AI智识录

2026 年 8 月 20 日，在宇树科技正式登陆科创板次日，创始人王兴兴于世界机器人大会（WRC 2026）主论坛发表主旨演讲，系统阐述了宇树在本体突破、AI 动作实时化、通用泛化瓶颈以及“物理 AI 自进化”层面的最新思考与布局。

十年演进与文化出圈：宇树2016年成立，从服务机器人转向人形机器人，2024年推出的基座机器人已成全球标杆。融合中国功夫的"武bot"海外播放数百亿次，天坛49台机器人表演尽显科技与传统文化交融；5月发布全球首款量产载人机甲，近期预览的人形机器人奔跑达12.65米/秒，超越人类极限。

落地探索：公司持续推动机器人进工厂，但受制于效率与泛化能力，尚未大规模推广。王兴兴强调AI与高质量数据成正比，真人数据与真实物理数据缺一不可，并重仓投入世界模型方向。

核心瓶颈"两个80%"：机器人走进家庭的关键在于泛化能力——固定场景训练成功率可近100%，环境稍变即骤降。他提出产业爆发点：机器人进入80%的陌生场景、凭语言指令完成80%任务，快则2-3年、慢则5-10年到来。根本症结是AI模型输入输出与真实世界存在"毫米级"误差，无法闭环修正。

破局：物理AI自进化：宇树正推动机器人自进化——由顶尖大模型自主检索论文、生成控制代码，经仿真与真机验证、AI与人工打分反馈，形成正向循环，实现数据规模化与技能累加，开启物理AI进化的新纪元。

随着 GLM-5.3 的发布，业界在惊艳于其代码能力大幅跃升的同时，也好奇智谱为何没有跟其他前沿模型一样扩大基模参数量，而是依然沿用了总参数 753B、激活 40B 的模型框架进行后训练扩展。对此，创始人唐杰今天在 X 上发布长文，系统阐述了对 Scaling Law 的最新理解——大模型的演进，早已不是单纯堆叠参数的数字游戏。

唐杰回顾了Scaling Law的四次关键演进：从早期 Kaplan 指南盲目追求万亿参数的算力错配，到 Chinchilla 定律确立参数与数据的平衡，再到海量调用背景下因推理成本倒逼出的“过度训练”。更关键的是，进入 MoE 时代后，“知识”与“推理”发生了解耦——总参数仅代表模型承载事实知识的容量，而激活深度与长程因果推演能力，必须依赖后训练与有效计算深度的Scaling。

这次GLM5.3 的“受控实验”证明，模型能力的提升并非只能靠全盘重训，Scaling Law 存在多个独立的调控维度。盲目堆大参数往往不是最优解，在余量最大的旋钮（如后训练与 RL）上集中突破，才是当下性价比最高、也最具启发性的进化路径。

原文：https://x.com/jietang/status/2089941544581403107

本期内容来自主播近期综合各种学界业界观点，做的"模型自我进化"（RSI，递归自改进）的综述。同类的概念还包括 AutoResearch（自动研究）、AI for AI、持续学习等。模型自我进化并非凭空出现的黑科技，而是过去几年大模型几项底层能力默默叠加到一定程度后，自然而然产生的必然结果。

第一部分我们将梳理支撑大模型演进的四个基础底座：一是预训练与模型架构——通过超大参数与稀疏 MoE（每次推理只激活 3%–5% 的参数，如同万人大校只叫最对口的几十位教授）、混合注意力机制、以及 Muon 优化器等底层工程优化，让模型"又大又省"；二是后训练与强化学习——通过合成数据、搭建真实沙盒环境、设定考核基准，教会模型长步骤执行与熟练使用工具；三是推理 Infra——用自研推理引擎、投机解码、量化与 GPU 算子优化，把推理成本和速度压到极致；四是 Harness——系统提示词、技能库、长期记忆、子 Agent 协同等软件脚手架，并开始与模型训练深度配合。

第二部分介绍在这四个底座上长出的核心概念：AutoResearch 已真实落地（Recursive 团队靠 AI 自动优化 GPU 算子击败专业团队夺冠，Kimi K3 也在用早期版本优化自身）；RSI 是模型自己研究自己、修改自己，形成螺旋上升的闭环，与"蒸馏"有本质区别；AI for AI 则主张先有元模型、理解模型再谈提升。而 Ilya 创办的 SSI 正在探索的 TTT（测试时训练）新范式——让模型在推理过程中实时修改自身参数，可能彻底颠覆现有静态权重的大模型范式。

红杉资本近期发起「Own Your Intelligence」系列专题，邀请在"企业自建智能"议题上走得最远的几家公司做系统分享。本期由 Trajectory 联合创始人 Arjun Karanam 主讲，也是该系列活动的压轴演讲。他提出了"经验差距（Experience Gap）"的概念——模型的 IQ 在快速提升，但每次对话都像是第一天上班；而持续学习的核心，就是把那些被丢弃的智能体交互 token 转化为让智能体越用越好的信号。他围绕可追踪性（Traceability）、评测（Evals）、Harness、模型四个方面许下四个愿望，并介绍了 Trajectory 的产品愿景。

问题在于，今天的智能体在生产环境中生成了海量交互，绝大多数被直接丢弃。持续学习的本质，就是把用户意图、修正、撤销这些交互转化为训练信号。为此他给出四个愿望。

一是全链路可追踪，不只记录顶层动作，还要捕获包含子智能体和工具调用的完整调用树，尤其要抓住用户的纠错行为，编辑、撤销、重试远比点赞点踩更有价值。

二是评测贴近生产，每个任务都要可重放，直接在生产级 Harness 上跑评测。

三是赋能型 Harness，不要用"防呆"思维限制模型，而是提供清晰的基础原语，让工具返回丰富的信息，而不是简单的 Done 或 Success。

四是拥抱开放权重与模型路由，这是拥有权重和持续迭代的前提。

隐私问题上他的立场很明确：不直接拿客户私有数据训练，而是对客户数据分布采样、合成等价数据再更新模型。知识也分三层：通用技能训练进权重，组织级偏好存进情景记忆，个人习惯留在上下文里，各归其位，互不污染。

视频链接：https://www.youtube.com/watch?v=eYrMF9Cht8A&t=1s

红杉资本近期发起「Own Your Intelligence」系列专题，邀请在"企业自建智能"议题上走得最远的几家公司做系统分享。本期由 LangChain 联合创始人兼 CEO Harrison Chase 主讲，聚焦什么时候该自建 Harness，什么时候该放心交给现成框架。

Harrison Chase 开篇先给智能体拆了骨架：一个完整的智能体由 Harness（编排层）、Model（模型）和 Context（上下文）三部分组成。所谓"拥有你的智能"，意味着这三部分都要掌握在自己手里。其中 Harness 的本质极其简单，就是一个循环：模型接收请求、生成输出、调用工具、观察结果、继续下一步。真正需要定制的地方不在循环本身，而在循环的各个阶段插入中间件，比如模型调用前检查上下文长度并自动摘要，工具调用时拦截大型输入做上下文卸载，或者按需派发并行子智能体。

什么时候自建，什么时候直接用现成的？Harrison 给了一个清晰的判断框架：看任务落在模型的分布内还是分布外。通用编码、文件编辑这类与模型训练数据高度一致的任务，Claude Code、Codex 这类现成 Harness 已经做到最好，没必要重造轮子；而法律、金融这类偏离模型能力分布的业务任务，必须自建编排层。即使整体业务在分布外，其中局部动作可能仍在分布内，LangChain 的解法是引入 Model Profiles，根据所选模型动态切换最契合其训练分布的工具实现。

他强调评测与可观测性。智能体出错往往不是模型能力不够，而是进入上下文窗口的信息不对，因此必须能看到完整轨迹。数据飞轮的闭环是：运行智能体、收集轨迹、整理反馈、实验修复，甚至可以让后台 Coding Agent 自动分析生产轨迹并提交修复 PR。这让他引用 Satya 的观点有了落点：私有评测定义了组织内部"好"的标准，拥有记忆与轨迹，AI 投资才能复利增值。

视频链接：https://www.youtube.com/watch?v=HI2q3ci3Iuc&list=PLaqC3GACblSs&index=2

这篇来自 DeepSeek 与北京大学的论文名为《一套处理时空可组合性的编程范式》，讲的是：让 AI 智能体像飞机边飞边换零件一样，在运行中给自己改代码、换组件，而不必停机重启。

要实现这个目标，得先解决"动态组合"难题。传统软件拼装完成后就无法改动，而未来的智能体需要随时加载、卸载组件，还不能留下垃圾。论文把问题拆成两半：一是"时间可组合性"——组件卸载时，它对系统的所有修改必须能完整撤销；二是"空间可组合性"——组件之间要正式声明依赖关系，由系统自动协调先后。作者拿 VSCode 举例：热门插件大多无法单独卸载，换个插件要重启整个程序，就像为了拔一根刺得把整只手砍掉重长。

论文给出了两套机制： 可逆效应，每次修改环境都记一笔"怎么还原"，卸载时像剥洋葱一样逐层撤销； 反应式余效应，组件声明自己需要什么，系统盯着环境变化自动激活或停用。两者结合，卸载逻辑会从加载逻辑里自动长出来。这套机制已在开源聊天机器人框架 Koishi 上运行多年，支撑着四千多个社区插件。

论文最后展望：下一个验证场景正是自进化的智能体框架（也就是 DeepSeek 新发布的 Harness：DSH）——让 AI 一边服务、一边替换自己的零件。这大概也是 DeepSeek 把它选为自家底层的原因。

论文地址：https://github.com/cordiverse/paper/blob/main/paper.pdf

红杉资本近期发起了一个名为「Own Your Intelligence」的系列专题分享，邀请在"企业自建智能"方面实践最多的几家公司，围绕战略理念、模型后训练、强化学习环境与垂直落地四大议题做系统分享。

其中垂直落地的超级范本当属法律 AI 独角兽 Harvey。本期由 Harvey 联合创始人兼总裁 Gabe Pereyra 分享：面对律所客户极苛刻的数据保密要求，Harvey 无法拿真实数据训练模型，转而让精通 AI 的顶尖律师凭借专业直觉指导大模型，生成了数千万 Token 级的高保真合成数据，并开源为行业评测基准。

他主张应用层公司不必自建算力与研究团队，而是借力 Fireworks 等前沿生态做后训练，配以严密的评测与路由机制，最终实现从"赋能个人"向"组织级 AI 生产力"的跨越。

视频地址：https://www.youtube.com/watch?v=MGouk8W51v0&list=PLaqC3GACblSs&index=3

红杉资本近期发起了一个名为「Own Your Intelligence」的系列专题分享，邀请在"企业自建智能"方面实践最多的几家公司，围绕战略理念、模型后训练、强化学习环境与垂直落地四大议题做系统分享。

强化学习底层细节由 Mercor CEO Brendan Foody 拆解。Mercor 是一家以 AI 匹配全球顶尖人才重塑真实工作流的企业。本期他详解了 RL 环境的三要素：业务上下文（世界）、高保真软件克隆（应用）、明确指令与专家评分（任务与验证器），并强调金融、法律等高门槛领域必须依赖顶尖专家设定严苛评分边界，防止模型"奖励黑客"作弊。他预测评测演进的两大方向：处理百小时级的"超长视野任务"，以及考察智能体在虚拟办公环境中的协作与社交能力。

视频链接：https://www.youtube.com/watch?v=a00xIn5kwhM&list=PLaqC3GACblSs&index=1

红杉资本近期发起了一个名为「Own Your Intelligence」的系列专题分享，邀请在"企业自建智能"方面实践最多的几家公司，围绕战略理念、模型后训练、强化学习环境与垂直落地四大议题做系统分享。

模型后训练的实操方法论由 Fireworks AI CEO Lin Qiao 主讲。作为前 Meta PyTorch 核心工程负责人，她指出 API 门槛坍塌的今天，浅层应用极易被像素级复刻，企业真正的壁垒在于通过 SFT、DPO 与强化学习，将自家独到的业务判断和"产品品味"烘焙进模型权重。

她特别警示企业避开"凭感觉评测（Vibe Evaling）"的陷阱，必须建立系统化的自动化评估与单元测试，并警惕环境模拟不足导致的"奖励黑客"。这套方法论不仅能在特定领域超越前沿闭源模型，更能将推理成本降低数倍。

视频链接：https://www.youtube.com/watch?v=yAvJ7b_FxUA&list=PLaqC3GACblSs&index=2

红杉资本近期发起了一个名为「Own Your Intelligence」的系列专题分享，邀请在"企业自建智能"方面实践最多的几家公司，围绕战略理念、模型后训练、强化学习环境与垂直落地四大议题做系统分享。

本期由红杉资本专注于 AI 与企业级软件投资的合伙人 Sonya Huang 立论，她系统阐述了"主权 AI（Sovereign AI）"的核心逻辑：下一代软件的护城河正从"产品层"转移到"智能层"，仅调用黑盒 API 难以建立壁垒，企业必须在模型权重层面掌握控制权——"不是你的权重，就不是你的产品"。她同时指出，自建智能不仅能压降推理成本、实现低延迟，还能在垂直领域突破通用模型上限，并建议企业并行建设"生产栈"与"开发栈"，让专有数据持续反哺模型进化。

原视频：https://www.youtube.com/watch?v=bMMv0bZzONg&list=PLaqC3GACblSs&index=5