2026年，AI自进化（Recursive Self-Improvement）已从理论概念进入工业实践阶段。机器之心联合广大联查苏举办的主题沙龙’当AI开始进化AI’邀请了四位代表性技术专家，从具身智能的物理世界GPT时刻、大语言环境下的强化学习、脑启发的持续学习机制、到RSI的产业前沿，系统性呈现了AI如何自我超越的技术路线。本文从完整转写文本中提取所有关键信息，涵盖Anthropic内部80%代码已由Claude生成、从知易行难到知行合一的五维世界模型、灾难性遗忘的根本解法、以及全球RSI公司版图等核心议题。
Cerebras Systems在2026年5月中旬IPO后市值一度逼近千亿美元，被外界视为英伟达的挑战者。本期晚点聊LateTalk邀请到Cerebras早期投资人、现高通创投投资人周南，回顾了九年前在百度美研完成这笔投资的全过程——从Scaling Law在硅谷萌芽、Wafer-Scale Engine架构的技术尽调，到百度美研作为AI人才「黄埔军校」的辉煌与地缘政治下的遗憾。对话深入分析了为什么OpenAI会签下百亿美元订单、推理需求爆发如何改变算力格局、Cerebras自建云平台的战略逻辑，以及当下AI基础设施投资的新窗口：推理优化、异构芯片、Physical AI的下一个「顿悟时刻」。
在一场名为’圆桌交锋’的AI编程闭门活动上，MiniMax创始人闫俊杰与多位嘉宾围绕AI编程、模型进化与智能终局展开讨论。闫俊杰回顾了MiniMax从M1到M3的演进——M1效果不佳但团队第一次’跑通’时已看到希望，M2只做coding顶着国内质疑却让token消耗量超出目标十倍，M3的目标是让用户’不关心成本’地使用2T、3T参数级模型。他给出了通往10T模型的清晰路径：中美模型约十倍参数差距意味着两代，国内需先做好3T再做到10T，而一个10T模型需要200T数据——全世界都没有这么多数据。他判断模型与Agent是共同进步而非互斥的关系，智能最终应服务于人；同时坦承AI仍是黑盒，现有数学工具连三层以上神经网络的收敛性都分析不了，AI的可解释性最终需要靠AI自己来解。本文按主题整理，每个主题包含「新的变化」和「嘉宾观点与解释」两个维度，力求让未观看视频的读者快速理解核心内容与得出观点的原因。
一位从理论物理半道出家的青年研究员，先后在Anthropic参与Claude 3.7的大规模强化学习、又在Google DeepMind参与Gemini 3系列，在4小时访谈中讲述了模型能力被拉平后的新焦虑、预训练远未到头、后训练如何scale up、AI本质简单却不可阻挡、个人英雄主义时代已经过去、以及为何离开Anthropic转投Google。本文按主题整理，每个主题包含「新的变化」和「姚顺宇观点与解释」两个维度，力求让未观看视频的读者快速理解核心内容与得出观点的原因。
24岁的洪乐潼（Alex Hong）创办的Axiom（中文意取《数学天书中的证明》）刚刚完成估值16亿美元的A轮融资，吸引了57岁的终身教授小野健（Ken Ono）辞职加入。她在硅谷Facebook House接受了4小时访谈，讲述从广州奥数少年到MIT摩根奖、牛津神经科学、斯坦福数学与法学博士，再到辍学创立AI for Math公司的完整脉络。访谈涵盖Lean形式化语言如何把数学变成可验证的代码、Axiom的XProver如何以满分横扫普特南竞赛、为何她说自己是’蛮力型选手’而AI最大受益者正是蛮力型数学家、以及把数学家分为资源分配者与猜想家的未来图景。本文按主题整理，每个主题包含’新的变化’和’嘉宾观点与解释’两个维度，力求让未观看视频的读者快速理解核心内容与得出观点的原因。
华人青年科学家谢赛宁（Saining Xie）首次接受播客访谈，详述从上海交大ACM班到FAIR、再到NYU任教、最终与图灵奖得主杨立昆共同创业AMI Labs的完整脉络。访谈涵盖他两次拒绝Ilya的邀约、MoCo与DiT等关键工作的诞生内幕、对LLM范式与世界模型路线的判断、北美学术界的资源困境、以及逃离硅谷军备竞赛去构建反向AI的创业逻辑。本文按主题整理，每个主题包含新的变化与谢赛宁观点与解释两个维度，力求让未观看视频的读者快速理解这位低调研究者如何一步步走到AI的核心又主动出走。
OpenAI核心贡献者翁家翌亲述：从清华开源作业打破信息差、开源强化学习框架天授、做免费签证查询系统tuixue，到2022年加入OpenAI搭建post training的RL infra，成为ChatGPT、GPT-4o到GPT-5每一次模型跃迁背后的核心人物。他揭示了一个被低估的真相——大模型之争的生死线不是算法创新而是infra的迭代速度与正确性，每家infra都有bug，谁修得多谁就赢；OpenAI并不刻意刷榜，真正警觉的是DeepSeek的infra迭代速度；以及他对读PhD是否还值得、OpenAI为何不得不闭源、Sam为何是AI最难替代的人、组织臃肿与无限context agent CEO的判断。
深度精读 Google DeepMind 重磅报告《From AGI to ASI》——由 DeepMind 联合创始人 Shane Legg 领衔、AIXI 理论发明人 Marcus Hutter 等 14 位顶尖研究者合著。报告系统性地探讨了 AGI 实现之后 AI 如何继续向人工通用超级智能（ASI）演进：从 Universal AI（AIXI）的理论框架出发，定义了 AGI 和 ASI 的清晰边界，提出四条可能并行的技术路径（算力扩展、范式转变、递归自我改进、多智能体集体涌现），并诚实地分析了六大瓶颈与高度不确定性。核心洞见是：AI 进展不太可能在人类水平附近停滞，我们面对的可能是连续的变革而非单一拐点。