在斯坦福 HAI “直面 AI 的未来” 大会闭幕对谈上，前谷歌首席科学家 Jeff Dean 与李飞飞围绕当下硅谷大热的 RSI（递归自我改进 Recursive Self-Improvement）展开讨论，输出大量和市场主流炒作不一样的非共识判断；当前硅谷普遍把 RSI 想象成 AI 无限加速迭代、快速通向 AGI 的奇点循环，但两人共同的核心判断是：RSI 确实可以自动化科研流程、提升研发效率，但是不存在无限加速，训练算力、实验验证、物理反馈都存在硬性约束，不能幻想 AI “左脚踩右脚” 指数爆炸式变强；同时两人还厘清了行业普遍混淆的概念：普通任务层面的自我优化不等于 RSI，RSI 是改进方法反过来优化 “负责提出改进方案的底层系统”，Jeff Dean 也介绍了自己新公司 Discovery Loop 的定位，目标不是追求奇点，而是用 AI Agent 把专家科研生产力提升 20–50 倍，李飞飞则持续提醒 RSI 概念被泛化滥用、缺少严谨定义，需要回归科学与工程现实。
核心概念区分对照表
| 类型 | 定义 | 举例 | 是否属于 RSI |
|---|---|---|---|
| 任务级自我改进 | AI 针对单一目标反复调优，提升单项任务效果 | AI 反复调整模型，提升医学影像识别准确率 | ❌ 不属于 |
| 递归自我改进 RSI | 改进得到的方法论，用来优化生成方案的底层研究系统 | 实验沉淀的优化思路，反过来升级设计实验的 Agent 本身 | ✅ 真正 RSI |
本次对谈核心 RSI 非共识清单
- 否定无限加速奇点论：RSI 循环有物理上限，算力训练、实验跑通、评估校验都要耗时，自动化只是减少人类等待空档，无法无限提速，这是本场最核心的非共识。
- 批判 RSI 概念泛滥：硅谷很多项目只是普通任务优化，却都贴上 RSI 标签，定义模糊，炒作成分远大于落地进展（李飞飞重点观点）。
- 目标不是取代人类研究者：Jeff Dean 的 Discovery Loop 是少量人类专家 + 大量 AI Agent 协同，AI 是科研助手，不是完全替代科学家，目标是放大专家效率 20–50 倍。
- 机器数学证明有局限：AI 可以生成形式化证明、验证命题可解，但很难产出人类数学家追求的简洁、优雅、可复用的思路，二者价值不一样。
- 历史经验提醒：很多后来改变行业的成果（如知识蒸馏论文）早年被学界低估、拒稿，AI 底层范式判断很容易出现集体误判。
- 科学 AI 要对接物理世界：李飞飞延续 AI for Science 思路，纯文本、数字空间的自改进天花板有限，真正有价值的迭代必须落地到物理实验反馈。
Discovery Loop 落地路线说明
- 当前已搭建约 20 套自动化改进循环，聚焦机器学习研究、模型工程、芯片硬件设计方向；
- 工作流：AI 自动提出假设、设计实验、调度算力、评估结果、迭代方案；
- 定位边界：不追逐传说里的超级智能自进化，主打科研自动化工具链，属于可控的科研生产力放大器。
行业主流共识 vs 本次非共识对比
✅ 市场主流共识：RSI 是 AGI 快车道，很快进入不受控的快速迭代爆炸，AI 自主造更强 AI
⚡ Dean & 李飞飞非共识：RSI 是效率工具，有明确工程边界，物理和算力约束锁死速度，短期是 AI for Science 自动化，奇点叙事属于过度炒作
学习与判断步骤
- 先分清概念：看到宣传 RSI 的项目，先区分它是任务调优，还是递归改进底层研究系统；
- 识别炒作信号：只要宣称 “无限加速、快速奇点、自主进化突破一切限制”，属于脱离工程现实的叙事；
- 评估项目价值：重点看能不能稳定缩短实验周期、降低科研人力，而不是看 RSI 标签；
- 区分两条赛道：AI 辅助做实验自动化是可信方向；无约束递归自进化还属于理论猜想；
- 持续关注安全与治理：随着 Agent 权限变大，自主实验闭环的权限管控、风险隔离会越来越重要。
【相关 FAQ】
问题 1：Jeff Dean 李飞飞这场对谈里关于 RSI 的核心非共识是什么？
回答 1：Jeff Dean 李飞飞这场对谈最核心的 RSI 非共识，就是反驳硅谷流行的 RSI 无限加速奇点叙事，认为递归自我改进只能加速科研流程，受算力、实验验证的物理约束，不存在无限迭代爆炸，同时很多项目只是普通任务优化，不该被包装成 RSI。
问题 2：任务自我优化和 RSI 递归自我改进的差别在哪？
回答 2：任务自我改进只是 AI 把单一任务做得更好；RSI 是从实验里总结出来的改进方法，反过来优化负责设计实验、生成方案的底层系统，这是本次对谈重点厘清的概念边界。
问题 3：Jeff Dean 新公司 Discovery Loop 在 RSI 方向打算做什么？
回答 3：Jeff Dean 的 Discovery Loop 不是去做无限制自进化，而是搭建自动化科研 Agent 闭环，目标搭配人类专家，把科研专家生产力提升 20–50 倍，聚焦机器学习、硬件设计这类科研实验自动化。
【参考资料】
[2026-11-07]（Jeff Dean 李飞飞最新对谈：全是 RSI 非共识）量子位
[2026-11-06]（Jeff Dean 对话李飞飞：RSI 被硅谷过度炒作了吗？）麻省理工科技评论中文版
[2026-11-08]（给硅谷泼冷水！李飞飞与 Jeff Dean 关于 RSI 的讨论会实录）新浪财经
[2026-11-07]（Jeff Dean: RSI speed gains limited; Discovery Loop targets 20-50x expert productivity）OfficeChai
[2026-11-08]（Jeff Dean 李飞飞对谈解读 RSI 递归自我改进）人人都是产品经理
【免责声明】
本文 Jeff Dean、李飞飞对谈 RSI 观点整理自斯坦福 HAI 大会公开对谈内容与科技媒体报道；RSI 属于前沿方向，学界、产业界没有统一标准定义；文中观点是两位科学家个人判断，不代表行业最终结论；内容仅作为前沿 AI 科普解读，不构成投资、创业、项目选型建议。