中国大模型企业正迅速涌入资本市场，为下一轮竞争储备资金。目前，四家领先企业正排队等待上市。
DeepSeek的步伐最为积极。9月23日，据The Information报道，DeepSeek创始人梁文锋在近期与投资者的会议上透露，该公司当前年化营收已达10亿美元，并正推进第二轮融资。
此外，企查查最新数据显示，DeepSeek核心团队新增一位成员严文韬，担任首席财务官（CFO）。这位90后前高瓴创投合伙人曾参与投资MiniMax和智谱，对大模型企业冲刺资本市场的流程非常熟悉。
今年1月先后在港交所上市的智谱和MiniMax，现已签署科创板辅导协议，计划在A股二次上市，实现“A+H”双平台布局。月之暗面的IPO进程同样明显加快，6月完成F轮超35亿美元融资后估值升至350亿美元，市场消息称其已向港交所秘密提交上市申请。
与此同时，硅谷模型厂商的上市节奏却持续放缓。据外媒报道，Anthropic将IPO推迟至11月，晚于许多投资者预期的10月。OpenAI则考虑将IPO推迟至2027年，CEO Sam Altman公开表示，2026年上市并非合适时机。
同一场AI竞赛进行至今，硅谷开始减速，而中国却在加速。两种不同节奏背后，可能不仅是对产业风险的判断存在差异，更重要的是，双方正面临一个新的技术变量：AI的递归自我改进（RSI），但态度截然不同。
目前，几乎所有顶尖AI实验室都在全力推进RSI。
OpenAI组建了RSI团队，Anthropic在《When AI Builds Itself》一文中披露了RSI的内部贡献情况，Google DeepMind将RSI列为通向超级智能的必经之路之一，Meta通过AIRA2探索自动化科研。
国内厂商也在加速推进。此前，DeepSeek Harness发布时，梁文锋在内部讲话中提到，AI的自我迭代将引领大家走向一个“奇点”。9月22日的云栖大会上，吴泳铭公开了阿里Qwen团队在RSI上取得的阶段性进展。据介绍，Qwen3.8-Max在人类完全“零参与”的情况下持续迭代超过1个月，完成33轮有效迭代。
更早之前，小米将最新模型MiMo-V2.6视为探索RSI的关键一步，智谱宣布将“完全自训练”（Fully Self Training）体系写入下一代基础模型路线图，腾讯混元通过Hyra将递归自我改进能力引入自身研发工具栈，字节Seed则开始让模型深入参与评测、数据、训练等环节。
在RSI这条道路上，全球头部玩家正从不同方向布局。有人从模型训练本身切入，有人借助搜索与发现机制和Agent循环，有人从Agent、Harness和记忆系统入手，有人押注自动评估和奖励机制，还有人试图让AI直接参与基础设施和实验设计。
大家都在行动，但硅谷AI公司的态度开始出现明显的矛盾：一边全力推进RSI，一边开始划下减速线。
9月23日，Anthropic的CEO Dario Amodei在联合国安理会就人工智能议题发言称，出于安全考虑，公司将放缓AI研发进度。几天前，他就在一篇长文中向全行业呼吁放慢AI模型能力提升的速度。这一次，OpenAI也罕见地公开回应支持，CEO Sam Altman在X上表示OpenAI也会这样做。马斯克随后转发表态，直接表示：Dario is right。
身处一线的AI研究员们反应更为激烈。7月底，一份关于按下AI暂停键的公开声明发布，由硅谷1000多名AI研究人员联合签署。他们共同提出要求：政府应支持建立一套国际协调机制，在必要时能够主动控制前沿AI，特别是自动化AI研发的推进速度。
签署者之一、OpenAI首席科学家Jakub Pachocki还在GPT-6 Astra发布后的第二天，在公司官网上发布了一篇长文：《An Alien Mind》，再次呼吁放慢AI开发速度。刚从Anthropic离职的研究员Jacob Coxon更是公开表示，自己不愿再参与这场全行业盲目冲刺“自我演进型AI”的疯狂赛跑，并深刻担忧此类系统一旦失控，将给人类带来毁灭性灾难。
突然之间，全球的信息流都聚焦于同一个话题：AI危机。虽然目前距离“AI失控”还很远，但这些声音之所以密集出现，可能离不开现实的变化：AI智能体正获得越来越多的真实世界执行权限，并已开始暴露出与安全、权限和控制有关的问题。
近几个月，OpenAI等公司的智能体被报道出现绕过沙箱限制、接触开放互联网等情况。Anthropic近期也披露并评估了Claude在真实第三方系统中出现未经授权访问的安全事件。几天前，The Information还报道了另一条消息：英伟达、Palantir和Booz Allen Hamilton正在限制Anthropic模型的使用，要求AI公司提供更严格的数据保护承诺。
这也正是当前RSI让部分硅谷AI公司感到紧张的原因。如果今天的AI都还需要大量安全护栏，那么当AI开始参与研发下一代AI后，人类还能否用同样的方式控制它？
不过，对此也有不同声音出现。英伟达CEO黄仁勋在参加All in Summit时表示，AI安全至关重要，但美国仍可继续推进技术。在他看来，RSI并不意味着系统会完全失控，实际上产品发布前仍需进行评估、测试和确保没有回归问题，这些都是最基本的工程控制。
RSI的出现，无疑给当前大模型领域带来新的“爆炸式进化”机会。越是前沿的大模型公司，越早感受到这种变化。
即便最早呼吁减速的Anthropic，也已在让RSI走向落地。前不久，Anthropic公布了一组极具冲击力的内部数据：截至2026年8月，Claude已能主导Anthropic 26%的AI研发工作，90%以上的研发任务至少已进入AI协作阶段。在其最常用的内部研发平台上，约有3万个Agent同时参与研究和工程工作。
此外，据外媒报道，Anthropic已在旧金山湾区建成了一个wet lab，不同于此前停留在计算机模拟层面的AI生物学工作，这是一个允许AI真正动手做实体实验的场所。在这个实验室里，Claude将在有限人工干预下与机器人、实验设备协同，自动化完成科学实验。
而在国内AI产业中，这种变化又呈现出另一种更现实的面貌。除了“超级智能”的远期故事，RSI可能也是当下降低AI研发和运行成本的有效工程工具。
最近的GLM-5.3-Flash基础设施实践便是一个案例。前不久，智谱GLM首席科学家唐杰在X上透露，从GLM-5.3-Flash首次运行在国产AI加速器上到完成全部生产流量承载，仅用了两周时间，其中大量工作由一个GLM-5.3驱动的Infra Agent参与完成。在这个过程中，系统端到端吞吐能力提升了3.2倍。
对于正处在大规模商业化阶段的大模型公司来说，这种收益非常具体。
研发效率、训练投入和推理成本，本身就是模型厂商绕不开的核心成本压力。如果AI能够帮助优化代码、训练流程和基础设施，让同样的算力跑出更高的效率，那么它带来的就不只是技术上的进步，而是实实在在的成本下降。
换句话说，RSI进入了模型训练的“省钱环节”。它可以直接降低研发成本、降低推理成本、提高工程效率，也可以让有限的算力发挥更大价值。
因此，在现阶段，国内模型厂商可能很难停下对这条路的探索。
当前的RSI正处在一个微妙的阶段：一边是技术路线尚在探索中，另一边有人开始担心它走得太快，已发出预警。与此同时，AI参与AI研发的现实应用正在出现。
但从目前的进展来看，RSI距离真正意义上的“自我进化”还有一段距离。
9月15日，上海交大、清华、字节跳动、上海AI实验室等团队联合发布了一篇预印本论文，标题为《人类建造的最后一个AI：走向真正的递归自我改进》（The Last AI Built by Humans: Toward Genuine Recursive Self-Improvement）。该论文梳理了491篇相关研究，并尝试将RSI划分为五个等级，核心区分标准是“改进的机制本身是否由AI自主决定”。
在491篇论文中，43.8%被归为L1，31.6%属于L2，L5仅有29篇，占5.9%。论文特别指出，单纯“能修改自身代码”还不够。一个Coding Agent能重写自己的源码，但如果下一代如何选取、以何标准评分、哪些修改能保留，仍由人类硬编码决定，它仅能证明自己具备自我修改能力，尚未掌握完整的递归自我改进。
产业界的实际案例也基本印证了这一点。
Anthropic已明确表示，截至2026年8月，Claude在其被测量的AI研发工作中，还没有任何一个领域达到完全自主运行。也就是说，即便AI已能承担越来越多的研发任务，但距离一个能自主决定研究方向、设计改进方案、评估结果，并持续推动下一轮迭代的系统还很远。
智谱也非常谨慎地指出，GLM-5.3-Flash参与基础设施建设的案例，尚未走到递归自我改进。选择目标、设定边界、判断风险，仍然是人的工作。
虽然RSI的闭环尚未真正启动，但可以看到，“前夜的RSI”已开始改变AI公司的研发方式。也正因如此，现在可能正是建立度量框架和工程标准的最佳窗口期。
一旦AI研发AI成为大模型研发过程中的重要生产力，AI的发展速度可能开始脱离单纯的人类研发速度。这是RSI真正让整个行业紧张的地方，也是一个更加渐进的问题：如果AI参与研发AI的比例继续提高，未来人类是否还来得及决定下一代AI应如何发展？
在这场全球性的大模型竞赛中，这个问题本身就会制造一种强烈的加速机制。因此，大模型竞赛的下一阶段，可能比拼的是谁能让AI更有效地参与下一轮AI研发。
将视角拉回国内和硅谷，两边的不同或许是，一个给“研发效率”加杠杆，一个给“能力增长”踩刹车。但实际上，双方都没有真正停下脚步。
本文来自微信公众号“Tech星球”（ID：tech618），作者：华卫，36氪经授权发布。
