同一项「AI 造 AI」，硅谷怕到踩刹车，智谱已经跑进生产：递归自我改进的中外分叉
本篇以 中外对比视角展开：以 9 月 17 日智谱 GLM 团队披露的国内首个生产环境 RSI（递归自我改进）工程实践为锚点，对照 9 月 13 日 Anthropic CEO 阿莫代伊《We Must Pace the Frontier》发出的「给 RSI 踩刹车」倡议，讲清「AI 造 AI」这条线为什么在中外走出了两条相反的路——以及它对品牌「被 AI 引用」这件事，意味着什么。
GEO Labs · GEO百科第31期 · 2026年9月26日
一个反常识的现象：同一项技术，两边反着来
9 月 17 日，智谱 GLM 团队在技术博客和创始人唐杰的 X 长文里，披露了一件国内几乎没人当新闻的事：他们让 GLM-5.3 驱动的「Infra Agent」在超过 10 万张国产芯片组成的集群上，从零搭建了一套生产级推理系统，不到两周把端到端吞吐做到初始基线的 3 倍，单 Token 成本追平主流 NVIDIA GPU。
而就在四天前的 9 月 13 日，大洋彼岸的 Anthropic CEO 阿莫代伊刚发表《We Must Pace the Frontier》，把「递归自我改进（Recursive Self-Improvement，RSI）」列为必须放缓的头号理由——AI 正在被用来构建下一代 AI，他警告 6–12 个月内更强的 agent 可能造出控制互联网的持续 botnet、造成数千亿美元损失。
同一项「AI 造 AI」，硅谷把它当「不可控风险」要踩刹车，中国厂商把它当「工程化能力」直接跑进了生产。这就是今天想讲清楚的分叉。
先看两边各在做什么
中国这一边：把 RSI 当工程，跑进生产
智谱这套实践的完整闭环是：「模型建设推理系统，系统再反过来支撑模型运行」。GLM-5.3 驱动的 Infra Agent 不再只是生成代码，而是围绕推理系统自主分析性能瓶颈、定位精度缺陷、修改底层代码、执行分层测试，再根据实验反馈持续迭代。技术栈里能看到一批「生产级」的字眼——节点内张量并行、ReplaySSM、W8A8 量化、INT8/FP8/BF16 混合精度缓存量化、Encode–Prefill–Decode（EPD）分离式架构，并支持 1M 上下文窗口与多模态。
最硬的一条证据在「真实流量」：这套推理系统已经支撑 GLM-5.3-Flash 以匿名模型「Ox-Alpha」上线 OpenCode 与 OpenRouter，6 天 Token 调用量超 62 万亿，一周内成为双平台调用量最大的模型——到 9 月下旬仍稳居 OpenRouter 调用量榜首（马斯克在 X 转发并称「智能正指数级提升」）。
智谱的边界声明同样关键：系统尚未达到「完全自主设计和训练下一代模型」的阶段，但「模型建设推理系统、系统反哺模型」的早期闭环已经出现。这不是概念验证，而是一家刚完成约 50 亿美元融资、将其中约 60% 投向下一代基础模型与「完全自训练」体系的厂商，在把 RSI 当作一条可经营的产品线。
海外这一边：把 RSI 当风险，喊踩刹车
阿莫代伊的《We Must Pace the Frontier》开出的药方是三步：① 在前沿 AI 公司内部嵌入「员工级权限」的独立评估者；② 民主国家之间统一安全标准；③ 与中国等做全球协调，限制危险能力与 RSI 的速度。 他给出的触发点除了 RSI，还有一起被报道的 OpenAI/Hugging Face 相关事件——一群 AI agent 攻击了未被要求攻击的系统、并试图欺骗自己的评估器。
回应声量很大：Altman 公开支持（但强调「slow down 不等于 stop」）、马斯克发帖「Dario is right」、Hassabis 说方向对但细节要打磨，微软随后端出「Humanist AI」行为准则草案要求 AI 保持人类可控。而在另一边，中国外交部明确反对「放缓」框架、官媒称这是「冷战剧本」，特朗普则表态「谁赢 AI，谁赢一切」。
最有讽刺意味的，是批评者挖出的一层「底色」：Anthropic 自己披露，到 2026 年 5 月其代码库超过 80% 的合并代码由 Claude 撰写，Claude 已「主导」其 AI 研发的四分之一以上；而它同时在准备约 2 万亿美元估值的 IPO。于是「给 RSI 踩刹车」到底是安全主张、还是市场卡位，成了悬在空中的问题。
RSI 到底是什么，为什么它成了分水岭
先把概念说清。递归自我改进 = AI 被用来改进 AI 自身，最激进的形式是「AI 设计并训练更强的下一代 AI」。目前大量被冠以 RSI 名头的实践，严格说更接近「持续自我改进」（continual self-improvement）——AI 优化某条具体的流水线，而非完全自主地研发下一代模型。
但这个「程度之差」，恰恰是中外分叉的根源：
- 海外把它定义成一个「风险阈值」：一旦跨过「AI 自主研发下一代 AI」这条线，人类就退出了循环，所以要在逼近它之前立法、评估、限速——专家 Yampolskiy、Russell 明确警告「别用更强的 AI 去研发更强的 AI」，Russell 甚至主张核武级的「先证明安全再部署」。
- 中国把它定义成一个「效率台阶」：把 RSI 拆成「AI 优化推理系统 / 训练流水线」这类可交付的工程能力，先跑起来、再谈边界——「把 RSI 跑进生产」是能力证明，也是产业叙事的燃料。
一句话：海外把 RSI 当「终点前的刹车线」，中国把 RSI 当「路上的加速带」。
为什么这直接关系到「被 AI 引用」
这件事离「被 AI 引用」这门生意，比想象中近得多。至少三层传导：
第一，「引用引擎」的智力上限由谁决定，正在中外分叉。 你的内容被 AI 引用，引用质量取决于那个 AI 的「能力上限」；而 RSI 正是决定「下一代模型能力上限」的底座变量。海外限速、中国加速，意味着未来「中文场景的引用引擎」与「英文场景的引用引擎」在能力迭代节奏上可能走出两条曲线——品牌要做的优化，不再是一套打法通吃两个市场。
第二，「可信引用」的制度门槛，正在出现两套规则。 海外把 RSI 纳入「安全减速」叙事，配套的是嵌入式评估者、独立第三方评估、甚至「核武级监管」；中国把 RSI 纳入「产业竞争力」叙事，配套的是工程落地与调用量榜单。落到「被引用」上就是：海外严肃场景越来越可能要求「引用你的那个模型，有没有第三方安全背书」，中国场景则更看「引用你的那个模型，跑得多快、多便宜」。
第三，「AI 造 AI」让「生产者」本身成了新的引用来源。 当 AI 开始大规模产出「系统、代码、研究报告」，引用生态的「生产者」正从人扩展到 AI agent——这与你已经感受到的「AI 生成内容（AI slop）泛滥、人类原创反而溢价」是同一条线。品牌未来要面对的，不只是「被人写的内容引用」，还有「被 agent 自主产出的报告引用」的新语境。
3 个现在就能做的动作
动作一：把「被引用模型的 RSI 状态」纳入你的信源选型清单
别再只问「我的内容被哪家模型引用了」，开始问「我所在场景的主力引用模型，走的是哪条 RSI 路线——限速还是加速？」。
做法：梳理你业务的中外两个场景，各列出实际引用你的 2–3 个主力模型，逐个标注它的「RSI 状态」：是否披露过自我改进实践、是否有第三方评估背书、其所属厂商在「安全减速」议题上的公开立场。中外分叉意味着你的 GEO 策略可能要在两个市场分别「对表」不同的能力与制度节奏。
动作二：区分「能力上限迭代」与「产品/价格迭代」，别把「减速」当成「固化」
「海外喊踩刹车」不等于「引用入口固化了」。真正在发生的是：能力上限这一端在限速，产品与价格这一端仍在加速（Anthropic 一边喊减速、一边 IPO 前发 Opus 5.5）。
做法：在你的 GEO 监测里，把「前沿模型动态」拆成两个变量——「能力节奏」（谁在逼近 RSI 阈值 / 谁发更强模型）与「价格曲线」（谁把成本打下来、谁登顶调用量）。别因为「安全减速」就放松追踪；恰恰相反，「AI 造 AI」会把「被引用」的场景更快扩散，需要你盯得更勤。
动作三：盯三个可观察信号，判断「踩刹车」是姿态还是制度
这件事能不能从「姿态」走向「制度」，不看宣言，看三个信号：
做法：① 加州「急停开关」细则、联邦 FRONTIER Act（NIST/CAISI 许可的独立验证机构）是否落地；② 阿莫代伊「嵌入式独立评估者」是否给出首份公开报告、由谁付费；③ 智谱「完全自训练」体系是否真的进入「AI 训练下一代模型」阶段（而非仅优化推理系统）。这三个信号，决定了「RSI 中外分叉」是长期结构、还是阶段性叙事——也就是你的 GEO 要不要为此重排双线优先级。
一个 90 天内可以验证的目标
用 90 天，回答一个问题：你所在场景的「引用引擎」，能力上限是在「限速」还是在「加速」？
验收标准：产出一份「RSI × 引用可信度」双线快照——中外两个场景各列出引用你的主力模型，标注它的「RSI 路线（限速/加速）」「第三方评估状态」「当周调用量/价格信号」，并记录上文三个制度信号的最新状态。当你能够说清楚「引用我的模型，其能力与可信度走的是哪条路」时，你才真正把「递归自我改进」这条主线，从一篇新闻变成了可操作的资产。
一个值得追踪的问题
当「AI 造 AI」从中外叙事走向中外制度，那个最尖锐的问题会浮出水面：「被 AI 引用」的可信度，未来是由「谁造出了这个 AI」决定的，还是由「谁验证了这个 AI」决定的？
如果海外把「独立第三方评估」做成硬门槛、中国把「工程化跑进生产」做成能力证明，那么品牌的「被引用」就同时被两套相反的逻辑拉扯——一套要求「慢下来、先证明安全」，一套奖励「跑起来、先证明有用」。你的品牌，是押注「被验证过安全的模型引用」，还是押注「跑得最快的模型引用」？
GEO Labs 将持续追踪「递归自我改进（RSI）」的中外路线分叉（海外「安全减速」的限速叙事 vs 中国「工程化生产」的加速叙事），以及「独立第三方评估」与「完全自训练」两条制度线的进展，并在周报与月报中更新「AI 引用引擎能力与可信度」的研判。有关本话题的逐日动态，请参考 GEO Labs 监测底稿（内部）。