人工智能是如何在自我构建方面变得更强大的

一句话看懂：根据《经济学人》2026年6月的报道，AI系统正在学会自主设计自身架构、优化训练流程甚至管理基础设施，这一趋势正在重新定义“构建AI”的方式，并可能大幅降低开发门槛。

事件核心：发生了什么

报道指出，AI领域正出现一个关键转变：从“人类为AI设计模型”转向“AI辅助甚至主导模型设计”。具体而言，AI系统开始能够在无需人类工程师手动调参的情况下，自动发现更高效的神经网络结构、优化训练数据选择策略，并管理分布式算力调度。这一进展主要得益于强化学习和元学习技术的成熟，以及算力成本下降使得反复实验成为可能。报道引述研究者观点称，部分自我构建的模型在特定任务上的性能已接近或超越人类手工设计的顶尖模型。

为什么重要

这一趋势直接冲击AI行业的核心竞争力模型——人才和试错经验。过去，顶尖AI模型（如GPT、Gemini、LLaMA等）的成功高度依赖研究团队的手工设计和大量实验。如果自我构建能力成熟，后发公司和开源社区可以用更少的人力、更低的算力成本追赶闭源巨头。同时，它可能改变训练和推理的分离：一个自我构建的系统可以在运行中持续优化自己，从而推动“从训练到推理”的闭环。对算力供应商（如英伟达、AMD）而言，这可能意味着需求从“固定算力购买”转向“自动化探索集群的租用服务”。

对用户/开发者/创作者的影响

开发者：未来调用API时，底层模型可能会在后台自行调整架构以适应特定任务。开发者需要习惯“不确定性”——同样的API输入可能获得持续优化的结果，但这也意味着性能波动和调试难度增加。
创作者（如AI绘画、文本生成）：工具厂商可能推出“自进化”模型，创作者无需等待大版本更新，模型会基于使用数据自动改进输出风格和准确度。不过，个性化程度越高，对数据隐私的依赖也越大。
企业采购方：选择AI供应商时，除了关注现有模型性能，还需要考察其是否具备自动化自我构建能力，这直接决定了未来半年到一年的性能提升潜力。