一、Anthropic 的"AGI":一个被刻意废弃的词,和一个刻意精确的替代

1. Dario 亲手扔掉"AGI"这个词

证据先行。Dario Amodei 2024 年 10 月的长文《Machines of Loving Grace》(《仁慈机器》)里,原文这样写:

"What powerful AI (I dislike the term AGI) will look like, and when (or if) it will arrive, is a huge topic in itself." （强大 AI——我不喜欢"AGI"这个词——会是什么样、何时或是否到来,本身就是一个巨大的话题。） 来源:https://darioamodei.com/essay/machines-of-loving-grace ，2024-10

他给的理由是要甩掉"科幻包袱":

"Avoid 'sci-fi' baggage... the small community of people who do discuss radical AI futures often does so in an excessively 'sci-fi' tone... I think this causes people to take the claims less seriously." （避免"科幻包袱"……少数讨论激进 AI 未来的人往往用一种过度"科幻"的腔调……我认为这让人们不那么严肃地看待这些主张。）

这一步动作的含义,远比换个词大。"AGI"(通用人工智能)是个没有刻度的词——没人能说清到了哪一刻就算"通用"。Dario 的判断是:一个无法证伪的词,只会被用来炒作或恐吓。所以他要把它替换成一个能逐条打钩的工程定义。

2. "powerful AI" 的逐字定义——你要的那段在这里

Dario 把替代词定义为"powerful AI"(强大 AI),并列出六条硬属性。这是 Anthropic 阵营对"那个东西"最权威的描述,逐条抄录:

"By powerful AI, I have in mind an AI model—likely similar to today's LLMs in form... with the following properties:" （我心目中的强大 AI,是一个形态上很可能类似今天大语言模型的 AI 模型……具备以下属性:）

• 智力:"smarter than a Nobel Prize winner across most relevant fields"——比绝大多数相关领域的诺奖得主更聪明,能证明未解的数学定理、从零写出极难的代码库。
• 接口:拥有人类远程办公的全部"接口"(文本、音频、视频、键鼠控制、联网),且"a skill exceeding that of the most capable humans in the world"(技能超过世界上最能干的人)。
• 自主:"can be given tasks that take hours, days, or weeks to complete, and then goes off and does those tasks autonomously"——能领受耗时数小时到数周的任务并自主完成,像一个聪明员工,必要时主动来问清楚。
• 具身:没有肉身,但"can control existing physical tools, robots, or laboratory equipment through a computer"——能通过电脑操控现有工具、机器人、实验设备,甚至自己设计设备。
• 规模:"The resources used to train the model can be repurposed to run millions of instances of it"——训练它的算力可以反过来并行运行数百万个副本,且吸收信息、产出动作的速度是人类的 10 到 100 倍。
• 协同:这数百万副本"can act independently"也可像人类一样彼此协作。

然后是那句被引爆全网的总结:

"We could summarize this as a 'country of geniuses in a datacenter'." （我们可以把这总结为"数据中心里的一个天才之国"。）

这就是 Anthropic 的"AGI"——不叫 AGI,叫"数据中心里的天才之国"。它的高明在于:每一条都可观测、可证伪。哪天有个模型并行跑出一百万个比诺奖得主聪明、能自己跑实验设备的副本,那就是它;在那之前,别拿"是不是 AGI"来糊弄。

关于何时到来,Dario 2024 年的原话是"I think it could come as early as 2026"(最早可能 2026 年)。但要带日期看:到 2026 年他接受 Dwarkesh 第二次访谈时,口径已经收敛成"指数曲线的末端",并把"编程能力"压缩到"一两年内"(来源:https://www.dwarkesh.com/p/dario-amodei-2 )。官方的时间预期本身在两年里漂移过,引用必须带时间戳。

3. 公司层面用另一个词:transformative AI;治理层面根本不谈 AGI,谈 ASL

要分清两层。上面是 Dario 个人散文。Anthropic 作为机构,官方文件《Core Views on AI Safety》(2023-03)用的是第三个词——"transformative AI"(变革性 AI):

"We believe the impact of AI might be comparable to that of the industrial and scientific revolutions... this level of impact could start to arrive soon – perhaps in the coming decade." （我们相信 AI 的影响可能堪比工业革命和科学革命……这种量级的影响可能很快到来,也许就在未来十年内。） 来源:https://www.anthropic.com/news/core-views-on-ai-safety

而真正用来约束自己行为的,是第四个东西:它干脆不拿任何"AGI 时刻"做基准,改用一套ASL(AI Safety Level,AI 安全等级)能力阈值,照搬美国处理危险病原体的生物安全等级(BSL):

"Central to our plan is the concept of AI safety levels (ASL), which are modeled loosely after the US government's biosafety level (BSL) standards... We define a series of AI capability thresholds that represent increasing potential risks." （我们计划的核心是 AI 安全等级概念,大致仿照美国政府的生物安全等级标准……我们定义一系列代表风险递增的能力阈值。） 来源:Responsible Scaling Policy，https://www.anthropic.com/news/responsible-scaling-policy-v3

把四个词排在一起,Anthropic 的"AGI 观"就清楚了:个人叙事用"powerful AI"(天才之国),公司表态用"transformative AI",自我约束用"ASL 能力阈值",唯独不用"AGI"。 一家公司宁可造三个新词也不碰这个旧词,本身就是态度:它认为"AGI"这个概念已经坏掉了,不值得用来思考,更不值得用来管理风险。

---

二、当大家还在吵 AGI,前沿换了目标叫 RSI

2026 年 5 月 28 日,TechCrunch 一篇文章把这件事点破,标题就是判断:"RSI is the new AGI"(RSI 是新的 AGI) ——而且"and it's just as hard to pin down"(而且一样难以界定)。"recursion(递归)"成了 AI 圈最新热词,多家创业公司直接拿它命名,更多公司把它写进路线图(来源:https://techcrunch.com/2026/05/28/rsi-is-the-new-agi-and-its-just-as-hard-to-pin-down/ )。

RSI = Recursive Self-Improvement,递归自我改进。大白话就是你说的那个比喻:让 AI 当自己的健身教练——不光干活,还反过来研究"我怎么变更强",然后真去优化自己。 一旦这个循环转起来,改进会复利,这是所有"智能爆炸"叙事的技术内核。当"AGI 是不是来了"变成无法回答的口水仗,"模型能不能改进模型"却是个能跑实验、能看曲线的工程问题——前沿往这边挪,是务实,不是赶时髦。

---

三、Sakana 的 RSI 实验室:不堆算力,堆样本效率——这是一次"主权 AI"豪赌

你给的线索没错。Smol AI News 那条原文是:

"Sakana AI launched an RSI Lab focusing on recursive self-improvement under compute constraints, marking RSI as a formal research program." （Sakana AI 设立了一个 RSI 实验室,聚焦算力受限条件下的递归自我改进,标志着 RSI 成为一个正式的研究项目。） 来源:https://news.smol.ai/

回到一手。Sakana 官方公告(https://sakana.ai/rsi-lab/ )宣布在东京正式成立 RSI 实验室,由联合创始人兼 CEO David Ha(网名 hardmaru)领衔、Robert Lange 任研究负责人(2026 年 6 月 6 日前后官宣)。David Ha 本人原话:

"Today, we are officially launching the Sakana AI RSI Lab in Tokyo to build open-ended, adaptive AI systems that collectively self-improve." （今天,我们在东京正式启动 Sakana AI RSI 实验室,构建开放式、可适应、能集体自我改进的 AI 系统。） 来源:https://x.com/hardmaru/status/2062948594597208557

但真正的判断点,是你提到的那句"不需要海量算力、靠样本效率"。官方把这条提到了战略高度,原文极硬:

"We are building not the most compute-hungry self-improvement engine, but the most sample-efficient one. Its advances should compound on national, rather than hyperscale, compute budgets." （我们要造的不是最耗算力的自我改进引擎,而是最省样本的那一个。它的进展应当在国家级、而非超大规模的算力预算上复利增长。）

证据是他们的 ShinkaEvolve——"required only 150 samples to solve problems that brute-force search treats as intractable"(仅用 150 个样本就解决了暴力搜索视为无解的问题)。

为什么是东京?官方说得直白:

"compute-efficient self-improvement is not a preference but a structural necessity... That is why the RSI Lab is being established in Tokyo. Japan's... actual position in the global compute landscape supplies the design constraint we want to work under." （算力高效的自我改进不是偏好,而是结构性必然……这正是 RSI 实验室设在东京的原因。日本在全球算力格局中的实际位置,恰好提供了我们想在其下工作的设计约束。）

把这层说穿:日本拼不过美国的 GPU 集群,于是 Sakana 把"算力穷"反过来当成方法论的护城河——你堆硬件,我堆聪明。 这是一次"主权 AI"叙事下的差异化豪赌。赌赢了,RSI 不再是巨头算力垄断的专利;赌输了,样本效率的天花板会把它摁死在 demo 阶段。

这条路也不是凭空起的。Sakana 把自家"血统"列得清清楚楚:LLM² 产出过完全由 AI 发现并编写的最优化算法 DiscoPOP;Darwin Gödel Machine(DGM) 在 SWE-bench 软件工程基准上把自己从 20% 自动改进到 50%(致敬数十年前 Schmidhuber 提出的"哥德尔机"自改写思想);AI Scientist 全自动科研系统刚在 2026 年 3 月登上《自然》。换句话说,RSI 实验室是这家公司"用 AI 改 AI"五年积累的收口,不是蹭热点临时挂的牌子。

---

四、同一时空,这条暗线上还站着谁

你想知道"同一平行时空下围绕这个主题都发生了什么"。把 2026 年 5—6 月这一个多月摊开,RSI 这条线上挤满了人:

• Recursive(Richard Socher 创办):本月成立,名字直接就叫"递归超级智能",目标是"研究想法的构思、实现、验证全过程都自动化"(来源:https://techcrunch.com/2026/05/14/what-happens-when-ai-starts-building-itself/ )。
• Adaption(Sara Hooker,前 Cohere):推出 AutoScientist,训智能体对前沿训练做增量改进。
• DeepMind——AlphaEvolve:Gemini 驱动的进化式编码智能体,自动设计、优化算法,再把成果回流进下一代 Gemini。这是"AI 改进训练下一代 AI"已经在跑的闭环(来源:https://deepmind.google/blog/alphaevolve-a-gemini-powered-coding-agent-for-designing-advanced-algorithms/ )。
• OpenAI:Altman 设了内部目标——"an automated AI research intern by September of 2026... and a true automated AI researcher by 2028"(2026 年 9 月有跑在数十万 GPU 上的自动化 AI 研究实习生,2028 年有真正的自动化 AI 研究员;来源:https://x.com/sama/status/1983584366547829073 )。
• Anthropic:Claude Code 已经在大比例地编写它自己——2026 年 1 月团队一位主程估计内部"close to 100%"的代码由该工具生成。这本身就是一种低调版 RSI。

也有泼冷水的。Google CEO Pichai:"in the way people describe RSI, that would represent a next level of acceleration... we aren't quite there yet"(按人们描述 RSI 的方式,那是又一层级的加速,我们还没到)。前 OpenAI 董事 Helen Toner 更尖锐:大家"只是尽可能多地用 AI",这和 RSI 的经典定义——"真的不再需要人类"——是两码事。这正对应 TechCrunch 那个副标题:RSI 和当年的 AGI 一样,热词先行,定义滞后。

---

五、Karpathy:先纠一个事实错误,再讲它为什么是 RSI 故事的注脚

你说"Karpathy 重新入职了 OpenAI"。这里要纠正:他 2026 年 5 月 19 日加入的是 Anthropic,不是 OpenAI。

"Personal update: I've joined Anthropic. I think the next few years at the frontier of LLMs will be especially formative." （个人动态:我加入了 Anthropic。我认为接下来几年在大语言模型前沿会格外具有塑造性。） 来源:Karpathy 本人 X，https://x.com/karpathy/status/2056753169888334312 ；TechCrunch 2026-05-19，https://techcrunch.com/2026/05/19/openai-co-founder-andrej-karpathy-joins-anthropics-pre-training-team/

他进的是 Anthropic 预训练团队,向预训练负责人 Nick Joseph 汇报,组建一个"用 Claude 加速预训练研究"的小组。你大概率把两件事记混了:Karpathy 确实"重返过 OpenAI"——但那是 2023 年(待约一年,2024 年 2 月再离开去创办教育创业公司 Eureka Labs)。这次回前沿,目的地是 Anthropic。

你"2 个月后入职"和"离开 lab 理解会 drift"的记忆,则基本对得上,只是出处要校准:

• 那套"判断会漂移"的逻辑,出自 No Priors 播客第 154 集,2026 年 3 月 20 日——到 5 月 19 日入职,正好约 2 个月。不是被传得更广的 Dwarkesh 那期(2025-10)。
• 原话不是字面的"drift from reality"。最接近的是他在 No Priors 里承认:"his judgment will inevitably drift as he loses visibility into what is happening at the frontier"(随着自己对前沿正在发生什么失去可见性,判断会不可避免地漂移)。他甚至描述了理想方案是去前沿实验室"借调(secondment)"一段——待一阵,既跟上最新技术又不丧失独立性。两个月后加入 Anthropic,正是兑现了这套说法。(来源:No Priors ep.154 https://www.youtube.com/watch?v=kwSVtQ7dziU ；TestingCatalog https://testingcatalog.net/karpathy-joins-anthropic-to-avoid-ai-intuition-drift/ )

一个常见误引要避开:Dwarkesh 那期他也说过"drift"——"drift too much from the distribution"——但那是在讲大模型采样会偏离训练分布(模型坍缩),跟"他本人判断漂移"毫无关系,别张冠李戴。

为什么这条注脚重要?因为 Karpathy 自己就在做 RSI:他有个叫 Auto-Research 的项目,用智能体集群自动改训练代码,过夜跑出了他手调多年都没发现的优化。他 3 月还自嘲"It's not novel, ground-breaking 'research' (yet)"(这还不是新颖的、开创性的"研究")。如今他在 Anthropic 做预训练——一个公开宣称"离开前沿就会判断失真"的人,亲自验证了:在 2026 年,你没法在前沿实验室外面理解前沿。 这比任何一句 AGI 定义都更能说明这个行业的引力有多大。

---

对从业者意味着什么

1. 别再用"AGI 来没来"当判断标准。 连最该宣传 AGI 的公司都把这个词扔了。要追踪的是可证伪的能力阈值:模型能不能自主完成数周的任务、能不能并行跑出"天才之国"、触没触发更高的 ASL 安全等级。拿"是不是 AGI"提问,等于自愿被营销牵着走。

2. 把注意力从"模型多大"挪到"模型能不能改模型"。 2026 年的竞赛暗线是 RSI。判断一家实验室是否真的领先,看它有没有让 AI 进入自己的研发循环——AlphaEvolve 回流 Gemini、Claude 写 Claude、Auto-Research、AutoScientist 都是信号。这条曲线一旦复利,"参数军备竞赛"会瞬间过时。

3. Sakana 的赌注值得单独盯。 "样本效率 > 算力"如果成立,等于给所有买不起十万卡集群的国家和公司开了一条侧门——这是中国、日本、欧洲团队最该研究的范式。如果不成立,它会成为"算力才是唯一护城河"的又一个反面教材。要看的硬指标只有一个:他们能不能在国家级(而非超大规模)算力预算上,把自改进的曲线持续往上推。

4. 人才流向是最诚实的信号。 Karpathy 这种"独立派旗手"都判断"外面待不下去、必须回前沿",意味着 2026 年最稀缺的不是算力也不是数据,是对前沿的实时可见性——它只在那几家闭源巨头墙内。这对所有想在墙外做严肃 AI 研究的人,是一个冷的提醒。

---

引用与信源

1. Dario Amodei《Machines of Loving Grace》(2024-10)——"powerful AI / country of geniuses in a datacenter"出处:https://darioamodei.com/essay/machines-of-loving-grace
2. Anthropic《Core Views on AI Safety》(2023-03)——"transformative AI":https://www.anthropic.com/news/core-views-on-ai-safety
3. Anthropic Responsible Scaling Policy(ASL 等级):https://www.anthropic.com/news/responsible-scaling-policy-v3
4. Sakana AI RSI Lab 官方公告:https://sakana.ai/rsi-lab/ ；David Ha 发布:https://x.com/hardmaru/status/2062948594597208557
5. Sakana Darwin Gödel Machine:https://sakana.ai/dgm/ ；论文 arXiv:2505.22954
6. Smol AI News:https://news.smol.ai/
7. TechCrunch《RSI is the new AGI》(2026-05-28):https://techcrunch.com/2026/05/28/rsi-is-the-new-agi-and-its-just-as-hard-to-pin-down/
8. Karpathy 加入 Anthropic——TechCrunch(2026-05-19):https://techcrunch.com/2026/05/19/openai-co-founder-andrej-karpathy-joins-anthropics-pre-training-team/ ；本人 X:https://x.com/karpathy/status/2056753169888334312
9. No Priors 播客 ep.154(2026-03-20):https://www.youtube.com/watch?v=kwSVtQ7dziU ；复盘 https://testingcatalog.net/karpathy-joins-anthropic-to-avoid-ai-intuition-drift/
10. DeepMind AlphaEvolve:https://deepmind.google/blog/alphaevolve-a-gemini-powered-coding-agent-for-designing-advanced-algorithms/
11. Altman 自动 AI 研究员目标:https://x.com/sama/status/1983584366547829073
12. Recursive(Richard Socher):https://techcrunch.com/2026/05/14/what-happens-when-ai-starts-building-itself/