硅谷百亿美金押注「AI造AI」新智元

2026年，AI行业最昂贵的新故事，已经不只是「训练一个更大的模型」。

资本开始直接押注：让AI参与制造下一代AI。

4月，AlphaGo核心缔造者David Silver创办的 Ineffable Intelligence完成11亿美元融资、估值51亿美元。它要打造的不是另一个Chatbot，而是一个依靠强化学习和自身经验发现知识的「超级学习者」。

5月，Richard Socher、Peter Norvig等人创办的Recursive Superintelligence带着6.5亿美元融资亮相，目标直接写进公司名字：构建能够发现自身弱点、重新设计并改进自己的AI。

更早之前，AlphaChip联合创造者创办的Ricursive Intelligence在成立不到两个月后完成3亿美元A轮、估值40亿美元。它试图关闭一条真实的物理递归链：AI设计更好的芯片，更好的芯片再加速下一代AI。

另一边，Periodic Labs以3亿美元种子轮起步，建设AI科学家和供其行动的自动化实验室；Sakana AI完成2亿美元B轮、估值27亿美元后，又成立RSI Lab，把AI Scientist、自进化程序和Agent-Native Model接进同一条递归路线。其端到端自动化AI研究成果已于2026年3月正式发表于《Nature》。

仅上述已披露案例，融资金额已超过25亿美元，相关公司的已披露估值合计超过100亿美元。

这些公司技术不同、边界不同，甚至对「自我改进」的定义也不同。

但资本正在为同一个函数定价：

AI能力 → 自动实验 → 可验证结果 → 更强AI。

过去，AI公司的估值锚点是模型能力和用户规模。现在，一个新的变量正在进入定价模型：能力提升的速度，能否被系统自身持续加速。

RSI不再只是科幻

前沿实验室已经在自己的

研发线上看到它

Recursive Self-Improvement（RSI），递归自我改进，曾经更像一个关于「智能爆炸」的思想实验。

如今，它开始获得真实的生产数据。

Anthropic在《When AI builds itself》中披露，截至2026年5月，Claude贡献了其代码库中超过80%的合入代码，工程师日均合入量约为2024年的8倍；在小模型训练代码优化测试中，模型实现的加速也在一年内从约3倍升至约52倍。

OpenAI也在GPT‑5.6发布说明中直接引入RSI指标。研究人员已让模型参与故障诊断、训练系统优化、实验运行与结果分析；在衡量AI研发和模型优化能力的RSI Index上，GPT‑5.6 Sol较GPT‑5.5提升16.2个百分点。

这仍不是完整RSI。Anthropic称RSI尚未到来，OpenAI也仅称指标衡量「向RSI迈进的进展」。但趋势清楚：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。

这正是RSI受到投资行业追捧的根本原因：一旦AI能够有效提升AI研发效率，今天的能力进步会加速明天的能力进步；研发效率不再线性增长，而可能形成复利。

AI4AI、Meta-Evolution和RSI，不是同一个概念

图1：AI4AI定义优化对象，Meta-Evolution描述经验反哺「改进者」的机制，RSI则要求更强的跨代递归闭环

热度越高，越需要把边界说清楚。

AI4AI（AI for AI）描述的是工作对象：让AI参与创造和优化AI。它可以写训练代码、改模型结构、搜索算法、优化Agent Harness，也可以设计承载AI的芯片。

Evolution 描述的是一次运行内的优化过程：AI根据反馈反复修改候选程序或系统，把当前方案变得更好。

Meta-Evolution 进一步改变了学习对象：系统不只保留最终产物，还把进化轨迹用于训练，让那个负责提出改进的模型本身变强。

RSI 则要求更强的跨代闭环：升级后的AI能够继续改进制造下一代AI的过程，并让这种能力跨代持续增强。

可以把三者的关系压缩成一句话：

AI4AI 回答「谁来做AI研发」；Meta-Evolution 回答「怎样让改进者本身变强」；RSI 追问「变强的改进者，能否继续制造更强的下一代」。

因此，不是所有AI4AI都是RSI，多跑几轮Agent也不是RSI。

从一次自动化实验，到真正的递归自我改进，中间缺少的是一套可执行、可验证、能够把经验送回模型的工程闭环。

这正是衔远科技 Frontis-MA 元智能体系列模型试图补上的位置。Frontis-MA1 此前已于 WAIC 2026首次亮相，衔远科技与清华大学团队持续推进模型训练与系统迭代，短短两周内，Frontis-MA1及其进化搜索性能继续提升。

本次，团队正式发布技术报告 《Frontis-MA1: Training an AI4AI Model towards Recursive Self-Improvement in Machine Learning Engineering》，通过元进化工作流训练且面向机器学习工程的元智能体 Frontis-MA1-35B 模型权重，以及贯通可扩展任务环境、强化学习训练与进化推理的全栈开源套件 OpenMLE。

先看最硬的结果：

同一推理框架下，Frontis-MA1-35B 将基座模型在 OpenAI 发布的 MLE-Bench Lite 上的平均奖牌率从 39.39%推高到 60.61%，绝对提升 21.22 个百分点；

加入跨任务先验与异步多GPU搜索后，Frontis-MA1-35B 与 OpenMLE-Evo-Max 增强进化框架组成的系统达到 71.21% 平均奖牌率、0.8126 人类排名，22个任务全部形成有效提交；

与原始 AIRA-Evo 相比，OpenMLE-Evo 让总模型Token下降 41.7%，每百万 Token找到「新最优」的效率反而提高 84.3%；

在 NatureBench Lite 的10项科学任务上，Frontis-MA1-35B 结合 OpenMLE-Evo，3项超越论文SOTA，7项达到论文SOTA。

图2｜Frontis-MA1-35B + OpenMLE-Evo-Max达到71.21%。橙色实心部分是标准OpenMLE-Evo下的60.61%，斜线部分是Evo-Max带来的增益。右图比较模型总参数量与成绩。

如果只把它理解成一次Benchmark刷榜，就低估了这项工作的野心。

Frontis-MA1真正押注的是一个更大的范式变化：

今天的大模型交付一份智力快照；未来的AI系统交付一条持续上升的能力曲线。

而决定曲线斜率的，不只是模型有多大，而是系统能否把每次行动的结果，变成下一次改进的资本。

不是再造一个程序员，而是训练一个AI研发者

Coding Agent 解决的是一个相对确定的问题：需求已经给定，代码能否通过测试。

机器学习工程Agent面对的，则是一片没有标准答案的实验场。

假设一家银行希望提升欺诈识别模型。Agent拿到的是数据、指标、计算预算和合规边界，而不是一张写着正确答案的试卷。它要检查数据泄漏，选择验证策略，处理类别不平衡，比较不同模型，启动训练，分析错误，再决定下一轮是调整特征、改损失函数，还是融合两条路线。

一份程序能跑，只意味着拿到了入场券。

真正的目标是，在有限时间和算力内，把一个0.71分的有效方案，持续推向0.75、0.80，直到逼近甚至超过人类专家管线。

这类Agent有四个鲜明特征：

必须动手。 它不只输出建议，还要写代码、训练模型并提交结果；

必须等待。 一次行动可能数十分钟后才返回反馈，甚至只返回一个失败；

必须竞争。 「正确」远远不够，它需要在连续指标上寻找更优解；

必须继承。 它要知道哪些改动真正有效，哪些失败值得记住，哪些路线可以组合。

如果说 Coding Agent 是在替人写代码，机器学习工程Agent是在替人进行一部分研究与工程决策。

这正是 AI for AI 最具体、也最残酷的试验场：AI不再谈论如何改进AI，它必须在真实执行中把AI改得更好。

从这个意义上说，Frontis-MA1 也体现了衔远创始人周伯文教授长期强调的 「通专融合」：它不从零训练另一个通用大模型，而是以 Qwen3.6-35B-A3B 的通用推理、编程与机器学习知识为起点，再通过专业任务环境、可验证反馈、后训练和进化搜索，把通用能力转化为机器学习工程能力。

自我反思不等于自我进化

今天的Agent很会「反思」。

它可以在一段文字里解释自己错在哪里，再生成一份看起来更周全的答案。但如果代码没有运行、模型没有训练、指标没有变化，这种反思没有支付任何现实成本，也没有通过现实检验。

没有可执行反馈，就没有进化，只有自我叙事。

机器学习工程尤其不相信语言上的自信。一次看似聪明的修改，可能导致数据泄漏；一套更复杂的模型，可能在小数据上严重过拟合；一条理论上优雅的管线，可能连显存都装不下。

OpenMLE 首先做的，不是让模型「想得更久」，而是为它建造一个无法糊弄的世界。

环境层 OpenMLE-Gym 将异构机器学习任务封装成统一的可执行任务包。公开输入与隐藏答案隔离，Agent提交的程序必须进入沙箱真实运行，再由任务内评测器给出分数。

图3｜约1.1万个Kaggle竞赛经过许可、可执行性和语义质量检查，最终留下2,240个竞赛任务。右侧是统一后的任务目录。

技术报告显示，OpenMLE-Gym包含 5,758个可执行任务：156个精选锚点任务、3,362个Kaggle数据集任务和2,240个Kaggle竞赛任务。

这5,758个任务并不只是一批数据。

它们是一座「经验工厂」：模型的每次判断都必须变成行动，每次行动都留下结果，每个结果都可能成为后续模型训练的信号。

从任务、训练到搜索：OpenMLE把三个断点接起来

图：OpenMLE-Gym、OpenMLE-ERL与OpenMLE-Evo构成从执行反馈、操作学习到长时程搜索的完整技术栈