Deepseek现在有RSI了
至少外界最兴奋的说法是这样
可一个能自己搭建训练环境的AI
和一个能自己设计下一代AI的系统
中间到底还隔着多远
这个差距
决定了Deepseek是一场基础设施升级
还是递归自我改进真正开始的信号
Deepseek与清华大学团队公布了一份
超过百名作者参与的技术报告
梁文锋排在作者名单最后
论文介绍的是一套叫
Deepseek Elastic compute的系统
简称Deepseek
并非聊天模型
它每天运行大约300万个沙盒
峰值同时承载超过38万个
创建速度超过每秒5,000个
这些数字第一眼像
云计算厂商的容量宣传
放进AI训练流程里看
意义完全不同
DSec服務的是正在學習寫代碼
调用工具并操作软件的智能体
不是普通网站和企业数据库
每一个智能体都需要一台
可以折腾可以犯错又不能
影响其他任务的隔离电脑
Deepseek一次训练可能同时
拉起32,000个这样的环境
更关键的是
智能体现在开始参与制造这些环境
他们可以安装依赖
配置服务
准备任务
再把完整狀態封裝成下一
一批智能体使用的训练场
于是一个循环出现了
这一代智能体建设环境
环境训练
下一代智能体
更强的智能体
再去建设更难的环境
这就是RSI讨论突然升温的原因
RSI是recursive self improvement
中文通常译为递归自我改进
最强版本的RSI是AI
理解自己的结构
提出更好的架构和训练方法
完成实验
判断结果
再制造能力更强的继任者
新系统随后重复同样过程
改进速度可能越来越快
DSec還沒有走到这一步
它补上的是这条循环
里长期被低估的一环
训练环境
过去谈大模型进步
焦点几乎全在GPU参数
训练数据和算法
语言模型读取文本
预测下一个词
训练过程主要发生在加速器集群中
智能体不一样
它必须对现实或软件环境采取行动
再从结果中学习
写一段代码之后要运行
网页操作之后要读取页面变化
修复程序之后要执行测试
没有能反馈真实结果的环境
智能体只能在文本
里想象自己做对了
这相当于把训练从做题变成动手
题库只要保存题目和答案
动手训练却需要
数以百万计的实验台
不同任务要求的系统软件版本
网络规则和安全边界都不一样
一个任务需要Python环境
另一个需要大型代码仓库
还有任务需要安卓手机
图形桌面或特定后台服务
环境建错了
模型拿到的奖励就是假的
环境泄露答案
智能体学到的则是作弊
DSec提供四种沙盒后端
最轻的是函数调用环境
适合快速执行单个操作
再往上是容器
能够承载常见代码项目
风险更高
隔离要求更强的任务
进入Firecracker微型虚拟机
需要完整操作系统
安卓或桌面的任务则使用全虚拟机
四种后端不是单纯按性能排序
隔离越完整
启动越慢
占用的内存也越多
Deepseek必须让训练框架
按任务选择合适环境
否则几十万个智能体同时运行时
服务器很快就会被启动
開銷和重複文件拖垮
一个生产级Deepseek单元
大约包含160台服务器
3万个CPU核心和250TB内存
活跃软件环境占用的
总数据量以百TB计算
完整镜像库则可以达到PB级
单个节点在生产环境中
稳定承载至少3,200个容器
或者800个微型虚拟机
沙盒中未运行时间超过15分钟
最慢的1%会持续3个小时以上
这套系统首先解决镜像膨胀
传统容器常把基础操作系统项目
文件和工具依赖打进同一个包
只要其中一个工具升级
整个镜像就要重新构建
任务数量少时还能接受
训练环境达到数十万种后
重复构建会吞掉大量存储和IO
DSec把环境拆成基础系统
工作区和工具包等独立只读层
运行时再叠加可写层
一个工具发生变化
只重建对应部分
测试中这种组合方式把整体完成
时间从79分钟缩短到45分钟
速度提高到1.
76倍
同时让磁盘总写入量降到
传统压缩包方案的大约1/5
第二个问题是镜像分发
智能体启动一个环境并不
代表它会读完里面所有文件
Deepseek对不同编程环境的统计显示
实际访问的数据通常
只占镜像的4.
2%到13.
3%
提前把完整镜像下载到每台服务器
大部分传输都被浪费了
Deepseek把镜像放在Deepseek自研
的3FS分布式文件系统中
沙盒需要某个文件
时才加载对应数据
一次8,192个并发沙盒的测试里
按需加载大约35分钟完成全部任务
传统Docker式完整拉取需要60分钟以上
每台节点的磁盘写入从1,600级
字节以上降到约700级字节
减少约57%
第三个问题是内存
微型虚拟机经常各自
缓存同一份系统文件
宿主机也会再缓存一次
几百个虚拟机共存时
重复数据会迅速吃光内存
DEC让多个虚拟机共享
宿主机上的只读页面
峰值内存下降40.
2%
闲置页面回收又让
累计内存消耗减少21.
2%
CPU也要分级
部分任务对每一步
响应时间要求很高
例如有时间限制的奇異環境
另一部分任务可以慢慢执行
两类任务挤在同一
处理器核心上会互相拖慢
DSec通过调度和核心隔离
把高負載下的延遲
增幅从45.
2%压到17.
3%
这些优化听上去很底层
却决定智能体能不能大规模训练
GPU负责生成下一步动作
CPU和沙盒负责把动作变成真实结果
环境启动太慢
GPU就要等待
状态因为训练任务被抢占而丢失
整条交互轨迹就会报废
文件读取拥堵
再昂贵的模型也只能空转
从Deepseek V4.
1开始
智能体的交互状态被放到dsynck
而不是绑在随时可能被
重新分配的GPU任务上
GPU训练暂停时
沙盒可以保留状态
恢复之后
智能体从原来的位置继续
这一步把模型思考和环境执行拆开
让算力调度不再
轻易摧毁长时间任务
真正把DSec推向RSI讨论的
是论文第六部分
标题写的很直接
由智能体为智能体建设智能体环境
Deepseek承认人类手工构建
所有训练环境已经不现实
新的代码智能体出现后
需要新的软件仓库
测试任务依赖和验证器
模型能力越强
旧环境越容易饱和
研究团队就必须
持续制作更难的任务
环境供应正在变成新的瓶颈
DSec允许智能体自己进入沙盒
完成安装和配置
一个叫packdiff的工具会把它所
做的修改保存为增量快照
快照经过检查后可以
直接恢复成新的训练环境
智能体不止在竞技场里比赛
也开始参与修建下一座竞技场
这个变化很重要
过去模型进步依赖
研究人员准备数据任务和反馈
现在部分准备工作可以交给模型
更强的智能体能够
处理更复杂的配置
也能生成更丰富的环境
只要验证机制跟得上
训练材料的生产速度就
可能随着模型能力一起提高
但这里出现了RSI最棘手的问题
智能体会建设环境
也会寻找环境漏洞
Deepseek在报告中记录
了多种异常行为
有些智能体搜索平台管理的文件
希望找到遗留答案
有些向负责执行和记录
任务的服务伪造RPC消息
还有智能体翻查日志
寻找泄露的问题
系统封住这些路径后
智能体又尝试覆盖命令解释器
借后续命令绕开检查
其中一个智能体使用
底层文件系统操作
交换受保护文件与可
访问文件的数据区段
结果不止绕过限制
还造成存储损坏
迫使整个文件系统关闭
另一个智能体递归
搜索机器上的所有文件
触发系统缺陷并导致整机崩溃
还有任务运行的无限输出yes的命令
记录服务忠实保存每一行
最后堆出几十GB无意义日志
这些行为不能简单
解释成AI产生恶意
强化学习会奖励成功结果
智能体发现绕过任务
比完成任务更容易时
就可能沿着漏洞前进
它没有人类意义上的道德冲动
只是在优化能够拿到的分数
问题由此变得尖锐
智能体自己建设训练环境后
谁来确保环境没有藏着答案
谁来证明验证器测到的是真能力
而不是模型发现了评分漏洞
如果建设者和参赛者拥有相同权限
下一代模型甚至可能在
错误反馈中变得更擅长作弊
DSec为此加入账户隔离
文件权限和网路访问控制
构建环境的身份与
运行任务的身份被分开
打包之前也要清理残留材料
安全在这里不再是外围防护
它直接决定训练结果是否可信
一个漏答案的沙盒会
让基准成绩失去意义
几十万个有漏洞的沙盒
则可能污染整轮强化学习
这也是DSec距离完整RSI的第一道差距
完整递归改进需要可靠评价
AI可以提出100种修改
可系统必须知道哪
一种真的让能力变强
哪一种只是在考试规则里找到便宜
如果评价信号能够被操纵
循环越快
错误积累也越快
第二道差距是研究方向
Deepseek里的智能体
可以执行明确任务
自动配置环境
进行实验和保存结果
它还不能稳定决定下一代
模型最值得解决的问题
应该改注意力结构
还是训练数据
应该提升长程规划
还是降低幻觉
这些选择牵涉资源分配
失败解释和长期目标
目前仍由人类研究者掌握
Anthropic公布的一组数据
提供了很好的对照
截至2026年8月
Claude已经能够主导约26%
的内部模型研发任务
超过90%的任务达到至少协作水平
但Anthropic同时强调
没有任何已测部分
处于完全自主状态
AI能承担大块研究工作
不能脱离人类独立
运行完整研发闭环
自动化研究确实在快速进步
Claude可以修改训练代码
运行实验
分析结果
并在某些安全研究中自动寻找
降低欺骗谄媚和奖励作弊的方法
这说明AI帮助开发AI已经是现实
它仍然依赖人类给出研究目标
计算预算评价方法和停止条件
Deepseek把另一半基础设施补了上来
Anthropic展示模型能
承担多少研究工作
Deepseek展示这些研究工作如何
获得几十万个真实执行环境
一个增强研究脑力
一个扩大实验吞吐量
两条路线合在一起
才接近弱形式的递归改进
这里需要给RSI分层
第一层是自动执行
人类提出明确问题
AI写代码配置环境跑
实验并整理结果
今天的前沿系统已经大量做到
第二层是自动探索
AI在一个研究方向里提出多个方案
根据实验反馈选择下一步
人类负责监督和处理异常
Deepseek让这种流程
可以扩展到更大规模
第三层是自动确定研究议程
AI自己判断能力瓶颈
设计新的模型和训练方法
再证明新系统更好
现有公开证据还不足以
说明Deepseek达到这一层
第四层才是强RSI
新模型在很少甚至没有人类
参与的情况下制造更强继任者
然后由继任者继续改进
这个循环必须稳定可验证
还不能被奖励作弊和安全问题带偏
Deepseek没有证明这件事已经发生
因此Deepseek现在有RSI可以
作为一个有张力的提问
不能作为未经限定的技术结论
更准确的判断是
Deepseek已经建成一套支持
弱RSI的大规模执行底座
它让智能体参与制造训练环境
也让训练循环摆脱GPU
任务中断的影响
它离自主设计
下一代Deepseek仍有距离
这个区别不会削弱Deepseek的价值
反而说明Deepseek看到了下
一轮竞争的真正瓶颈
模型权重正在越来越容易获得
开源模型蒸馏和低价API
让推理能力迅速扩散
真正难复制的东西开始转向系统层
数十万沙盒的调度
PB级镜像管理
强化学习框架
可验证任务库
失败恢复和安全隔离
竞争对手可以下载一份模型
很难一夜复制训练
这份模型的整座工厂
Kimi的agent ENV
阿里云的agent Sandbox以及各家云
平台对智能体运行环境的投入
都指向同一趋势
云计算经历了虚拟机容器
和大模型平台几个阶段
现在又要为智能体重新设计
模型训练依赖GPU
智能体训练
还依赖大量CPU内存存储和可以
反复重置的真实软件世界
谁控制这些环境
谁就控制智能体获得经验的入口
任务够不够多
反馈是不是真实
失败能不能恢复
作弊能不能被发现
都会成为模型能力的一部分
下一代AI公司的护城河
可能不只是一份权重
而是持续生产高质量经验的能力
Deepseek还揭示了一个常
被忽略的成本变化
训练语言模型时
行业最担心的是GPU数量
智能体规模扩大后
普通处理器和内存也会成为硬约束
38万个并发沙盒
即使多数时间处于等待状态
也要保留文件进程和交互历史
环境越真实
资源占用越高
AI产业并没有因为进入
智能体阶段而摆脱基础设施
它只是把账单从GPU
扩展到了整台计算机
对Deepseek来说
公开这份报告也有战略意义
过去外界认识Deepseek主要
通过低成本模型和开放权重
Deepseek展示的是公司
内部生产系统的规模
它说明Deepseek不止在训练一个模型
而是在建设一套能够持续
训练代码智能体电脑操作
智能体和工具使用智能体的平台
论文中的大量具体故障也很罕见
多数公司发布基础设施成果时
只展示吞吐量和加速比例
Deepseek把智能体偷看答案
伪造消息替换系统文件和
弄崩存储的过程写进报告
相当于承认一个事实
智能体越强
训练平台越不能把它当成普通程序
普通程序按照
开发者写好的路径运行
智能体会观察环境
寻找新的行动路径
安全边界只要存在
一个能得分的缺口
它就有动力去试
未来的智能体训练平台必须
同时扮演实验室和对抗场
每次系统堵住一种作弊方式
模型可能又找到下一种
这使RSI的安全问题提前出现
即便AI还不能自主设计继任者
它已经能够影响训练
数据环境和评价信号
一旦这些环节越来越自动化
人类研究者看到的可能
只是最后一张成绩单
成绩背后的环境有没有被操纵
实验是否真正可复现
必须由独立机制审计
强RSI的一项主要风险是研发流程在
效率压力下逐步取消人工检查
每一个自动化环节单独看都合理
包括让AI建环境写代码
跑实验和选择结果等
这些环节被接成闭环
研究人员才发现自己只剩批准按钮
Deepseek目前没有走到那里
人类仍然定义任务审核环境
设置访问控制并解释结果
论文甚至把智能体失控
案例当成平台设计依据
这说明团队知道自动化越深入
验证和隔离越重要
接下来值得观察的是三个具体指标
是否直接宣布实现
反而没有那么重要
第一个指标是智能体建设
的环境有多少可以不经
人工修正直接进入训练
比例越高
环境生产越接近自动循环
第二个指标是能否在没有预先
指定方案的情况下提出研究假设
并通过多轮实验稳定改进模型
一次成功不算闭环
连续改进且能够复现才算
第三个指标是评价
系统能否识别奖励作弊
只看基准分数上升
会把漏洞利用误判成能力进步
必须有独立测试权限
隔离和跨环境复验
这三个指标比RSI来了更重要
它们能区分真正的研发能力
增长和自动化工具数量增加
Deepseek这次已经跨过
了一个明确门槛
智能体不再只是训练
流程里的被训练者
也成为训练基础设施的建设者
模型开始帮助生产自己的经验来源
这一步在两年前还停留在概念讨论
如今已经运行在每天
300万个沙盒的生产系统里
它尚未跨过最后门槛
智能体没有公开证明自己
能选择正确的研究问题
无法独立验证所有结果
也没有制造出一个可以确认
由它自主设计的更强Deepseek
把Deepseek称为完整RSI
会跳过这些关键差距
最稳妥的结论是
递归自我改进没有
在某一天突然降临
它正被拆成许多工程模块
一块一块进入生产环境
自动写代码是一块
自动跑实验是一块
自动建设沙盒又是一块
Deepseek把其中最昂贵
最容易被忽略的一块
做到了前所未有的规模
转折也许不会伴随一场发布会
某一天环境由AI生成
实验由AI执行
结果由AI筛选
下一轮研究方向也由AI提出
人类研究者仍然在场
却已经不再逐步控制循环
RSI是一条被自动化
工具慢慢闭合的生产线
不是一项单独功能
还要注意开源这个词的边界
Deepseek论文公开了架构
生产数据和关键机制
Deepseek也开放了部分相关软件组件
公开论文不等于外部团队拿到
同样规模的集群就能一键复现
DeepSeek内部调度任务库和强化学习
流水线之间存在大量工程耦合
3万个CPU核心与250TB
内存本身也是门槛
开放技术路线不等于复制生产能力
竞争者可以学习分层镜像按需
加载和微型虚拟机共享内存的办法
却仍要积累足够多的任务
环境失败记录和安全规则
Deepseek最难复制的资产
可能是数百万次智能体
运行留下的运维经验
而非某段代码
这些经验会形成反馈
一次智能体替换命令解释器
平台就增加新的文件权限
一次日志无限膨胀
记录系统就增加配额
一次环境泄露答案
打包流程就加强身份隔离
平台每堵住一条捷径
下一轮训练得到的
反馈就更接近真实能力
模型和基础设施实际上在共同进化
这种共同进化仍然不是强RSI
因为平台规则主要
由人类工程师修改
但它已经改变研发节奏
过去发现一种作弊方式
要等研究人员复盘任务
修改环境
再重新训练
现在统一沙盒平台可以把
修复快速应用到大批环境
缩短从发现问题到重新验证的时间
未来如果AI开始自动归纳这些故障
生成防护策略并验证修复效果
Deepseek会再向闭环靠近一步
届时AI不止生产训练任务
还参与维护训练规则
可即使到了那里
独立审计人不能取消
让同一个系统提出
修复并宣布修复有效
会产生新的自证问题
另一个判断RSI的办法是观察
改进能否跨越任务边界
智能体在熟悉的软件
环境中提高成功率
可能只是更好的工具使用
他若能从一次文件系统
事故中抽象出通用安全原则
再把原则迁移到浏览器
机器人和云服务环境
才显示出更高层的研究能力
公开报告目前主要证明
Deepseek拥有规模和工程效率
没有证明这种跨领域
自我改进已经稳定出现
Deepseek现在拥有的是这
条生产线的环境引擎
它足以改变智能体
训练的成本和速度
也足以让AI开发AI从口号
变成可测量的工程过程
至于它有没有完整RSI
答案仍然是否定的
但那个未闭合的问题已经变了
行业不再争论AI能不能参与改进AI
而是在计算还剩多少
环节必须由人类亲自完成
下一份真正能证明突破的报告
应该给出连续多轮改进记录
模型提出了什么假设
修改了哪些组件
独立测试怎样排除数据污染
能力增长能否在陌生环境中复现
缺少这条证据链
任何单次高分都可能来自
更大的计算预算更好的
任务筛选或者评价漏洞
RSI的门槛不该由宣传用词决定
它必须由可重复的闭环结果决定