Jack Clark 把 RSI 提前到 2027：被击穿的不是时间表，是「AI 没有创造力」这块挡箭牌
Anthropic 联创 Jack Clark 把 RSI（递归自我改进）的到达时间从 2028 提前到 2027，马斯克回帖「显而易见」。真正的变化不是模型突然会发明算法，而是「变革性创造力」第一次有了可打分的对象——数学上的自主推导，与 P-Zero 的 TasteVal 科研品味基准，把一块无法证伪的挡箭牌换成了两条可以被优化的曲线。本文把 RSI 拆成三级台阶，逐项核对 2027 这个年份里哪部分是证据、哪部分是资源配置信号，以及它撞在哪道物理天花板上。
综述
Anthropic 联合创始人 Jack Clark 改口了。他在最新一期 Import AI 里把 AI 实现 RSI（递归自我改进，Recursive Self-Improvement）的时间点，从自己几个月前给出的 2028 往前推到 2027。马斯克的回应只有四个字量级：「显而易见」。
改口的理由被概括成一句话：一个核心变量被击穿了。Clark 原来的判断标准是「变革性的创造力」——AI 不光要会写代码，还要能无中生有想出人类没想过的全新算法结构。他原本认为这一步很远。而现在他认为，数学领域的自主推导，加上 AI 开始表现出「好的科研品味」，说明这道门槛正在松动。后者有具体出处：P-Zero Research 的评测基准 TasteVal（论文 arXiv 2610.06824），结论被报道为「AI 用一半算力追平人类专家，最终成绩达到专家的 1.5 倍」。
但把这条新闻读成「又一位大佬把奇点往前挪了一年」，就错过了它真正的信息量。被击穿的从来不是 2028 这个数字，而是「AI 只是鹦鹉学舌、没有真正创造力」这块挡箭牌——它之所以能挡很多年，是因为它无法证伪：任何 AI 的成果都可以被解释成拼接。而过去几个月里，这块挡箭牌第一次遇到了两个可打分的对象：一个是有对照、有榜单的数学推导，另一个是专门给「品味」打分的基准。
挡箭牌一旦变成指标，时间表就必须重算——因为指标是可以被优化、被刷、被工程化推进的。这才是 Clark 改口的机制，也是本文要拆的东西：2027 这个年份里，哪一部分是证据，哪一部分是修辞，它又会撞在哪道天花板上。
专业分析
一、RSI 不是一扇门，是三级台阶：把它们压成一级，是所有「2027 论」的共同错误
「AI 自己改进 AI」这句话同时装着三件难度完全不同的事。
第一级：自动化研究执行。写代码、跑实验、调参、修 bug、复现别人的结果。这一级不只是「已经在发生」，而且已经越过了经济性临界点。本站 9 月记过一笔：4 美元一小时的 Claude，打败了 150 美元一小时的人类——自我训练与对齐流水线里，模型成本相对人类时薪差着 30 多倍。同一时间记下的还有 OpenAI 那个 24 小时在线、有自己云电脑的 Dots。执行侧的自动化，现在是采购问题，不是能力问题。
第二级：自动化研究决策。面对十条可做的路，判断哪三条值得投入半年。这一级过去只能吵架，现在有了基准。TasteVal 测的就是这个：给定研究情境，模型提出或筛选想法，与人类专家评分对照。Clark 改口真正依赖的是这一级的分数变化。
第三级：自动化范式发明。提出新的训练目标、新的架构族、新的问题提法——不是解已有的题，而是换一张卷子。这一级目前没有任何可打分的对象，只有轶事。
三级台阶的意义在于：从第一级的成功外推到第二级是可疑的，从第二级的分数外推到第三级更是危险的。而「2027 实现 RSI」这种表述，恰恰是把三级压成一级来宣布。判断一个时间表值不值得信，可以先问它指的是哪一级。
二、这条新闻真正的爆点不是年份，是「品味」这件事被搬上了刻度尺
科研品味过去是形而上争论。你说 AI 有，我说它只是插值，谁也拿不出裁决办法——所以任何关于 RSI 的时间表本质上都是信仰声明，2028 和 2050 在论证强度上没有区别。
现在它有了 benchmark。这一步的认识论变化比「模型又变强了」重要得多：不可证伪的争论变成可优化的指标。而 AI 行业对可优化指标的处理方式从来只有一种——把它做进训练目标、做进发布口径、做进榜单。
这也正是这个数字最该打折的地方。Goodhart 定律在这里几乎是必然发生的：一个测「像不像专家的品味」的基准，会在 12–18 个月内变成被针对性优化的对象。而且科研品味的终极裁决不是同行打分，是十年后被不被引用、能不能复现、指的那条路最后通没通。基准能测的是品味的前半段（审美），测不到后半段（押注是否兑现）。
还有一处必须点破：TasteVal 目前是单一团队（P-Zero Research）的单一基准，报道里的「一半算力追平专家、最终 1.5 倍」是发布方口径，尚无第三方复现。Clark 的时间表往前挪一格，靠的是这样一条证据。这不构成否定，但构成权重折扣。
三、机制层面，RSI 早就不是预言了——它是一堆有编号的论文
有趣的是，舆论在为「2027 能不能实现 RSI」争吵时，实验室里讨论的已经是另一层问题：RSI 的机制形态。本站的语料库里，9 月那两周就攒出了三条不同路线。
一条是把 RSI 套在 RSI 自己身上。MetaRSI 首次把递归自我改进作用于自我改进方法本身，改进的对象不再是模型，而是「改进模型的那套流程」，这就是「平方」的含义。
另一条更安静，也更值得警惕。9 月 17 日情报库收录的谷歌那篇 Dream-RSI（DeepMind 联合马里兰大学、弗吉尼亚大学，arXiv 2609.14858）走的是完全不同的路：智能体把自己走过的每一步存成一棵树，然后在树里「做梦」——在虚拟回放里练出更优的探索策略，再回到现实继续干。数字很硬：算法优化任务上，主流进化搜索要跑 51200 代，Dream-RSI 调用 317 次就到同等水平；圆填充问题追平谷歌自家 AlphaEvolve V2 的最强纪录；GPU 内核优化生成次数降低 2.43 倍。底层权重一字未改，Gemini 3.1 Pro 和 3.7 Flash 都能套这套框架。
这条路线之所以关键，是因为它把「RSI 需要更强的基座模型」这个前提拆掉了：不动权重也能自我改进，那么改进的速度就不受训练算力与发版周期约束，只受推理算力约束。这是比「模型又变强了」更值得盯的结构性变化。
而这篇论文里最该被单独引用的一句结论是：人给 AI 指方向，反而比不指更差。如果这个结果能被复现，那么「人类还在环上、可以随时接管」这个默认安全假设，其成立条件就不是治理意愿，而是人类干预到底有没有正收益——一旦答案是「常常是负的」，把人类留在环上就只剩下监督意义，而监督的带宽是常数，改进的速度不是。
四、物理世界是 RSI 的下游，不是同步项：那 60 倍加速的是数据准备，不是机器人能力
原文从数字世界一路推到「劳动力被重新定义」，中间那一步跳得太快，值得单独拆。
被引用的核心证据是英伟达 2025 年的 GR00T-Dreams：11 小时生成 78 万条机器人运动轨迹，相当于 6500 小时人类演示，训练数据准备速度提高约 60 倍；结合真实数据训练后，GR00T 机器人的任务表现提升 40%。
这里必须把两件事分开。60 倍是数据生产吞吐，衡量的是「能造多少教材」，不是「机器人学会多少本事」。而且后半句自己承认了条件：要混真实数据才有那 40%。生成数据能扩大分布覆盖、填补长尾场景，但造不出物理世界的真实性——摩擦、公差、线缆的柔性、螺丝滑丝，这些正是 sim-to-real gap 的常住地。
再看 10 月 7 日那个最新成果：双机械臂配合自动拧螺丝设备完成 GB300 测试托盘的母排安装，成功率超过 95%，多连接器插入成功率 90%–95%。这是结构化产线任务——工位固定、工件已知、公差可控、失败可重来。它证明的是「AI 大脑 + 治具工程」在受控环境里已经能打，不证明通用物理劳动被替代。同一批语料里，一天四家公司四个世界模型讲的也是同一件事的不同侧面：物理世界的学习路线正在收敛，但收敛到的是「更会预测」，不是「已经会干活」。
判断：数字世界的自我改进溢出到物理世界，中间隔着硬件迭代周期、产线改造、安全认证和现场数据。这几样不会因为智能变快而消失，它们只按年计。所以「RSI 之后人类沦为旁观者」这个画面，在物理世界里至少还有若干个可预测的缓冲年。
五、RSI 的天花板是电力和晶圆，不是灵感
假设第二级、第三级都在推进，加速的上限由什么决定？
如果 RSI 主要压缩的是「研究员的时间成本」，那么单位时间能产出多少研究，就取决于能跑多少推理——也就是算力供给。智能改进是乘数，算力是基数：乘数再大，也要乘在那个每年大致线性增长的基数上。
这正是本站近一个月反复记的那条线。后摩智能把整条软件栈开源、用存算一体把「数据搬运」这笔最贵的开销压掉，国产推理芯片 HL200 把单节点做到 1024 卡、可扩到 10240 卡，两家讲的其实是同一个约束的两面：能不能把「每瓦电能、每块晶圆换多少 token」这条曲线抬上去。设计侧同样在加速——两个人、14 天、零代码，AI 从草稿造出一颗能跑的真芯片——但流片、封装、产能与电力接入，仍是按季度和年计的物理流程。
所以 2027 前后更可能出现的形态，不是「一道垂直向上的悬崖」，而是「研究自动化带来的效率乘数 × 算力供给的线性增长」。真要看加速是否发生，盯每 token 成本的下降斜率比盯模型发版数量可靠得多——发版是营销节奏，成本曲线才是物理事实。
六、时间表本身是一项资产：谁在为「2027」定价，成本由谁承担
最后一层，也是最容易忽略的一层。
《AI 2027》这份情景推演发布于 2025 年 4 月，OpenAI 前研究员 Daniel Kokotajlo 领衔的 AI Futures Project 出品。它的一年多后依然高热度——2026 年 9 月甚至登上当月 Google 搜索导入流量关键词榜首。如今 Anthropic 联创把年份对齐到同一格，马斯克附议。三个最有定价权的角色，在同一个数字上完成会师。
一个年份一旦会师，它就不再只是预测，而开始执行资源配置功能：融资按它排估值锚，公司按它排人才与算力采购，监管按它排议程优先级，安全机构按它排研究窗口。Anthropic 自己人在 9 月给出的口径是 十年内 10% 概率走向灭绝级后果——把「10%」和「2027」并置看，同一家公司内部是把时间和风险两笔账同时往前推的，这不是巧合，是一套完整的议程。
这里真正的风险不是「2027 说错了」。预测提前一年推迟一年，对预测者几乎无成本。有成本的是社会适应预算：把控制机制、评测标准、保险与再分配安排的建设期限，从「等实证出来再说」压到「必须在 2027 前完成」，而这几样东西的建设周期本来就是刚性的。反过来，如果 2027 落空，被削弱的恰恰是这些机制该拿的严肃性——狼来了效应会作用在安全议程上，而不只是作用在预测者的信誉上。
所以更稳的读法是：把 2027 当作一个观察窗口，而不是一个截止日期。窗口里要看的不是「有没有奇点」，而是下面那四个可观测信号。
关联信息与影响
把这条情报放回本站近四十天的记录里，会发现深信号已经把 RSI 的四条腿分别记过一遍，只是当时没有人把它们串成一条时间轴：
- 自我训练：4 美元一小时的 Claude 打败 150 美元一小时的人类（9 月 8 日）——第一级台阶的经济性已经过线。
- 改进的改进：MetaRSI 把 RSI 作用于 RSI 自身（9 月 9 日）——回路开始自指。
- 设计的加速：Redwood：2 人 14 天零代码造出真芯片（9 月 9 日）——硬件设计侧被压缩，但制造侧没有。
- 物理世界的学习：一天四个世界模型，四条路同一个目的地（9 月 11 日）与情报库里的 Dream-RSI（9 月 17 日）。
Clark 这次改口的价值，是给这四个散点提供了一个统一的时间标尺；而它的短板也正好相反：这四个散点各自支持的其实是不同级别的台阶。
再往外三条交叉线：
第一条，低价模型正在把「研究执行」变成耗材。GLM-5.3 与 Qwen3.8-Flash 同日发布，低价模型开始抢生产力的活——第一级台阶的成本还在掉。执行便宜到一定程度，研究的瓶颈就自然往「选题」和「评审」迁移，那是第二级台阶的位置。
第二条，算力侧的计价口径正在从峰值算力转向每瓦 token。后摩与 HL200 两篇都在这个方向上。如果 RSI 的收益主要是效率乘数，那么这条曲线就是它的天花板曲线。
第三条，安全叙事与能力叙事正在合流。同一家公司同时对外讲「2027」和「10%」，说明前沿实验室的沟通策略已经把「加速」与「需要监管的加速」绑成一句话。这对行业融资是利好，对独立评测是压力——因为最了解内部数据的一方，同时也是最有动机设定时间表的一方。
需要冷静的是口径。原文里「AI 在顶级数学难题上取得断层式突破」这类表述，没有给出可核查的具体成果指称；「创新者阶段」的分级也来自一张未标注出处的图。真正可核查的只有 TasteVal 论文、Dream-RSI 论文、GR00T 与 GB300 的发布数字三组。
未来展望
短期（未来 6 个月），盯四个可观测信号，它们比任何年份声明都有信息量：
- TasteVal 是否被第三方复现，以及是否出现明显针对它优化的模型版本。基准被刷分的速度，就是「品味」被工程化的速度。
- AI 自主提交的研究代码被人类合并的比例（PR 合并率、被拒原因分布）。这是第一级台阶向第二级台阶渗透的真实流量指标。
- 是否出现「不动权重」的自我改进框架被主流模型采用——Dream-RSI 那条路线的可迁移性如果被验证，改进速度就脱离发版周期，这是最容易被低估的结构性变量。
- 「人指方向反而更差」这个结论能否在别的任务上复现。它一旦成立，人类在环的边际价值就要被重新定价。
中期（1–3 年），最先被改写的不是科研产出，而是科研劳动分工：博士生角色的定义、同行评审的负载、复现危机的解法、以及「谁有资格判断一个想法值不值得做」。这些位置的共同点是它们本来靠人手稀缺性获得议价权。
长期，如果第三级台阶真出现，问题会从「方向」变成「节奏」：人类对技术进步的主导权，历史上从来不是来自「发明的快慢」，而是来自审批、部署、标准与制度反应的慢。发明速度被加速之后，这套缓冲机制会第一次成为唯一的限速环节。
泼的冷水同样明确：时间表预测的历史误差极大；单一基准极易被 Goodhart；sim-to-real 与产线改造按年计；电力、晶圆与先进封装是硬约束；而「AI 有品味」与「AI 的判断在真实世界里兑现」之间，可能隔着十年才能验证的距离。
信号强度
前沿实验室：这是它们最想要的叙事——一个由自己人报出的年份，同时服务招聘、融资与议程设定。但要留意反向风险：把 2027 讲成里程碑，就等于把「没在 2027 兑现」变成一次公开失信。
AI 研究员与科研从业者：第一级台阶的替代已经在发生，且成本仍在下降；真正需要重新定位的是「选题与判断」这项技能的稀缺性——如果基准能测它，模型就能优化它，届时稀缺的会是「提出值得测的新基准」这件事本身。
开发者：短期最实用的一条是「不动权重的自我改进」——Dream-RSI 那类框架意味着工程侧的改进路径未必只有换更大的模型，探索策略与回放结构可能是更高性价比的杠杆。
算力与基础设施：如果 RSI 的收益是效率乘数，需求侧最直接的后果是推理算力持续吃紧，而每瓦 token 成为核心 KPI。前文两篇（后摩、HL200）指向的是同一个买方需求。
投资人与战略：把「2027」当作估值锚时要清楚，它同时是能力声明和议程工具。更可靠的两条硬指标是每 token 成本曲线，和 AI 自主产出被人类接受的比例。
政策与安全机构：这份情报真正的需求方。需要建立的不是「对 2027 的应急预案」，而是独立评测能力——当只有内部人掌握数据、又有动机设定时间表时，公共判断力的唯一替代品是第三方复现。
普通从业者与公众：「劳动力被重新定义」不会以悬崖形式出现，会以岗位任务清单逐条改写的形式出现。判断自己所在岗位的暴露度，看它的工作内容有多接近「可被完整数字化描述的执行」，而不是看它属不属于 AI 概念股。
信息局限说明：本文基于新智元报道、Jack Clark 的 Import AI 476、P-Zero Research 的 TasteVal（arXiv 2610.06824）、谷歌等机构的 Dream-RSI（arXiv 2609.14858）与《AI 2027》公开材料整理。其中 TasteVal 的「一半算力追平专家、最终 1.5 倍」、Dream-RSI 的 317 次调用与 2.43 倍、GR00T-Dreams 的 60 倍与 +40%、GB300 托盘装配的 95%/90–95% 成功率，均为发布方或媒体口径，尚无第三方独立复现；「AI 在顶级数学难题上断层式突破」在原文中未给出可核查指称；RSI 的具体年份属个人预测，不构成任何可验证结论。
Anthropic 联创 Jack Clark 将 RSI 预测从 2028 提前至 2027，理由是 AI 出现变革性创造力（AI 情报库 2026-10-16 收录）
本文基于 AI 情报库收录的条目展开深析；事实性信息以原始报道为准，分析与展望为编辑观点。
