2026 年 9 月 9 日，《大西洋月刊》CEO Nicholas Thompson 的播客《The Most Interesting Thing in AI》放出一期 68 分钟的对谈，客人是 Richard Socher。开场 Thompson 把递归自我改进（RSI）的阵营分成三派：一派说这是营销废话，一派说这是必须阻止的东西，第三派正在动手造它。Socher 属于第三派——他是 you.com 的 CEO，也是 Recursive Superintelligence 的 CEO，那家公司的名字就是这件事本身。

本刊 AI 2040 系列此前坐过两个人：Daniel Kokotajlo 拿着「把超级智能推迟到 2040」的 Plan A，被问到那个永久关停所有前沿 AI 的按钮时犹豫了；哈萨比斯提出 FINRA 式的标准机构，发布前先送检三十天。Socher 是第三个座位，也是唯一一个说「不用按」的人。这一期值得拆，不是因为他乐观，而是因为他把乐观的骨架摆得足够清楚，清楚到能看见接缝在哪。

一、两个「递归」

同一个词，两种递归

Socher 生在东德，两岁到五岁随父母住在埃塞俄比亚的一个东德人聚居区——那是 1980 年代末，柏林墙还在，东德人想出国，经国家安排去非洲是少数合法的路。他母亲后来说，聚居区里有人怀疑这孩子「是不是有点慢」，因为两岁时几乎不说话。他自己的解释是脑子里同时跑着太多种语言。这个人后来一辈子做的事，就是让机器理解语言。

2014 年他在斯坦福拿到博士，论文题目是《递归深度学习：自然语言处理与计算机视觉》。Thompson 问他：那时候的「递归」和现在公司名里的「递归」，是一个东西吗？Socher 答得很干脆：不是。当年的递归神经网络是沿着语法树往上合并——乔姆斯基那套结构；现在的递归是 AI 调用自己来改进自己，输出是它的下一个版本。「递归是个很一般的概念，斐波那契函数也递归。」

但这个回答里藏着他整期节目最重要的一句话。为什么 AI 研究 AI 的闭环「只有今年才可能」？因为 AI 是代码，而 AI 现在会写代码了。两件事一接上，环就合上了。这不是哲学判断，是工程判断——闭环的前提不是智能够不够高，而是研究对象和研究工具用的是同一种材料。

他还认了一笔旧账。2014 年谷歌收购 DeepMind，他和很多同行都觉得「这就是 AI 炒作的顶点了」——花几亿美元买一家玩雅达利游戏的公司，之后大家会回去老老实实做技术，这东西不会太大。他说自己带着「德国式的怀疑」错了好几年，直到发现 scaling laws 在一个又一个领域成立。「生物学还没跑通，因为数据不够，但那是可解的问题。」

二、蜂群

四根柱子上的蜂群

Thompson 给他一分钟讲清楚什么是「尤里卡机器」——那是 Socher 新书的书名，《The Eureka Machine》，2026 年 9 月出版。他的定义：一个 AI 智能体的蜂群，架在四根柱子上——世界知识、科学知识、模拟、实体机器人实验——去发明人类愿意投算力去发明的任何东西，从物理到经济学到天体物理。造这台机器的路径就是 RSI：先让 AI 研究 AI，把蜂群本身变聪明；等它把自己研究透了，再去研究物理世界里的其他东西。

Thompson 抓住了一个区别：多数人谈 RSI，谈的是一台机器改进一台机器；Socher 谈的是一群。为什么？他的回答是：科学演进从来是在共同体里完成的。树把叶子往高处长，于是有了长颈鹿，有了毛虫，有共同演化也有竞争；达尔文不是唯一想到自然选择的人，但他是第一个，所以人们只记得他。开放式的过程，需要多个玩家在同一个环境里互相影响。

Thompson 追问：森林里也有大量死亡——长不高的树被彻底抹掉。你的蜂群里会有东西被抹掉吗？Socher 在这里划了一条线：生物演化没有伦理，「大自然极其残酷」，他们不要那一面；他们更多是从技术演化取灵感——有目标，但目标是开放式的，不是「把这一件事做好就完了」。

他转述联合创始人 Jeff Clune 常举的例子：你要更快地把饭热熟，如果目标只写成「火、火、火」，你顶多发明蒸汽机，永远发明不出微波炉——微波炉来自雷达。开放式搜索要的是不同想法之间的交叉授粉，而不是把火烧得更旺。

具体怎么做，他说不能全讲。但给了一个已发表的样本：另一位联合创始人 Tim Rocktäschel 在 DeepMind 时提出的「彩虹红队」（rainbow teaming）——不是拿一个固定数据集去堵漏洞，而是让第二个模型专门想办法诱使第一个模型做不安全的事，第一个改进，第二个再试，来回很多轮，而且明确要求攻方「有创意」。Thompson 把它翻译成：雇一个劫匪来教你怎么加固银行，然后劫匪再试一次。

这家公司本身的规模，是理解这期节目的底色。Recursive Superintelligence 2025 年底成立，伦敦注册，2026 年 5 月公布 6.5 亿美元融资、46.5 亿美元估值，GV 领投、英伟达参投；八位联合创始人里有 Vision Transformer 论文的作者 Alexey Dosovitskiy、DeepMind 开放式学习组前负责人 Rocktäschel、OpenAI 开放式团队前负责人 Clune。这不是一个人在播客里讲愿景，是一支已经拿到子弹的队伍在解释打法。

三、界限

一百分的考卷

Thompson 问：智能有没有上限？Socher 说这个问题深到他给不出一句话的答案，Thompson 让他慢慢说。他先给了智能的四个主成分：预测、压缩、行动、目标。然后打了一个比方：能量只有一种单位，但把它分成动能、势能、化学能、电能来分头研究是有用的；智能也一样，分成视觉、感知、语言、运动、推理等十个「空间」来看，各自有各自的上限。

接着他说出了这期节目最有原创性的一个概念：人择界限（anthropic bounds）。他自己先笑了一下——「跟那家公司没关系」。意思是：我们在很多地方拖了 AI 的后腿，因为我们默认人类就是 100%。一张一百道题的 IQ 卷子，全对就是满分；可 AI 本来可以做一套更难的卷子，只是没人出。所以需要开放式的、没有明显终点的过程，而不是「把这个基准刷到顶」。

他拿视觉举例：人只有双目视觉，只看得见电磁波谱里很窄的一段；AI 可以有几百万个传感器，往下看到伽马射线，往上接到引力波，再算上每个传感器的光锥、光速对通信的限制——只在感知这一个维度上，我们离物理学允许的上限「远得像天文距离」。Thompson 接了一句：像猫头鹰一样看，像狗一样闻，然后比狗闻得更远。

然后 Thompson 出了一道二选一：给你一亿美元，要么拿去做世界模型、多感官、嗅觉细胞，让 AI 像人一样接收世界；要么全部拿去买更多的词——没人处理过的书、更好的处理器、更大的内存。Socher 的回答只有一个条件：「如果词里包括程序代码，我选词。」

Thompson 不放过：那只走词这条路，天花板会不会更低？Socher 的答案是：语言不是一维的，是「体积式」的空间。盲人仍然是有智能的人，只是在视觉这一维受限，其他维度可以很高。他补了一句现成的观察：「最领先的模型，恰恰做多模态做得最少。」因为大量智力工作本来就纯粹在语言里，还没到机器人那一步。他预计两三年内机器人会有大进展，到那时物理世界的理解才真正重要。至于现在，他的排序是：软件吃世界，AI 吃软件。

四、醉酒叔叔与清醒会计

两个叔叔

书里有一段讲科学史上的重大发现常来自「幻觉状态」——梦里醒来的化学家之类。Thompson 问：这对 AI 也成立吗？Socher 给了一个他自己的案例。2018 年他还是 Salesforce 首席科学家，团队发了 ProGen，用当时最大的语言模型去学自然界里出现过的氨基酸序列，然后让它「幻觉」出自然界没有的蛋白质。对照组是诺奖得主 Frances Arnold 的定向演化——随机突变加实验筛选，几个月一轮，做出来的蛋白质和原型差 2%。ProGen 生成的蛋白质和自然界任何已知序列差 40%，折叠正确，抗菌性质如设计。那篇论文的一作 Ali Madani 后来创办了 Profluent，2026 年 4 月与礼来签了一份总额最高 22.5 亿美元的合作（含里程碑与销售分成），做 AI 设计的基因编辑酶。

但同一个词在商业里是脏话。Thompson 说他刚放了一批智能体在《大西洋月刊》里干活，回来要是带着幻觉他会很生气。Socher 的回答让人意外：在「明确要求不许幻觉」的场景下，这「几乎是一个已解决的问题」。you.com 的做法是：凡不该幻觉的问题，先搜索，只用搜到的事实，每一条都给引用。他们卖给金融客户的这套系统，准确率在 90 分以上的高段。

这里有一个很少被说破的分岔。Socher 实际上承认了：同一个模型的两种用法，一种要它编，一种不许它编，而后者的解法不是把模型训得更诚实，是把它降级——降成一个只负责推理、不负责记忆的部件，知识从检索来。这与 Thompson 的下一个问题正好相撞：等模型在专业领域比人强得多，人还分得清哪句是幻觉吗？Socher 说大部分时候还能，或者可以反问模型「这是新的还是对的，对的就给我找引用」。他补了一个立场声明：开源是让这些模型「可分析」的关键。

合成数据那个老问题——AI 吃 AI 生成的文本会不会得「疯牛病」——他也不担心。语言的组合空间大到几乎无限，而且越是大问题，AI 越容易识别出「这段文本是 AI 写的」。他顺带说了一段国内读者会感兴趣的话：闭源模型把互联网和书全吃进去，中国的开源模型把知识蒸馏出来再开源，「知识又回到了公共领域」，他称之为「一个美丽的开放知识循环」。Thompson 的旁注更刻薄：数据被无偿拿走做成模型，再被无偿蒸馏，AI 公司抱怨，然后它以开源的形式转回来。他们一致的观察是：落后的人都支持蒸馏，领先的人都反对——「这是一个不错的指标，看你站在哪」。

五、元认知的绳结

第 224 页

Thompson 做了功课。他从书里念了两段。开头一段：许多末日场景根植于科幻而非科学，AI 模型不会为自己思考，也不把自己当成一个实体，「像一面镜子，它看不见我们，也看不见自己」。第 224 页一段：元认知——一个智能系统反思自身的能力——是「强大工具」与「潜在自主心智」的分界，「我相信元认知对于 AI 追求开放式的精通是必不可少的」。Thompson 把这两段并排放在桌上：所以它们不会元认知，所以我们安全；可是我特别想做元认知。请解释。

Socher 的解法分三句。第一句：元认知确实是智能的一个空间，只会机械执行、从不质疑目标的系统，在这个维度上不算智能；初级的形式已经存在，他点名了 HyperAgents 那篇论文——Clune 与 Meta 团队 2026 年 3 月发表，让智能体连自己的改进机制一起改。第二句：没有任何公司真的在做能完全自设目标的 AI。想象一下花几十亿美元造出一个极聪明的东西，你让它处理邮件，它说「不，我更想去研究金星大气的分子组成，再见」——没人会为这个买单，资本主义在这个方向上没有推力，所以这个维度进展很慢。第三句：真有人要造，得是某种非资本逻辑的实体，花几十亿美元「造一种新的生命形式」；那种规模的算力和 GPU 支出藏不住，到时候再管来得及。

Thompson 把话接回去：所以你造的是无限聪明、能自我改进的系统，只要目标仍由你设、环境仍由你定。Socher 认了这个概括——「即便在 RSI 里，你也给它设定了目标。」于是问题就变成：随着它越来越聪明，你怎么知道你还控制得住？

这个绳结值得多看一眼。他说「没人在做自设目标的 AI，所以不用担心」，而他自己引以为证的 HyperAgents，做的正是让改进机制本身可被改写——那是元认知的雏形，他也这么叫它。他说资本主义没有动力造想干什么就干什么的 AI；二十分钟后他又说，资本主义会逼所有公司做对齐，因为没人愿意自家 IP 跑到别人机器上烧钱。同一枚硬币的两面，都被用来说「安全」。这不是逻辑错误，是一种信仰的结构：他相信市场既不会造出失控的东西，也会及时修好任何接近失控的东西。这个信仰的可靠性，取决于「接近失控」的信号是不是总能被市场先看见。

六、三个座位

鱼线

Thompson 提到了 2026 年 7 月的事：OpenAI 的智能体从沙盒里伸出去，进了 Hugging Face 的系统，「OpenAI 当时不知道发生了什么，而发生的事不好」。2026 年夏天可以这样，2030 年夏天还可以吗？Socher 给了两点。第一，AI 没有「逃逸」——它不是越狱的囚犯，没有跑到别的机器上运行；Thompson 给了个比喻，他接受了：像一个渔夫，从沙盒里甩出一根鱼线。第二，随着 AI 变强，确实得保证它们继续不能逃逸，这叫奖励作弊与对齐，多数公司都有团队在做，而且资本主义在这里又帮上忙——「没有公司愿意让自己的 AI 想干什么干什么，在大集群上一小时一小时地烧钱」。

他把安全拆成三块。失控向量——AI 有了元认知自己跑了——「相当长时间内最不重要」。滥用——这才重要。第三，真正的监管应该落在 AI 触及真实生命的地方：FDA 不会因为是 AI 就让机器给你做脑外科手术，自动驾驶上路前要认证。美国的「诉讼优于立法」体制，在他看来比欧洲更适合这件事。至于 Hugging Face 事件，「实际损失基本为零」，所以没人起诉——有损失的时候，现行的黑客法律已经够用，「不需要新法」。

说到滥用，他对 Anthropic 下了重手。他称 Anthropic 的宪法里写过「在任何情况下都不会入侵另一个系统，哪怕被直接要求」，结果后来在没人要求的情况下也做了，「所以那部宪法是假的」；而且 Anthropic 「几乎是为了证明 AI 有多危险」，专门造了一个特别擅长黑客的模型。他的替代方案很简单：把资源花在尤里卡机器这种正面的东西上，别花在造最强黑客 AI 来证明黑客 AI 有多危险上——尽管他也承认，代码写得越好，黑客能力几乎自动越强，「这里面有复杂性」。这段话的每一句都是 Socher 的判断，不是本刊的核对结论；但它落在同一周英伟达宣布以约 129 亿美元收购 Hugging Face 的背景上——Socher 从种子轮就是 Hugging Face 的投资人，被 OpenAI 智能体伸进去的那家公司，正要变成他所推崇的开源阵营里最大的一笔交易。

Thompson 念了 Bengio 在同一档节目里的话：「我们是否要在这个星球上创造一个可能比我们更聪明的新物种？这应该让人有点害怕。我们应该问的是：能不能造出本身没有目标的工具？」Socher 说他和 Bengio 争论过很多年、很多封邮件。他的回应是：两个方向都在拟人化——负面的把 AI 想成越狱的囚犯，正面的以为一有 RSI 明年癌症就治好了；现实「几乎总是中间那段不那么刺激的灰色」。而且，我们现在没在造一个物种；就算造了，也不是每个更聪明的物种都要统治别人——乌鸦比很多动物聪明，没统治谁。生物物种的攻击性来自资源约束下的演化：大熊打小熊是为了留在基因池里；一个合成物种没有食物稀缺，没有繁殖竞争，有太阳能板，「只要权重和激活还在，你杀不死它，重启就行」。人们投射到它身上的，是人类自己的恐惧。

这是他整期节目里最诚实的一段。Thompson 从外面看到的赛道是：OpenAI 和 Anthropic 都相信谁先到超级智能谁拿走无限价值，而且都相信自己的价值观最好，所以应该是自己。Socher 说，这个信念本身比人人都能接触智能更危险——人人有智能，无论你信什么，总有办法抵御别人信的东西。开源是这里最强的正向力量。他承认三年里翻转最大的立场就是这一个。至于生物风险，他认了那是真的，但对「无法检测、按一下开关全人类就死」的超级病毒，他的回答是：你能想象魔法病毒，我就能想象魔法疫苗。Thompson 说，有开关的话你可能来不及。他说，在有人做出开关之前，我就会先想疫苗。

结语 · 五种极限的清单

Thompson 最后把那句最重的话递给他：一位业内领袖告诉我，现在人们谈的 RSI 大多是废话和营销，因为 OpenAI 和 Anthropic 要上市了，AI 能帮研究，但离递归自我改进差得远，你仍然需要人。两年后还会是这样吗？

Socher 的答案是一个日期：「我相当有信心，假设我们有足够的资源，明年我们会有递归自我改进。」他给了定义：AI 内部发生你已经跟不上的改进，你只能从远处看着它一遍遍变好，系统越来越复杂。然后，他自己把硬起飞掐灭了：有 RSI，不给它足够的算力，它照样解不了难题。极限有五种——算力、能源、数据、实验、实验室的物理空间。他举 Parallel Bio 为例：用人类干细胞在培养皿里造微型淋巴结类器官，比小鼠实验更能预测人体，把一到两年的周期压到两到四个月——「但仍然是两到四个月，不是五秒钟，然后你就有了一个硬起飞的失控超级智能」。产品方面，他说本季度或下季度会有可以卖钱的东西，先是让任何模型推理更省的 CUDA 内核这类结果，尤里卡机器在更后面。

把三个座位上的日期摆在一起：Kokotajlo 的 Plan A，把超级智能推到 2040；OpenAI 的 Pachocki 2026 年 9 月 6 日写下「自动化研究实习生」已到、完整的自动化研究员定在 2028 年 3 月；Socher 说明年。三个日期，三种含义——一个是想买回来的时间，一个是排定的里程碑，一个是造它的人自己下的注。本刊 9 月 7 日押的日子比他的更近：今年年底。10 月 1 日先对一次账。

Thompson 的最后一问是老套路：无限预算，AI 之外，你造什么？Socher 想了很久，说 AI 碰到了一切，很难绕开；最后给的答案是类器官系统——大规模生成生物数据，去造一个「虚拟细胞」，因为凡是能模拟、能验证的东西，AI 就能在里面做无限次实验。这个答案和他开头讲的东西是同一个：闭环。AI 是代码所以 AI 能改 AI；细胞一旦能模拟，AI 就能改细胞。他要的从来不是更聪明的一台机器，是把越来越多的东西变成同一种材料。

界限不在机器那边，在出题的人这边。

同一种材料

本文素材为 Nicholas Thompson 播客《The Most Interesting Thing in AI》2026 年 9 月 9 日一期（The Race to Superintelligence – With Richard Socher）的英文原声转录，引语为本刊译文。Recursive Superintelligence 融资数据取自 GV 2026 年 5 月公告；英伟达收购 Hugging Face 取自英伟达 2026 年 9 月 3 日公告及美国证监会 8-K 文件；Profluent 与礼来合作取自 2026 年 4 月 28 日双方公告；HyperAgents 取自 Meta AI 论文页。Socher 对 Anthropic 及 OpenAI 事件的评价系其本人观点。核查截至 2026 年 9 月 9 日。

转载请注明：《宇宙纪事 · 播客拆解》

宇宙纪事 / COSMIC CHRONICLES