张江塔尖会技术沙龙：六位学者拆解自进化 AI 的落地路径与瓶颈
一场把「AI 自己改进自己」拆成代码、智能体、具身、科研四条线来讲的技术沙龙，重点不是概念，而是判断标准卡在哪。
AI 已经在参与数据生成、训练优化、工具迭代和结果验证，但这离真正的递归自我改进（RSI，模型自主改进自身能力，而非只优化人为设定的任务）还差得远。机器之心与张江 AI 创新小镇办了一场技术沙龙，六场分享加一场圆桌，从代码模型、智能体系统、具身智能到科学发现，讨论 AI 自进化走到哪一步、卡在哪里。
正文摘录
.jpg) AI 距离真正的递归自我改进（RSI，Recursive Self-Improvement）还有多远？当前，AI 已开始参与数据生成、训练优化、工具迭代与结果验证，但参与研发，并不意味着已经具备持续改进自身的能力。它能够自主完成哪些环节，又如何将局部优化连接成持续、可靠的改进闭环？回答这些问题，需要回到具体的研究与实践，审视已有进展与尚待突破的瓶颈。 9 月 23 日，「Triple T」张江塔尖会系列技术沙龙在张江 AI 创新小镇顺利举行，本场沙龙由机器之心与张江 AI 创新小镇生态公司联合举办，以「 AI²：当 AI 学会自我超越 」为题，聚焦自进化 AI 的前沿研究与实践进展，通过六场主题分享和一场圆桌对话，围绕研发自动化、代码模型、智能体系统、具身智能与科学发现等方向，探讨技术路径、关键瓶颈与突破条件，为自进化 AI 的研究交流与产业协作搭建平台。  前沿洞察：拆解 AI 自进化的实践路径 自进化 AI 并非单一模型能力的突破，而是智能体、环境、数据与模型共同作用的结果。