谷歌DeepMind高管：AI千亿资本支出是人类史上最大科学赌注，核心押注"递归自我改进"

作者 | 鲍奕龙

      编辑 | 硬 AI

当科技巨头以史无前例的规模烧钱建设AI基础设施时，这场豪赌的底层逻辑正在被明确点破——押注AI实现"递归自我改进"。

8月3日，谷歌DeepMind首席战略官Jasjeet Sekhon上周末在加州大学伯克利分校举行的Agentic AI峰会上公开表示，递归自我改进（Recursive Self-Improvement，简称RSI）是整个行业资本支出背后的"核心投资逻辑"。

递归自我改进指的是AI能够自动创造出更优秀版本的自身，被业内视为继通用人工智能（AGI）之后的下一个重要里程碑。

Sekhon同时坦承，AI目前的营收"尚不足以支撑"当前的资本支出规模，行业面临陷入市场真空期的风险。

谷歌今年在AI数据中心及相关设备上的支出约达2000亿美元，并计划明年进一步加码。

与此同时，同台的DeepMind研究员Oriol Vinyals与OpenAI联合创始人Wojiech Zaremba均表示，递归自我改进或将于2027至2028年实现。

天量押注的逻辑，递归自我改进取代AGI

在AI行业的叙事体系中，递归自我改进正在快速取代AGI，成为最炙手可热的概念。

AGI是Artificial General Intelligence的缩写，中文通常翻译为“通用人工智能”。它是人工智能研究的终极目标之一，指的是一种在绝大多数具有经济价值的任务中，都能达到或超过人类水平的AI系统。

Sekhon将AI行业当前的资本支出定性为"人类文明有史以来最大的科学赌注"，规模上超越了美国政府的阿波罗登月计划、曼哈顿计划以及互联网的开发投入。

真正意义上的递归自我改进，意味着AI模型能够独立重新设计自身的整体架构，并开发出全新的模型，从而形成持续自我提升的循环。

Sekhon承认，当前的技术"远未达到这一阶段"，但他指出，AI企业目前已能用模型辅助设计其他模型的部分组件，这可被视为递归自我改进的"前兆"。他将这一现象类比为历史上用蒸汽机制造下一代蒸汽机。

尽管如此，Sekhon表示：

押注递归自我改进不会实现，似乎是不明智的。

不过Sekhon预计递归自我改进将"大概率在未来几年内"出现。

DeepMind的Oriol Vinyals与OpenAI联合创始人Wojiech Zaremba则在同一峰会的小组讨论中给出了更为具体的时间节点：2027年或2028年。

收入缺口现实，谷歌股东的隐忧

尽管战略叙事宏大，Sekhon对当前财务现实的描述却异常直率。

他明确表示，AI带来的收入目前"尚不能支撑我们正在进行的资本支出"，这意味着行业存在陷入"AI空气口袋"的风险——即资本支出大规模落地，但相应收入却迟迟未能兑现。

这一表态与谷歌股东当前的担忧高度吻合。尽管包括谷歌在内的主要AI投入方正在实现软件或云服务销售的加速增长，但股东们对公司持续攀升的现金消耗已显露出一定的不安情绪。

作为对比，亚马逊AWS本季度录得37%的营收增长，季度收入达422亿美元，运营利润率从上季度的37%提升至39%，展示出AI云服务需求加速兑现的路径。

这在一定程度上为行业巨额投入的商业逻辑提供了支撑，但也更加凸显了谷歌方面所坦承的收入与支出之间的结构性落差。

风险图谱：从网络攻击到生物威胁

峰会上，Sekhon与加州大学伯克利分校计算机科学教授、近期加入Meta"超级智能"部门的Dawn Song，用大量时间探讨了AI带来的安全风险，尤其是其作为网络攻击和生物攻击工具的潜力。

Song指出，AI在近期将"更多地使攻击者受益"，原因在于攻防之间存在内在的不对称性：

攻击者只需一次成功的利用，而防御者则必须防住所有攻击。

Sekhon对此表示认同，并警告称，随着攻击者污染开源代码仓库、利用人类编写的低质量代码，"未来一段时间将会相当艰难"，美国电网、医院等薄弱系统尤为脆弱。

然而，Sekhon将更严峻的威胁指向生物安全领域。他表示：

我们距离一个人只需用自然语言与模型对话就能设计病毒或蛋白质的世界已经非常近了。这是一个在长期内仍对攻击者有利的极度危险的世界。

他表示，应对生物风险需要对"与生物相关的材料"实施更严格的许可、监控和追踪机制，并透露谷歌正在将其AI生成内容水印技术SynthID向生物学领域延伸，以协助DNA合成企业筛查潜在风险的AI生成生物序列。