AI 在可形式化、数量化的工作上做得很好；而判断、创造、审美、沟通这些“右脑”的部分，今天看是被偶然留下来的稀缺性。如果哪一天有人把右脑也做出来，会发生什么，这是一个值得全世界重视和讨论的问题。但他也给出一个偏乐观的收尾：AI 用得好的人，反而更可能把人性本身放大，让人更加回归人。

圆桌主持：李立伟 | 普超资本 创始合伙人。世界模型代表案例：极佳视界

圆桌嘉宾：任冬淳 | 汤元科技 联合创始人&CEO

圆桌嘉宾：梁   鼎 | VAST 联合创始人&CTO

世界模型是今年上半年最热的赛道。但正如主持人、普超资本创始合伙人李立伟所说，如果问 10 个人什么是世界模型，大概能得到 11 个答案。这场圆桌请来 VAST 联合创始人& CTO  梁鼎，与汤元科技联合创始人& CEO任冬淳，从各自的技术路径出发，聊世界模型的核心能力、可信度，以及未来的方向。

任冬淳先引用了李飞飞的一个分类：世界模型的核心功能，大致分成三类，做渲染器的、做模拟器的、做规划器的。渲染器生成逼真的像素，模拟器构建世界的状态与变化规律，规划器预测智能体下一步会怎么做。今天很多公司的世界模型，往往横跨其中两类甚至三类。

VAST 和汤元科技的着眼点从一开始就不同。VAST 的愿景是“让人人自由创造可交互的世界”，梁鼎强调的是长时间记忆、空间一致性和多人体验，可信度“差不多就行”，更重要的是交互体验。汤元科技做的是给具身智能和智能驾驶提供合成数据，客户要求物理属性极其准确，重力、摩擦力、弹力都必须准确。

这种差异，引出了可信度这个关键问题。李立伟以 Sora 为例：2024 年一出来全世界惊艳，但很快被发现图像是基于相关性生成，对物理因果理解很差，出了三条腿的椅子、老奶奶吹蜡烛不灭不符合规律的笑话，反映了相关性与因果律的矛盾，局部合理与整体荒谬的矛盾以及临界转态的缺失。梁鼎认为，语言模型随着规模扩大和数据增多，幻觉问题在逐步缓解；世界模型大概率也遵循类似路径，在他看来，只要数据量和规模上去，可信度问题是可以解决的。只是具身领域要求更高，但数据充足时能解决好。任冬淳则更谨慎，认为纯数据训练的范式目前还不能满足物理 AI 对可信度的要求，需要后处理与验证方法来提升数据质量。

关于数据这个共同的难题，任冬淳给了一个巧妙的解法：中国有大量存量数据，比如合作伙伴尚品宅配沉淀了二三十年的 CAD 与 BIM 等真实家居空间数据资产，把这些数据加上物理属性，就能变成机器人可用的数据格式。上个月，汤元科技联合尚品宅配开源了 WorldSimReady-Home 仿真数据集，发布当月即在 Hugging Face 平台斩获 2.7 万次下载，强势登顶Hugging Face 全站百万数据集趋势榜 TOP3、Robotics 分类趋势榜TOP1，累计吸引来自全球 43 个国家和地区的 122 家机构及研究人员申请访问。梁鼎则补充，具身智能赛道里率先跑出来的，未必是做大脑或做本体的公司，也可能是做扫地机器人的公司。因为扫地机器人是目前家用机器人品类里部署量最大的，全球有几千万台在跑，也是最早规模化接触真实家用场景数据的载体。这些数据更直接、更真实，可能构成具身智能的另一条演化路线。

这引出了李立伟一个投资人视角的问题：数据，是不是两家公司各自赛道上的核心护城河？赛道如此拥挤，两三年后能剩下的公司靠的是什么？

任冬淳的回答把商业价值放在第一位：世界模型已经从讲概念、拿融资，转向为客户服务的阶段，能不能真的满足客户需求、贡献商业价值，是第一位的；要做到更高品质或更低成本，都需要技术突破，而技术突破又来源于获取数据的方式、方法和效率。

在梁鼎看来，AI 3D 生成也依赖大量数据训练，VAST 做了很多积累，不仅数据量大，而且数据质量高。真正下功夫的是数据的清洗与标注环节：拿到数据先清洗、标注成可用格式，再训练一个模型做反向验证，一旦发现处理方式有问题就推倒重来。这个“反复给数据打分”的过程需要很长时间打磨，也是 VAST 希望构建成壁垒的地方。由此他给出对护城河的判断：把时间拉到五年、十年，很难有哪家 AI 公司能靠技术长期碾压别人，技术壁垒总会被磨平，真正能让人活下来的是用户体系、生态和粘性，技术是敲门砖，非技术因素才是长期的壁垒。

至于世界模型会不会最终统一成一个底层基座模型，两人判断不一。梁鼎认为很难像语言模型那样通用，更可能按行业分化，不同行业有不同行业的发展路径，很难走到同一路径下；任冬淳则认为不同客户需求不一样，短期世界模型发展会分叉，但时间足够长的话，渲染器、模拟器、规划器内在的关联会慢慢融合，最终有可能统一。

当李立伟提出：“世界模型赛道这么热，因为大家有很多共识，但其中有些是真共识，有些是三年后回头看会消失的伪共识。”

任冬淳给出的真共识是，世界模型会成为物理 AI 的训练基础设施，除非像梁鼎所说出现算法层面的巨大突破、不再需要那么多数据，否则数据驱动仍是主流方向。梁鼎的判断有三层：做本体这件事一定会继续，本体和大脑最终大概率会收敛为二合一，只做大脑不做本体的路径会像一套自动驾驶适配很多汽车那样困难；而世界模型对具身而言，反而未必是未来的共识，如今表面上算有共识，实际上仍有很多人心里不信，有人在坚持做世界模型，也有人转向 VLA，随着语言模型进步而动摇。算法层面还需要时间才能真正收敛。

圆桌最后，李立伟抛出一个所有人都关心的问题：GPT-6 出来以后，在一些权威的具身智能的榜单上，例如 RoboColiseum，已经跑到前面，会不会压缩世界模型创业群体的生存空间？

梁鼎认为，语言模型的进步对VAST 是好事，3D 资产生成要靠语言模型突破原本不具备的能力，世界模型也要靠高阶语言模型去构建底层的 coding agent，所以语言模型越强，他们产出高质量结果的效率越高。任冬淳则分享了自己刚上手 GPT-6 Astra 的震撼：过去以为大语言模型只在语言维度，顶多做些简单的视觉分割，没想到这次在物理空间上的表现这么好，已经有人把 GPT-6 直接接上动作模型做 VLA，明显提升了操作精度。过去具身智能公司普遍认为，物理空间问题与语言模型差距很大、需要独立发展，如今大语言模型却自己长出了空间智能能力。但作为从业者，他更多的是欣喜。

圆桌主持：Frank | AI异类弗兰克、意识永藏创始人

圆桌嘉宾：侯金龙 | 递归智核 创始人&CEO

圆桌嘉宾：张牧涵 | 无涯智远 创始人&首席科学家

圆桌嘉宾：刘子鸣 | 元环智能 创始人&首席科学家

最后一个专题，是递归式自我改进（RSI）。主持人、AI 博主 Frank 说，这个话题从一个硬核的技术概念，正在走向一个有想象力的场景。三位嘉宾从 AI 基础设施、机器学习研究与 AI for AI 三个角度，各自给出理解。

侯金龙是递归智核创始人&CEO、上海创智学院 AI Infra 负责人。他的定义很务实：RSI 就是 AI 的生产函数正在发生变化。当 AI 开始参与创造更强的 AI，智能进化的速度、边界和方式都将被重写。他以写算子为例，年初用编程语言写一个华为卡的算子正确率还很低，不到半年，在很多场景里已经到人工专家的几倍，有个算子比主流开源框架好了 45 倍。他的判断是，随着 RSI 能力变强，整个进化的斜率会越来越快。他的目标，是让每个研究员手上都有一个具备顶尖水准的 Infra 智能体。

张牧涵是无涯智远创始人&首席科学家、北京大学人工智能研究院助理教授。他把目光放在一个更具体的问题上：持续学习。今天的模型出厂后参数就锁定了，所有人用的都是同一套参数，区别只在这次推理的上下文和记忆不同。而上下文窗口像人的短期记忆，阅后即焚。他想做的，是让模型出厂后能继续学习、持续分化，把新知识写进参数里。他们的技术路径，是训练一个能直接生成参数更新的“超网络”，把原本要训练很久的事，降维成一次前向推理。

刘子鸣是元环智能创始人&首席科学家、清华大学人工智能学院助理教授，也是 KAN 网络的一作。他给出的观点最为独特：RSI 代表的是一种悲观的未来，像猴子靠突变和自然筛选慢慢进化，是高度试错的过程。他打了一个比方，如果存在一个上帝，指引猴子第一天就该站起来，第二天就该用工具，那进化可能都不存在。元环智能做的元模型，正是想造出这样一个“模型之母”，能帮忙设计别的模型。他用物理学的视角解释，自然语言是百万年进化压缩出来的“压缩饼干”，Transformer 是第一个胃袋够大的模型；而语言之外的世界模型、AI for Science 的模型，架构还远未收敛，与其用Transformer 硬套，不如让元模型去设计每个场景的专属架构。

Frank 接着追问，如果Transformer 本身就是一条缓慢的曲线，那么今天大多数 RSI 是不是只是在现有范式下“雕花”，充其量是自改进、自纠错，还谈不上自进化？

侯金龙坦言，RSI 仍处在非常早期的阶段，各家做法不一。他给自己定下两个目标：一是用 RSI 的自我进化能力，让 AI Infra 系统越来越高效，最终让每个算法研究员手上都有一个类似 DeepSeek 的顶尖工程师可以调用；二是眼下算力昂贵，而人类研究员写的代码在硬件利用率上仍有很大的优化空间，他希望借 RSI 构造一套系统，让 token 工厂的吐词效率持续提高。

张牧涵则更倾向于渐进路径：进化从来都是缓慢迭代的过程，自然界用了几百万、几千万年才进化出智能，想要跳过达尔文式的过程直接到达终点，除非先在 100 万个地球上见证完整个进化，才能提炼出那个宇宙级的上帝视角。

刘子鸣接过了这个比喻，把它拆成升维与降维两步：上帝培育 100 万个地球，比较出地球一号比地球二号的人更聪明，再去研究前者的 DNA 规律，下次造人时按规律来，演化不是发生在地球上，而是发生在上帝的脑子里，是上帝视角在指导进化，而不是自进化。眼下大家不过是在拿大模型当指引，只是大模型只见过我们这个世界，还不够格。

顺着“价值”这条线，Frank 又抛出一个更现实的问题：三年以内，RSI 能不能在更省算力、更省钱、更省人上，产生肉眼可见的价值？

侯金龙认为一定可以，因为 AI 进化的速度比所有人最乐观的估计还快。从省算力看，模型参数维度在变高，同样智能水平下一定能省下百倍甚至千倍。他更看重第二个维度：中国是制造业大国，各行各业积攒了大量私域数据，如今却只能调用 DeepSeek、Claude、GPT 这些通用模型，人人拿到的模型都一样，那些有价值的数据根本没被训进去。他希望通过 RSI 把这些行业数据训进各自的模型里，递归智核现在做的是 Model as a Service，未来也会探索 Data as a Service、Training as a Service，让每个行业都有自己独特的模型。

在张牧涵看来，AI 技术迭代太快，三年后的具体形态很难准确预测。但值得推动的方向已经清晰：让每个人都能拥有一个持续学习、不断成长的模型。无涯智远选择的路径是降低参数更新的成本：训练一个能直接生成参数更新的超网络，把原本依赖反向传播的训练，降维成一次低成本的前向传播，让持续学习变得实时又便宜。

刘子鸣拿 AlphaFold 举例，说它是大模型范式之外一个很好的正交方向，他希望未来三年人类能从“刷 SOTA”走到“刷诺奖”，每天都提出一个新的AlphaFold。他的判断是，好的架构能自己学到物理表征，理解抓杯子这件事与颜色无关，那样就不需要指数级的数据；而物理世界是连续的信号，强行把它切成 token 并不自然，最优架构很可能不是 Transformer，需要一个路由器，为不同场景分别造出最合适的模型。

关于 RSI 最核心的要素，三人各有侧重。侯金龙认为是反馈的质量，评估准不准、获得评估的成本低不低，决定了迭代能不能快起来；张牧涵认为是持续学习能力，模型缺的是持续改进参数的能力；刘子鸣则押注模型架构，认为 memory 也可能是架构的一部分，与其人去设计放哪里，不如让系统自己涌现出模块化。

一个贯穿始终的问题是，AI 能不能改进它自己。张牧涵给出一个分级：L0 是纯静态智能，L1 靠上下文适配，L2 实时修改参数，L3 是终身持续的学习者，L4 是递归自我进化、能改进架构本身，直到递归自我进化、改进架构本身。侯金龙认为当前大概在 L2 到 L3 早期的阶段。刘子鸣则自嘲，做 AI for AI 的初心是想取代自己，但目前连 L2 都有点够呛，优秀博士生能提出的想法，大模型未必提得出来。

圆桌的最后，Frank 把话题引向物理世界：RSI 和物理 AI 有什么关联，具身智能有没有可能成为 RSI 先落地的场景？

刘子鸣从“直觉物理”讲起，说这和偏数学的理论物理不同，后者在他看来已经解决，前者还悬而未决。他抛出一个事实作为论据：人脑就是一个很好的世界模型，但它一定不是 Transformer，这激励他们去找一个更好的架构。按元模型的哲学观，不会是通用模型通吃所有物理场景，而是每个场景一个特别高效的小模型，最上层有一个路由器判断该做什么。他们希望元模型能找到更像人脑的架构，功能上能高效地从数据里学习、理解抓杯子与颜色无关这些本质。

张牧涵接过话头，他认为大语言模型的影响已经延伸到具身智能领域，而具身智能更需要实时学习，新场景、新任务甚至新的机器人本体，都要求模型能够快速学习、快速泛化。但现在更多还是离线采集轨迹、离线训练，不像人类那样，小孩学动作试错几次就掌握了规律。他们希望具身智能在实际操作中，把成功和失败的轨迹实时内化进模型，提高下一次成功的概率。

侯金龙认可具身是 RSI 迭代优化的好场景，但他提醒，当前具身的 scaling law 还没跑出来，具身的 GPT 时刻也还没到，既需要一个足够强的具身大脑，也需要好的持续学习架构；而真机实时学习的成本很大，机器人昂贵，甚至做具身的老师还要给自己买保险，因为很容易受伤。这条路，仍在探索之中。

从 3D 世界到家庭机器人，从人才组织到人的学习，从 AI 经济到自我进化，11 位一线实践者给出的，大多不是斩钉截铁的结论，而是各自仍在探索的判断与问题。而这恰恰是这场论坛想呈现的：AI 还没有定论。

正如致辞环节柴文静所说，《浦江科技评论》不希望在一家企业成为行业巨头之后，才回头寻找它最初的故事，更愿意在创新充满不确定性的时候，就走进那些正在探索的人。世界模型会不会统一，家庭机器人该开箱即用还是逐步养成，RSI 是自进化还是自纠错，这些问题今天都没有答案，但把问题摊开，本身就是一种进展。

未来，《浦江科技评论》·最创社区将持续汇聚投资人、科学家、创业者和产业实践者，共同探讨 AI 前沿技术与产业创新，连接更多创新力量，推动 AI 从技术突破走向产业应用。

最创社区由上海科创金融研究院与创业邦联合成立，聚焦科创人群的专业学习与合作。生态覆盖科创领域核心人群，深度链接早期投资人、创业者与科学家，旨在通过组织学习与高效能社交活动，让资本、创业项目、人才高效流动，致力于成为中国最大的 AI 驱动的科创社区。