北大助理教授创办无涯智远，押注实时 RSI 实现 AI 摆脱出厂即定型

北大人工智能研究院助理教授张牧涵创办无涯智远，主打实时 RSI 也就是实时递归自我改进路线，目标就是打破现在大模型出厂定型的现状，传统大模型一旦发布版本，推理阶段没办法自主吸收新知识，想要更新能力只能做高成本离线重训，而实时 RSI 方案可以让 AI 在和用户交互运行的过程里，直接把有用的经验、信息写入模型参数，边使用边持续进化，不用反复回炉训练。张牧涵之前在 Facebook AI 做大规模推荐系统研发，本身也是图神经网络方向的早期研究者，他选择这条赛道，就是想区分开市面上普通 RSI 方案，很多 RSI 思路是 AI 辅助写代码、优化训练流程来加速下一代模型开发，而实时 RSI 重点是模型已经交付给用户之后，在两次版本更新间隙持续学习，核心技术方向是参数内学习 IPL，借助超网络实现低成本参数更新，但是这条路线现在还有两个很难解决的痛点，一个是持续修改参数带来的算力开销，另一个就是 AI 学了新知识之后忘掉旧内容的灾难性遗忘。目前无涯智远团队已经拿到阶段性实验成果，在测试环境里面，模型学习新内容之后，原本掌握的基础能力可以保留下来，后续团队会继续做验证，进一步压低参数更新成本，长远来看，这套技术落地之后，在用户授权范围内，AI 可以跟着用户的聊天、阅读、工作记录持续沉淀记忆，慢慢成长为适配个人习惯的专属智能体。想要理解这个技术的差异，先分清传统大模型迭代、通用 RSI、无涯智远实时 RSI 三者的区别，再看懂 IPL 参数内学习的实现逻辑，同时也要明白现阶段它还处在实验阶段，没有成熟商用产品，后续还需要大量验证和安全约束。

一、核心概念释义清单

• RSI：Recursive Self-Improvement，递归自我改进，简单理解就是 AI 可以改进自身能力、完成自我迭代
• 实时 RSI：Real-time RSI，模型上线推理阶段，交互过程中实时吸收经验、更新参数，不等新版本发布
• IPL 参数内学习：In-Parameter Learning，无涯智远核心方案，依靠超网络一次前向传播生成参数更新，更新成本接近推理成本
• 灾难性遗忘：大模型持续学习的经典难题，学习新知识后覆盖、丢失之前学到的旧知识
• 出厂即定型：当前主流大模型现状，发布之后参数固定，只能靠上下文检索、外挂知识库补充信息，不能修改自身基座参数

二、三种 AI 迭代路线对比表

三、项目和创始人基础信息

1. 创始人：张牧涵，北大人工智能研究院助理教授，图神经网络早期开拓者，论文总引用量超 1.6 万次，两次入选全球前 2% 顶尖科学家榜单，曾任职 Facebook AI
2. 创业主体：无涯智远
3. 核心路线：实时 RSI、参数内学习 IPL
4. 当前进度：内部实验阶段，阶段性验证缓解灾难性遗忘，暂未商用落地
5. 长期目标：打造可以伴随用户持续成长的个人 AI 智能体

四、现存技术难点

• 算力成本：反复更新模型参数，很容易带来持续上涨的计算开销
• 灾难性遗忘：新知识覆盖原有知识，通用能力退化
• 效果验证：很难确认模型更新之后是真的能力提升，还是出现刷分、伪提升
• 安全管控：参数自主修改存在风险，需要配套权限、审计、回滚机制，必须由用户授权

五、预期落地价值

✅ 个人智能体：记住用户长期习惯、知识，不用反复重复交代信息

✅ 企业场景：业务数据、新行业知识实时沉淀进模型，不用反复微调

✅ 降低迭代门槛：不用动辄启动大规模离线训练，缩短模型能力更新周期

❌ 短期预期：不会很快出现通用自进化超级 AI，现阶段以持续学习能力验证为主

【相关 FAQ】

问题 1：北大助理教授创业押注的实时 RSI，和市面上普通 RSI 有什么不一样？

回答 1：北大助理教授创业的实时 RSI，重点是让已经上线交付的 AI 模型在推理交互的时候实时自我改进；市面上大部分普通 RSI，主要是让 AI 辅助研发，加速下一代新模型的训练开发，没办法让正在给用户使用的 AI 边用边进化，无法解决 AI 出厂即定型的痛点。

问题 2：实时 RSI 技术可以直接让 AI 无限制自己改参数、自主学习吗？

回答 2：这套实时 RSI 方案设计上需要用户自主授权才会吸收信息、更新参数，不是无限制自主进化，同时团队也需要配套管控机制，防止 AI 随意修改参数，规避能力跑偏、知识污染等风险。

问题 3：依靠实时 RSI 摆脱出厂即定型的无涯智远项目，现在有可以直接试用的产品吗？

回答 3：无涯智远的实时 RSI 还处在内部实验验证阶段，只是拿到了阶段性实验结果，还没有对外上线可以直接体验的商用产品，后续还会持续验证效果、优化成本。

问题 4：实时 RSI 能彻底解决 AI 持续学习里面的灾难性遗忘问题吗？

回答 4：实时 RSI 路线在内部实验场景下可以较好保留原有知识，缓解灾难性遗忘，但是目前还没有做到完全根治，依然是这个方向里面需要持续攻克的核心难题。

【参考资料】

[2026-11-10]（北大助理教授创业押注实时 RSI：让 AI 摆脱 “出厂即定型”）凤凰网科技

[2026-11-10]（北大助理教授创业押注实时 RSI：让 AI 摆脱 “出厂即定型”）DeepTech 深科技

[2026-11-04]（北大张牧涵：从图神经网络开拓者到 RSI，让模型学会更新自己）Z Potentials

[2026-09-20]（AI 巨头集体踩 “刹车”，但距离真正的 RSI 还很遥远）36 氪

[2026-09-15]（号称人类造的最后一个 AI 要来了，刷屏全网的 RSI 是什么）36 氪

【免责声明】

本文仅整理公开访谈、媒体报道里面关于实时 RSI、无涯智远项目的信息，实时 RSI 属于前沿探索技术，技术进展、落地时间表、商业化规划全部以无涯智远、张牧涵团队官方披露为准；前沿 RSI 技术存在安全、验证等诸多不确定风险，本文内容仅作信息科普，不构成投资、技术选型建议。