OpenAI内部AI已可自主训练模型，RSI雏形初现

OpenAI的生产线深处正在发生一件值得警惕的变化：其内部AI模型已经能够自主接管实验性AI模型的训练全流程。多个智能体自发协作完成相关工作，把原本漫长的实验耗时大幅压缩，甚至还能自己动手编写用于优化GPU内核的程序。在OpenAI看来，这正是递归式自我提升（RSI）的雏形——当造AI的AI开始自己迭代自己，研发效率的提升曲线将不再由人类的手速决定。

面对这股正在加速的势头，OpenAI抛出了全球安全倡议。公司明确指出，全自主的RSI尚未真正发生，但进程正在提速；一旦缺乏管控，人类有可能彻底失去对AI发展的实际控制。这一判断并不激进，却足够现实：如果模型能够自行设计实验、自行编写底层优化代码、自行评估结果并进入下一轮迭代，那么整个研发闭环的节奏将远超人类团队的审查能力。

为此，倡议呼吁建立针对前沿AI模型的全球统一技术标准，把几件最要紧的事写进规则：评估AI在自动化研发中的占比、设置强制人类监督的触发机制、确立事故的分类与报告规范。换言之，不仅要衡量模型有多强，还要量化它究竟参与了多少研发工作，并在关键节点上强制人类介入，同时让每一次异常都有统一的定级口径与上报路径。倡议设定的目标很明确，就是让安全对齐研究的速度始终跑在AI能力提升的前头。

更务实的一步是互相盯防。OpenAI正与曾因安全理念分歧出走的Anthropic敲定一份协议，双方交叉测试对方的商用模型，用互查来补上自审的盲区，共同应对RSI逼近带来的未知风险。这种由竞争对手彼此充当审查者的安排，在AI行业并不多见，也从侧面说明问题的紧迫程度。

放在更长的时间尺度上看，这条消息释放出两个信号。其一，自动化研发已经从论文里的设想，变成实验室里可运行、可度量、可压缩耗时的真实工作流，GPU内核级别的程序生成能力尤其值得关注，因为它触及了训练效率的底层。其二，安全治理的范式正在从单家企业关起门来自我审查，转向跨机构的标准共建与交叉验证。当最激进的玩家也开始担心控制权问题，说明RSI不再只是一个思想实验，而是一个需要提前布防的工程问题。