人工智能领域最令人不安的预言，正在从实验室的白板走向现实。

谷歌DeepMind的四位核心研究员近日公开表示，AI模型有望在一年内开始显著提升自身能力，也就是所谓的"自我改进"。说这话的不是某个激进的硅谷布道者，而是杰夫·迪恩、科雷·卡武克库奥卢、诺姆·沙泽尔和奥里奥尔·维尼亚尔斯，这四个名字加在一起，几乎代表了当今AI研究的最高水位线。

机器开始改造自己

卡武克库奥卢的表述相当直白："我们将依靠模型来改进Gemini的各个部分。"这句话听起来像在说日常工程工作，但背后的含义却远不止于此。

当前所有主流AI模型，包括GPT、Gemini、Claude，本质上都是"训练一次、冻结部署"的静态系统。训练结束之日，便是模型"学习"终止之时。之后无论用户问了多少问题、产生了多少反馈，模型本身并不会因此变得更聪明。这是现有AI架构最根本的局限之一。

自我改进打破的正是这堵墙。杰夫·迪恩的描述更加具体："我们将能够指出模型中一些非常重要的东西，这些东西是由模型和智能体协同工作产生的。"换言之，AI不再只是执行任务的工具，而是参与设计下一代自身的协作者。

维尼亚尔斯则补充了另一个维度：持续学习。他描绘的场景是，模型能够通过自身的交互经验不断更新，而不必等待昂贵耗时的整体重新训练周期。这更像一个随时吸收新知的大脑，而非每隔数月才能"换脑"的机器。他对时间节点的判断是谨慎而非狂热的："我认为一年之内或许可以实现。"

整个行业都在说同一件事

这并不是谷歌一家的孤证。

Meta的扎克伯格表示，他已经看到旗下模型出现自我改进的早期迹象。马斯克声称持续强化学习正在让Grok持续变聪明。DeepMind研究员Matej Balog更早公开指出，他们"看到了AI系统自我改进的最初迹象"，并提出了三种可能的未来轨迹：改进后趋于平稳、持续提升后放缓、以及无限循环加速。他没有说哪种最可能发生，但能提出第三种，本身已说明问题。

更能说明问题的是资本的嗅觉。初创公司Recursive由OpenAI、谷歌DeepMind、Meta AI等公司前员工创立，目标明确是构建能够自我改进的AI，近期以46.5亿美元估值完成6.5亿美元融资。创始人将其称为"神经网络的第三阶段，或许也是最终阶段"。成熟的机构投资者不会用这种体量的资金去押注一个纯粹的科幻概念。

当然，也有清醒的声音。OpenAI研究员Jason Wei直接表示，真正意义上的自我改进AI"目前并不存在"，即便将来出现，也将是一个"极其缓慢、需要多年时间"的过程。他的逻辑是：自我改进不是开关，而是谱系，某些任务容易、某些极难，现实世界的物理实验本身就是任何AI都无法绕过的瓶颈。这是一个值得认真对待的反驳。

企业该如何看这件事

对于正在部署AI工具的企业而言，真正的问题不是"自我改进会不会发生"，而是"如果它发生了，我们有没有准备好"。

目前企业采购和集成的AI系统，都建立在一个隐含假设之上：这套工具的能力是相对稳定的，迭代节奏是可预期的。一旦AI能够自主加速自身进化，这个假设就会失效。

能力跃升的速度可能超过企业的适应速度。系统治理、风险评估、合规框架，都将面临一个移动中的靶子。

这不是要制造恐慌。自我改进的AI如果真的到来，也将首先在受控的研究环境中出现，然后缓慢渗透进产品。但"缓慢"是相对于人类研究周期而言的，一旦瓶颈从研究员的时间转移到算力，节奏就会完全不同。

谷歌DeepMind四位顶尖研究员达成罕见共识，时间节点锁定在一年之内，这个信号的密度已经足够高。不必笃信每一句预言，但值得认真校准自己对AI发展速度的预期。