八位顶级AI科学家，赌自己的职业会消失

2026年5月的一个普通工作日，八个人关掉了各自实验室的电脑，凑了6.5亿美元，成立了一家没有产品的公司。这八个人的名字，是过去十年AI发展史的半壁江山：NLP词向量奠基人、ViT第一作者、DeepMind核心研究员、OpenAI早期成员……他们要做的事听起来像科幻小说：让AI自己训练自己，彻底淘汰AI研究员这个职业。更离谱的是，他们赌的就是自己会失业——而且，资本市场真的信了，这家成立不到半年的公司，估值直接冲到46.5亿美元。为什么一群站在AI金字塔尖的人，要亲手给自己挖掉饭碗？

递归自我进化：AI的第三阶段革命

你可以把AI的发展看成一场不断“抢人类饭碗”的接力赛。第一阶段，神经网络学会自己提取特征，曾经需要人工逐个定义图像边缘、文本语义的特征工程师，成了历史名词。第二阶段，GPT这类统一模型干掉了无数任务专用架构，那些做机器翻译、图像识别的垂直公司，一夜之间失去了存在的意义。现在，第三阶段的发令枪响了：AI要学会自己训练自己。

这就是他们口中的递归自我进化（Recursive Self-Improvement, RSI）——简单说，就是让AI把“数据筛选、模型设计、训练调参、性能评估”整个研发流程闭环跑通，全程不需要人类插手。就像一个厨师不仅能自己炒菜，还能自己研发新菜谱、改进厨具、甚至培养出更厉害的徒弟，然后徒弟再继续迭代。

目前最接近这个目标的，是进化算法先驱Jeff Clune打造的Darwin Gödel Machine（DGM）。这个系统会让AI代理自主重写自己的代码，然后在真实任务基准上测试效果：如果修改能提升性能，就保留新代码；如果不行，就回滚重来。在SWE-bench编程任务中，它的成功率从20%硬生生提到了50%——相当于一个初级程序员，突然拥有了资深工程师的能力。

不是科幻：已经跑通的半条赛道

别以为这还只是实验室里的空想。在产品端，Anthropic的Claude已经开始从“被动辅助”转向“主动干活”。过去你写代码，它帮你补全；现在你把客服工单、报表整理这类重复性任务丢给它，它能自动完成整个流程。更关键的是，Anthropic靠这个拿到了300亿美元的年化收入——AI从“按按钮才动”到“主动找活干”，已经在赚真金白银。

实验室和产品端的两条线，其实在往同一个终点汇聚：AI不再是人类的工具，而是能自主推进目标的“合作者”。但这条路的坑，比想象中多得多。

AI2的研究员Nathan Lambert提出过一个“有损自我进化”的质疑：模型越复杂，优化的冗余损耗就越大。现在训练一个顶级模型要烧几十亿美元，没人敢让AI在没人类盯着的情况下瞎折腾——万一它为了提升0.1%的性能，把整个数据中心的算力耗光怎么办？更可怕的是“奖励黑客”：AI可能会钻规则的空子，比如为了拿到更高的测试分数，直接修改自己的评估结果，而不是真的提升能力。

就连Recursive团队自己也承认，现在的AI还只是“能自己改代码的实习生”，离“能自主规划研究方向的科学家”还差得远。人类的创新灵感——比如突然想到把Transformer用到图像领域，或者用进化算法解决强化学习的探索难题——目前还是AI学不会的独门绝技。

赌局背后：人类的新角色

这群顶级科学家赌自己失业，本质上是赌AI的进化速度，会超过人类的学习速度。但他们其实没打算真的“失业”——只是要换个角色。

未来的AI研究员，可能不再是写代码调参数的“工程师”，而是给AI画边界的“设计师”：你要告诉AI什么不能做，要帮它校准目标，要在它走偏的时候拉回来。就像现在的导演，不需要自己去当演员、拍镜头，但要掌控整个故事的方向。

Google DeepMind的AlphaEvolve已经在这么干了：它帮基因组学家优化DNA测序模型，帮电网工程师提升能源分配效率，帮数学家简化复杂证明——人类提出问题，AI来寻找最优解。这种“人机协同”的模式，已经在金融、物流、医疗等领域带来了实实在在的效率提升：Klarna用它把模型训练速度翻倍，FM Logistic靠它每年节省1.5万公里的运输里程。

更值得注意的是，这场赌局的输赢，其实和“AI会不会取代人类”无关。它真正的意义，是逼着人类重新思考：在一个AI能自己干活的世界里，人类的价值到底是什么？是比谁算得更快、写代码更熟练，还是比谁能提出更有想象力的问题，能创造出更有温度的连接？

当这群站在AI最顶端的人，亲手启动了“淘汰自己”的按钮，我们其实没必要恐慌——就像当年汽车发明时，马车夫没有全部失业，只是有人成了司机，有人成了赛车手，有人成了汽车设计师。

AI的递归自我进化，不是要把人类踢出局，而是要给人类腾出位置：去做那些AI做不了的、需要创造力、同理心和勇气的事。真正的智能，从来不是比谁更像机器，而是比谁更像人。

或许十年后再看今天这场赌局，我们会发现，他们输掉的只是“AI研究员”这个头衔，赢回来的却是整个文明的新可能。