一句话看懂：离开 Google 的 Jeff Dean 公布新公司 Discovery Loop，要用上万 AI Agent 自动做科研实验；与李飞飞同台对话时，两人都认为“RSI 可无限加速”的说法不符合物理现实。
事件核心：发生了什么
在斯坦福 HAI 的公开活动上，Jeff Dean 首次系统介绍新公司 Discovery Loop。他透露，公司成立前三周进行了约 400 场面试，团队约 10% 成员曾获 ACM 计算奖，另约 10% 拥有国际信息学奥赛奖牌，成员背景覆盖 Gemini、DeepSeek、Kimi 及 Go 语言项目。公司已自建 Agent Harness 和大规模 Agent 协作基础设施，运行约 20 个自动化改进循环，目标是让领域专家生产力提升 20 至 50 倍。对话中，李飞飞批评硅谷随意使用 RSI（递归自我改进）一词，Jeff Dean 则指出自我改进与递归自我改进的区别：后者要让改进方法反过来改进提出方案的系统本身。
为什么重要
这代表一种新的 AI 研发组织方式：少数专家设定目标，大量 AI Agent 并行设计实验、验证结果并根据历史结果调整方向，以替代传统大团队逐项拆解问题。但两人同时给“RSI 无限加速”降温——训练、计算、数据分析和结果反馈都需要真实时间，自动化能提速，不等于可无限指数级改进。这对判断大模型能力演进节奏、算力需求和科研自动化投资都有参考意义。
对用户/开发者/创作者的影响
目前公开信息显示，Discovery Loop 仍处早期研究阶段，尚无可用产品公布。开发者可关注其 Agent 协作基础设施和自动化实验循环能否沉淀为通用工具；企业若评估 AI 科研自动化，应把“实验吞吐提升”与“模型能力自我加速”区分开，避免被 RSI 营销话术误导。创作者和普通用户短期内更可能先看到 AI 辅助研究、代码生成等效率工具，而非自主进化的模型。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Discovery Loop 的 Agent Harness 是否会对外开放或形成开发者生态；二是“20 至 50 倍生产力”目标能否在具体科学任务中被验证；三是 RSI 概念在融资和产品宣传中的使用是否受到更严格审视。
来源：InfoQ CN
