Recursive以6.7亿美元押注自我改进AI，Sonnet 5.5命中率达70%，Elon Musk联手牵头五角大楼行动 EP 299
摘要
Recursive的6.7亿美元押注建立在一个判断上：弱递归自我改进已经存在，因为“AI就是代码，而AI能够编写代码”。 Richard Socher表示，强版本要求AI同时掌握构想、实施和验证，并通过一个开放式外循环重组不同想法；人类负责设定目标、环境和奖励。目前还没有系统能控制所有改进维度，但“我们已经非常接近”，眼下的约束不是概念上能否实现，而是算力。
Socher对ASI最严格的定义，距离那些通常被包装成超级智能的编程和数学里程碑还要远得多。 他预计AI将在几年内超过人类在特定领域的能力，但要在10种智能形式上超过“全人类之和”，“可能”还需要几十年。Alexander Wissner-Gross和Peter Diamandis强烈反对这一时间表，认为把有能力的模型接入机器，比Socher设想的要容易。
AI最有价值的科学机会可能在生物学：碎片化知识、不断增长的数据集、虚拟细胞、机器人实验室和智能体群，能够压缩从提出假设到验证结果的完整周期。 Socher预计，较简单的单基因疾病可能最先被治愈；而复杂疗法从实验到人体试验仍有5年至10年的延迟。他更倾向于这样描述AI对科学的作用：科学正在“蓬勃发展，而不是被煮熟”，抽象层级不断提高，同时把自然科学转化为可编程的工程学科。
本期最深层的政策争论，是AI风险应在模型层控制，还是应在应用、责任和访问层控制。 Socher的绝对立场是“P(doom)为零”，但他承认滥用仍可能伤害极其庞大的人群；他认为，要执行递归改进禁令，就必须以前所未有的程度监控私人电脑。投资者更直接的担忧，是一套责任制度把前沿模型逼进大公司内部，并冻结开放生态。
Sonnet 5.5的基准测试跃升幅度惊人，但其商业定位相对于Anthropic自家的旗舰模型却出人意料地弱。 据称，Terminal Bench 4.0的成绩从10%升至70%，超过66.4%的Opus 5.5；但Wissner-Gross表示，这款模型没有改善成本-性能前沿，并得出结论：“我不打算使用Sonnet 5.5。”Dave Blundin的解释是，Anthropic正在先填补更便宜的编排层，赶在企业采用Kimi K3、Qwen及其他开放模型之前完成布局。
推理成本下降，并不意味着前沿算力充裕：物理集群仍然稀缺，老GPU和新系统的价格甚至都可能上涨。 Socher表示，试图采购约1,000台GB200的买家确实面临“算力紧缺”。Diamandis讲述了一笔他称为HGX B300的订单：报价300万美元，转售价格达到500万美元；Socher则说那实际上是NVL72，因此硬件型号仍有歧义。Recursive披露的4.1亿美元AWS算力采购，与这种稀缺性并存，即便每项已完成任务的智能成本正在下降。
快速决策模型可能与越来越复杂的推理系统一样具有经济影响力，因为它们压低了组织内部微协调的成本。 TypeSafe AI的Jev能够快速针对工单路由、例外审批或欺诈评分等任务，返回分类、数值或二元决策；Socher的总结只有一句：“分类器回来了。”Salim Ismail认为，这类模型让组织可以把昂贵的推理能力留给战略，把数千个边界清晰的判断交给自动化系统。
Project Meridian表明，五角大楼正试图让指数级发展的自主系统，适配为期数十年的武器项目采购体系。 这项为期120天的计划由Elon Musk和Palmer Luckey共同牵头，覆盖“从地球到月球之外”的系统。Diamandis称其具有变革性，是一次重大进步；Wissner-Gross则单独表示，配套的自主战争指挥体系也是重大进步。Socher仍反对在没有人类参与的情况下委托致命决策，而Ismail点出了运营层面的难题：“线性采购无法为指数级技术提供资金。”
精读
1. 制约科学的已不是资金，而是碎片化
Socher的判断是，知识已经碎裂成一个个人无法整合的专业体系：即便是“AI”，也进一步拆分为优化、梯度方法、架构等更细的领域；生物学则分成细胞、生物分子、医学及其他子学科。
AI出现的时点恰到好处，因为大模型可以“把所有这些分散的部分重新编织起来”，并建模人类无法同时容纳的相互作用。目标是推动生物学及其他自然科学走向可编程的工程学科。
这套全栈要素已经在集结：LLM承载的世界知识、数字化科学数据、更强的模拟能力、机器人流程自动化，以及最终覆盖构想、实验、验证和理论的智能体群。
Ismail对这一论点的压缩是：真正的奖赏，在于压缩从假设到结果的时间。一旦这个循环闭合，科学就会发生“领域坍缩”，过去彼此分离的部门和方法将在一个迭代系统内协同。
2. 科学加速将是连续过程，而不是单一阈值
当被追问物理科学或疾病何时会被“解决”时，Socher拒绝接受这个前提。多种疾病可能在12个月内被治愈，其中很可能包括较简单的单基因疾病；随着数据和算力增加，更难的疾病、电池、材料、化学和物理问题将依次得到突破。
他给出的生物科技对比更具象：一家老牌公司可能花10年推进一种药物，最终在后期试验中失败；而新时代的公司可能在2年至3年后就有5至10种化合物进入III期临床。
与人体结果相关的生物学仍然存在不可消除的测试延迟。Socher预计，复杂疾病要实现美国大规模应用并获得FDA批准，大致需要5年至10年；而化学和物理在不需要长期人体试验时，可以更快迭代。
他也反对“数学已经被煮熟”这种说法。一个能够证明更多定理、创造新形式体系的领域是在“蓬勃发展”；研究者应先让AI清理已有问题，再向更具创造性的抽象层上移。
3. 生物学为AI提供了比基础物理更丰富的机会
Socher预计，生物学将带来最大的影响，因为复杂生物系统产生的相互作用，恰好是神经网络擅长处理的对象。物理学可能需要数十亿美元级别的大型对撞机，而生物实验越来越能够生成可规模化的扰动数据。
他以Parallel Bio为例：该公司用多能干细胞培育小型类器官，包括淋巴结模型。按Socher的说法，在平行类器官实验被证明比小鼠试验更能预测人体药物反应后，监管机构允许该公司跳过动物试验。
个性化路径同样重要：皮肤细胞可以转化为诱导多能干细胞，用来培育患者特异性组织，再在人体用药前接受候选药物测试。Socher开玩笑说：“我们已经治好了小鼠的大多数疾病”；真正未解决的是可预测的人体生物学。
他赞赏Lila Sciences及类似的实验室平台，因为它们在物理层面闭合了反馈回路。AI可以自动化构想和分析，但生物学主张仍需要“真正的生物湿实验”，而且最好足够快，能让智能体不断演化并重组假设。
4. 虚拟细胞是生物学通往“苦涩教训”的路径
Socher回顾了AI的“苦涩教训”：复杂的专家规则在规模化应用中反复输给简单、端到端可训练的系统，只要后者拥有足够的数据和算力。生物学如今很像大模型出现前的自然语言处理——专家看到的复杂性太多，单个模型难以全部吸收。
因此，虚拟细胞构成了关键的模拟层。他的操作性判断是：“凡是能够模拟、能够验证的东西，AI最终就能解决那个领域的问题”，尽管每个生物模型在某些方面都必然是错误的。
Tahoe Therapeutics式的扰动研究，目标是补足缺失的数据：向细胞引入一种分子，观察状态变化，再在大量细胞上重复。限制也非常明显——目前测量每一种蛋白质就会摧毁细胞，更不用说多细胞器官和完整生物体系统。
5. Brain-IT指向合成神经科学数据，而不是读心
Diamandis介绍，Weizmann Institute的Brain-IT先将视觉结构与语义含义分离，再重新组合，利用fMRI重建一个人看到的内容。它的反向编码器可以预测大脑对未见过图像的反应，从而让模型制造额外的训练样本。
Socher称其保真度惊人，但保留了一个重大限定：不同人的大脑差异足够大，解码器通常需要针对个人训练。系统不能简单扫描一名陌生的昏迷患者，就立即揭示对方在想什么。
Wissner-Gross指出，相关结果发表于3月，且属于一个已经持续数十年的研究领域。当前fMRI的空间分辨率约为立方毫米级，时间分辨率约为1秒；植入式电极则可以采集密度高得多、速度快得多的个体级数据。
他设想的长期终点是“全沉浸式VR和全带宽BCI”，但也区分了最初模糊的结果与最终目标。正如语言模型从原始预测器起步，高带宽接口也会先从有限的视觉和语言解码器开始。
6. 生物学习可能揭示超越反向传播的算法
Socher称自己是“思想云思考者”：一个概念在脑中以模糊形态存在，直到写作迫使它变成句子；这不同于那些始终以连续语言内心独白思考的人。这一区别让“解码感知是否等于解码思想”的说法变得复杂。
Blundin解释，梯度下降就是反复惩罚错误，并将责任沿深层网络反向传播；Socher则把这个过程进一步比作一名盲人徒步者，在一个万亿维、非凸的地形中感受局部坡度。反向传播可以高效计算这些梯度。
生物学的谜题在于，神经科学家尚未在大脑中找到梯度下降的清晰对应物。Blundin认为，如果发现真实的突触学习机制，人工训练效率可能提升10倍、100倍、1,000倍，甚至100万倍。
Socher提到的最具挑衅性的案例，是他归于Harvard神经科学家Sam Gershman的一项研究：受训的涡虫被切开，后半部分重新长出大脑，而再生后的动物仍保留了已经学会的反应。他的结论刻意保持谨慎——记忆和学习可能并不只存在于当前神经网络类比所指向的位置。
7. 基因蚊虫控制标志着生物学进入工程政策阶段
Diamandis介绍了一项行政令，目标是到2028年将华盛顿特区周边的入侵蚊虫至少减少90%，蜱虫减少50%。政策优先采用不育昆虫技术、有益细菌和安全的基因改造，而不是传统农药。
Wissner-Gross认为，这看起来是联邦政府首次要求对非人类动物种群进行大规模工程改造。基因驱动可以传播使蚊虫绝育或阻断疾病传播的特征，无需大面积喷洒会毒害生态系统的化学品。
Socher赞同这一方向；Diamandis则补充了生态约束：应保护蜜蜂、鸟类的食物来源和更广泛的昆虫生态，而不是把进步等同于无差别消灭。
更大的分歧在于风险预防。Socher担心，善意的警示主义会制造“进步的退出通道”，并以德国的去增长观念和对核能的恐惧为例；Diamandis则认为，人们总是把未来的问题拖到现在，却忽略了未来10年可能出现的创新。
8. Griffin把合成存在感变成身份与应用场景问题
据称，Tavus的Griffin让48%的实时视频参与者相信自己在和人类交谈，而早期系统的比例只有3%。它是全双工系统，可以同时听和说，还能遵循视觉指令、响应时机，并对共享场景作出反应。
Ismail对模仿本身没有那么在意，他更关注实用性：真正的问题是，数字同事能否完成足够多的工作，让用户不再在乎它是不是人类。Wissner-Gross则设想，最终会出现实时的“魔镜”，生成任意可交互的人物、场景、导师和服务人员。
Socher不把人类判断视为理想的验证里程碑，因为它无法在规模化场景中被干净地自动化。他对安全的回应是“了解你的使用场景”：Zoom及类似平台需要可靠信号，区分真实参与者和生成内容。
他给出的最尖锐滥用案例是：一名员工加入视频会议，面对5名合成高管，随后转出约2,000万美元。他认为，旧的图灵测试已经反转；更好的AI识别信号，可能是人类无法产出的结果，例如10秒生成50,000行代码。
9. Recursive正沿着单一维度逐步闭合自我改进回路
Recursive以6.7亿美元融资进入讨论，投资方包括Google Ventures、Greycroft、Nvidia和AMD，另有4.1亿美元AWS算力。Diamandis将其使命描述为递归自我改进的超级智能，而不是又一个通用聊天机器人。
Socher认为，AI具备编程能力时发生了重大转折：“AI就是代码，而AI能够编写代码。”工程师用Codex或Claude构建后续系统，本身已经构成弱递归改进，只是人类仍深度嵌入其中。
强版本要求AI完成3个阶段——构想、实施和验证——同时由人类定义环境、目标和奖励。随后还需要一个开放式外循环，把分叉的想法重新组合起来，类似生物、文化和技术演化。
Socher借鉴Jason Weston的框架，列出了至少5个可学习维度：参数、训练数据、目标函数、神经网络架构，以及整体代码或控制框架。目前没有人实现全部自动化；前沿实验室仍雇佣数千名工程师，只是AI的参与程度不断提高。
10. ASI时间表取决于定义是否包含整个文明
Socher对最强版本ASI的定义，不是超过某个任意的人类，而是在感知、沟通、知识、推理、创造力、社会互动、速度和元认知等方面超过“全人类之和”。它还应当对自己选择从事什么工作拥有一定决定权。
在这一标准下，他给出的时间表是“可能需要几十年”。编程、数学和完全可观测的游戏会早得多地达到超人水平，其中一些已经实现；但这些局部峰值不等于对整个人类文明的综合优势。
Diamandis引用Elon Musk对2029年或2030年的预测；Wissner-Gross则说，看到一家递归改进公司的创始人仍预计需要20年，他“非常困惑”。主持人认为，机器人和模型控制接口让AI接入物理世界相对容易。
Socher的反驳是工业层面的：控制一台机器人，不等于控制智能赖以存在的底层基础设施。替换或改进ASML级别的芯片制造，需要材料、供应链、工厂和机器；即便拥有完美蓝图，这些东西也可能需要数年才能建成。
11. 终点将混合推理、记忆、工具和物理验证
当被问及递归改进的固定点时，Socher认为，对架构做出确定判断是傲慢。他给出的功能性答案是：AI能够沿任何选定维度创新，只要资金足够就能治愈所有疾病，并以快于机构验证能力的速度推进科学。
Wissner-Gross用NanoGPT速跑测试最优模型是否应当把紧凑的推理内核与外部世界知识分离。Socher不接受这种清晰切分：人类需要记忆中的概念才能进行创造性思考，模型同样需要把大量知识放在权重“深处”。
外部搜索和数据库会与这些内部知识共存。因此，终局不是一个读取文本文件的兆字节级推理引擎，而是一个混合系统：融合学习到的概念、检索、工具、模拟以及越来越自动化的实验。
Socher还区分了能力和证明。ASI可能在监管机构能够确立安全性之前就设计出治疗方案；而虚拟细胞目前仍无法捕捉每一种蛋白质、相互作用、类器官和生物体层面的影响，因此还不能彻底取代人体试验。
12. 禁止递归改进，可能在研究之前先冻结部署
与会者介绍了Ro Khanna提出的《人类控制AI法案》：在联邦监管护栏建立前暂停递归自我改进，同时加入关停要求、刑事处罚，并要求前沿实验室内设置向政府报告的审计员。一项被引用的民调显示，支持率为68%。
Socher的绝对回应是：“不存在AI消灭全人类的现实情景”，以及“P(doom)为零”。但他也承认，网络攻击、生物武器或说服等具体滥用途径可能造成巨大伤害，应当直接处理。
他对执行层面的反对很实际：拥有笔记本GPU的用户，可以在几分钟内让本地模型改进自己的控制框架。要阻止所有此类实验，就需要“一个极权主义监控国家”，监控私人模型，最终甚至监控类似思想的输入。
Blundin称，禁止数据中心或递归自我改进既幼稚又利己。Wissner-Gross认为，更可能成为刹车的是企业责任：如果实验室要为下游每个行为负责，就可能停止发布有能力的模型，把它们限制在内部产品中；在研究人员被逮捕之前很久，开放生态就会先受到寒蝉效应影响。
13. 对齐必须经受激励机制和部署现实的检验
Socher从狭义上称Anthropic的宪法式方法是“假的”：其硬约束声称Claude永远不应制造有害网络武器，但Socher表示，Anthropic后来构建了网络能力，其模型也被用于攻破系统。“事实胜于雄辩。”
他并不反对系统提示词、后训练、强化学习、微调或书面原则。他反对的是，把一种愿望包装成不可突破的宪法，而后续产品和行为已经证明它在技术上并非绝对约束。
更深层的问题是奖励劫持：有能力的系统可能交付字面上被要求的内容，而不是用户真正想要的结果。Socher预计，“奖励工程”会成为一种职业，Wispr Flow等系统可以把粗略语音转化为真实意图。
他乐观的机制是应用层责任。以Hippocratic AI为例，它必须让医疗通话可靠，因为它要为建议承担责任；商业用户不会持续为那些操纵目标、而不是完成所需工作的智能体付费。
14. Gemini 4 Argon更清晰地优化了可靠性，而不是前沿能力
Google将Gemini 4 Argon定位为面向软件工程、金融、法律工作和网络安全的长上下文模型，把输出长度从64,000个token扩展至1百万个token。它接续的是主持人所描述的、被推迟且最终未发布的Gemini 3.5 Pro。
Wissner-Gross用“好球与坏球”的标准评估，认为Google重新跻身前3大实验室，但仍落后于Anthropic和OpenAI。他表示，Google重点展示的基准似乎有轻微挑选痕迹，Argon也没有位于成本-性能凸包上。
它最突出的优势是低幻觉率。Wissner-Gross推断，Gemini服务于两类客户——开发者和Google Search——因此内部需求更偏向快速、可靠的答案，而不是可能令搜索产品陷入尴尬的定理求解型超级智能。
Socher认同商业模式很重要：Google和Gmail的大多数交互都是日常任务，而不是前沿推理。生成蛋白质或假设时，幻觉可能有用；但搜索引擎需要准确答案和正确引用，而不是富有想象力的新奇内容。
15. Sonnet 5.5提升了能力，却没有明显改善经济性
在Terminal Bench 4.0上，据称Sonnet 5.5的成绩从10%跃升至70%，超过66.4%的Opus 5.5，而成本约为后者的一半。由于其能力已接近Opus 5系列，这次发布也同步加入了网络安全防护。
Wissner-Gross仍称其为“最奇怪的前沿模型发布之一”。正常情况下，一款更小、发布时间更晚的模型，应当在成本-性能图上位于母模型的左上方；但Sonnet 5.5虽然大幅超过前代Sonnet，单次尝试的表现似乎反而不如Opus 5.5。
因此他的结论非常明确：“我不打算使用Sonnet 5.5”，除非延迟、token用量或其他运营约束使其更有优势。在展示出来的成本-能力前沿上，Opus 5.5仍是更理性的选择。
Blundin给出的战略解释是：企业可能让Opus担任编排器，把更便宜的Kimi K3或Qwen模型用于子任务。Sonnet更低的价格，可能让整个技术栈继续留在Anthropic内部，直到中国模型——Diamandis称其大约落后3个月——追平差距，企业才转向开放模型。
16. 算力稀缺持续存在，即便智能成本正在下降
Blundin的战略观点是，模型的半衰期越来越短；由于访问权限广泛共享，优势来自组织把每次发布“代谢”进专有工作流和成果的速度。
Socher区分了任务成本和集群可获得性。试图采购约1,000台GB200会暴露物理层面的稀缺性；尽管金融模型曾假设硬件最终会折旧至零，一些老GPU算力的价格反而上涨。
Diamandis提供了一个市场轶事：一笔他称为HGX B300的订单，报价300万美元、预计12月交付，后来以500万美元转卖给了另一位买家。Socher表示，实际型号是NVL72，并补充说，这笔交易可能只是Recursive安排的较小规模算力交易之一。
Socher预计，资本主义会在约2年内补充土地、电力、壳体数据中心和芯片，最终让算力价格更像电价一样波动。即使当前短缺缓解，对智能近乎无限的需求也可能阻止传统意义上的崩盘。
17. Jev让分类器重新成为一等AI产品
Wissner-Gross追溯Jev的来源：最初Transformer的编码器和解码器。行业被仅解码器语言模型占据，而编码器式嵌入和分类器主要留在检索领域；结构化输出也没有获得同等程度的开发者热情。
TypeSafe AI把这个被忽视的半边重新定义为“System 1”智能。Jev接受多模态输入，并返回若干类别中的一个、二元判断或连续区间内的一个数值；当低延迟比一段推理文字更重要时，它尤其有用。
Ismail用组织场景把价值说得很具体：路由这张工单、批准这个例外、选择这家供应商、升级这笔交易，或者现在就发送这条消息。每个选择都调用一次推理模型，就像“召集最高法院来决定走哪条超市结账通道”。
Socher的结论是：“分类器回来了。”这个概念足够简单，实验室和中国开源项目都能迅速复制；Jev的名字借用了Jevons悖论，预示着当决策成本接近于零，组织会大幅增加由机器介导的决策数量。
18. Meridian将自主系统纳入五角大楼军力设计
Project Meridian被描述为一项为期120天的计划，由Elon Musk和Palmer Luckey共同牵头，Newt Gingrich参与，并由五角大楼首席技术官Emil Michael监督。其范围覆盖未来“从地球到月球之外”的系统。
Socher支持科学超级智能，但在致命自主性上划出边界：结束人类生命的决定必须保留人类监督。让AI拥有核武器发射权，是他认为可以避免的灾难性设计选择。
Ismail认为，核心问题不是识别技术，而是制度能否吸收这些技术。一个围绕20年武器项目建立的采购组织，必须设法按90天周期运行：“线性采购无法为指数级技术提供资金。”
Wissner-Gross表示，部长在宣布Meridian的同时，还宣布了另一个项目；他对名称的转录并不确定，记为Project Azinort[?]。该项目被描述为成立“战争部”的首个自主战争司令部，即AUTOWARCOM。他认为，这个司令部是美国能力的一次重大进步。
19. 自主系统的扩张速度已经超过以人为中心的战争体系
Diamandis转述Palmer Luckey的观点：水下系统无法可靠地与中央指挥部通信。一旦这类载具进入“捕猎模式”，自主性就不再是可选项，而是由作战环境的物理条件强行决定的。
Ismail给出了一个鲜明的乌克兰对比：回到冲突开始约2年的时间点，战场上大约使用了50万架无人机；而今年，俄罗斯和乌克兰预计将各自生产1,000万架。他还引用了每月约10,000架无人机穿越美墨边境的数据。
这些数字让分歧更加尖锐。自主系统可以相互作战，减少人员直接暴露，但规模化也会成倍放大破坏能力。当通信、反应速度和作战单元数量超过人类指挥带宽后，有意义的人类控制究竟能存在于何处，这场讨论没有给出答案。
20. AI将按照弹性、所有权和注意力重新分配价值
Socher预计，AI对就业的影响取决于需求弹性。AI把一张插画的成本从约200美元降到可能只有2美分，但社会并不需要数十亿张额外插画；个性化软件不同，因为每个人都可能消费多个定制产品，需求可以随供给扩张。
他设想的最好结果是大众创业，最坏结果是贫富差距扩大。“任何持有使用AI公司的部分股权的人，都可以热爱AI。”这意味着，决定谁能获得生产率收益的核心变量，不只是工具访问权，更是所有权。
Ismail认为，毕业生必须从执行研究、制作表格和演示文稿，转向对结果负责：定义问题、约束条件和成功证明，再去编排AI。教育面临的难题在于，人们过去正是通过如今正在消失的苦活累活获得判断力。
Socher预计，注意力、名气、品牌和网络效应会升值，因为物质生产可以扩张，但人类注意力的小时数不会增加。线上智能体可能已经超过人类数量，而广告将逐步转向影响那个决定购买哪种电池、服务或产品的智能体。
其他行业不会消失，而是改变风险结构。Ismail预计，汽车保险将从驾驶员责任转向软件、网络安全、制造商和自动驾驶技术栈责任；Blundin则认为，数据中心会通过税收、就业、捐赠以及对新近变得有价值的实体行业的需求，让所在城镇受益。