当AI开始自我进化：6.5亿美元赌注

人工智能的终极形态是什么？是更强大的语言模型，还是能够自主设计下一代的自我进化系统？理查德·索赫——这位前Salesforce首席科学家、NLP领域知名学者——正在用一笔惊人的6.5亿美元融资给出他的答案。

从AI科学家到自我进化引擎

据TechCrunch独家报道，索赫的新公司（暂未公开命名）在种子轮即获得6.5亿美元注资，创下AI领域早期融资纪录。公司的核心使命是构建一个“自研自进”的AI系统：它能像人类研究员一样阅读论文、设计实验、修改自身架构，并在无需人类干预的情况下持续提升性能。索赫在采访中强调，这不是一个漫长的科研项目，而是一个即将交付产品的商业实体。“我们已经看到了AI辅助编程、AI生成代码的巨大潜力，下一步是让AI能够自己优化自己的算法。”他说道。

“我们不是在做AGI（通用人工智能），而是在打造一个能够自主进行机器学习研究的工程系统。它会像人类研究员一样探索、试错、迭代，但速度是人类的千倍。”——理查德·索赫

技术路径与行业背景

自我改进AI并非新鲜概念。谷歌的AutoML、Meta的神经架构搜索（NAS）早已实现模型自动设计，但通常局限于特定任务且需要大量算力。索赫的目标是建立一个跨领域、持续进化的框架：系统可以针对任何给定的机器学习问题（从视觉识别到自然语言理解）自动搜索最优结构，并将学到的方法迁移到新问题。更激进的是，它还能发现自身计算瓶颈并重构底层代码——这一过程理论上可以无限循环，直至接近硬件极限。

然而，行业专家对此持审慎态度。卡耐基梅隆大学教授扎卡里·利普顿指出：“自主研究AI面临一个根本悖论：如果系统足够聪明，它可能会发现比当前更高效的训练方法，但这些方法可能超出人类理解范围，带来可解释性灾难。”安全方面，自我进化的AI若产生不可控的奖励追求行为，可能导致灾难性后果。

商业承诺与市场期待

尽管挑战重重，索赫的融资足以证明投资人的信心。据知情人士透露，资金将主要用于三方面：建设万卡级GPU集群以支持大规模自我训练；招募500名以上AI研究员与工程师；以及开发首款商业化产品——“AI研究助手”，计划在18个月内发布。该助手将为企业客户提供自动调参、架构搜索、实验优化等服务，目标是将模型开发周期缩短90%。

编者按：索赫的野心在于打破“规模法则”的天花板。当前大模型依赖数据、算力和参数量的线性增长，但自我改进AI可能开辟一条指数级进化路径。风险在于，一旦系统开始自我修改，监管与对齐问题将变得异常棘手。如果说GPT是AI的“手”，那么自我构建的AI就是“大脑的大脑”。这笔6.5亿美元的赌注，或许将决定未来十年AI的演进模式。

随着OpenAI、DeepMind等巨头也在探索类似方向，索赫能否在资源竞争中跑出独特路线？答案仍需时间检验。但无论如何，“AI自我构建”已从科幻概念变为硅谷的顶级竞赛。

本文编译自TechCrunch