在人工智能领域，“自进化”正成为行业热议的焦点。小米MiMo大模型负责人罗福莉在中关村论坛上公开表示，若要用一个词概括未来一年通用人工智能（AGI）发展的核心，非“自进化”莫属。她一年前曾预测大模型实现自进化需三至五年，如今却认为这一进程将缩短至一至两年。这种观点并非孤例，Anthropic首席执行官阿莫迪在达沃斯论坛上更激进地指出，AI的递归自我改进可能在半年至一年内成为现实，人类距离AI自主构建下一代AI或许仅剩一至两年时间。
当自我改进形成闭环，AI的进步速度将呈现指数级跃升。上海交通大学刘鹏飞教授团队近期发表的论文《ASI-Evolve: AI Accelerates AI》正是这一趋势的典型例证。研究团队构建了一个闭环框架，让智能体在“学习既有经验-提出新方案-实验验证-分析结果”的循环中持续迭代，自主优化模型架构、训练数据筛选及强化学习算法三大核心模块。实验表明，AI确实具备改进自身的能力，尽管这项研究尚未颠覆整个行业，但其方法论的创新性已引发广泛关注。
论文第一作者徐为先的身份更令人瞩目——这位上海交通大学大三学生主导了这项研究。他的技术背景横跨底层硬件与高层算法：用Rust编写操作系统内核、以C++实现高性能编译器、基于Verilog设计RISC-V处理器，其GitHub项目ASI-Arch已收获超1100个星标。在AI研究领域，他聚焦神经架构搜索与持续学习，认为实现“自我进化AI”需突破“持续自我改进”与“长期可靠性”两大瓶颈。为此，他的研究分为两条路径：一是优化单个模型的学习目标与记忆机制，二是构建多智能体协作生态系统。
ASI-Evolve的灵感源于2025年对Google AlphaEvolve的观察。徐为先团队意识到，若将AI推动科学发现的潜力反哺至AI自身研究，可能引发领域级的自我加速循环。这一设想在上海交大GAIR实验室的支持下得以实现。实验室不仅提供算力资源，更鼓励本科生探索前沿课题。徐为先特别感谢导师刘鹏飞教授的指导，强调人类先验知识在系统设计中的关键作用——实验目标与核心假设始终由人类提出，AI的作用是在指定方向上进行高效探索。
针对公众对“AI替代科学家”的误解，徐为先明确表示，ASI-Evolve系统并非盲目进化，而是深度融合人类经验。其价值在于利用AI的探索能力，在人类设定的框架内实现极速迭代。系统中的分析器模块能将实验结果转化为可复用洞察，形成类似人类研究员的“学习”机制。例如，在神经网络架构设计中，系统通过1773次自主实验发现106个创新架构，性能提升接近人类设计SOTA的3倍，且所有方案均通过系统性演化而非暴力搜索生成。
在数据筛选领域，AI优化的策略使基准测试平均提升3.96%，知识密集型任务提升超18%。系统能自动学习数据质量判断标准，完成从清洗到筛选的全流程，突破传统方法对人工标注的依赖。强化学习算法设计方面，新算法在数学竞赛中表现卓越：AMC32得分超GRPO基线12.5分，AIME24超越11.67分，OlympiadBench超越5.04分。这些突破源于对现有算法局限性的理解与原创性优化，而非简单参数调整。
徐为先对“天才”的定义颇为平实。他认为，天才是热爱、天赋与努力的结合体，关键在于找到热爱与擅长的交集并持续投入。尽管科研充满挫折，他仍追求“Happy Research”的状态。这位吉他手（兼修古典与电吉他）、单簧管九级获得者、羽毛球爱好者，在个人主页坦言自己正在恋爱中。这种技术追求与生活热情的平衡，塑造了他立体而真实的形象。
对于未来，徐为先更关注AI的反思与持续学习能力。他指出，现有模型已能满足日常需求，但生命周期中的动态进化能力——无论训练还是部署阶段——才是提升个性化适配的关键。这种能力无法仅通过静态数据集训练实现，需模型在真实场景中持续进化。他期待强化智能体的交互能力，让模型更全面地理解世界。这些思考促使他计划攻读博士学位，致力于开发能回归社会、服务大众的技术。
AI行业对天才少年的争夺已进入白热化阶段。月之暗面的“穿越计划”通过提前发放正式offer与公司期权锁定人才，该项目不限专业、学历与经验，仅关注“顶级人才”的潜力。OpenAI的Safety Fellowship则提供月度津贴、算力支持与导师指导，要求参与者在五个月内产出实质性成果。这两种模式本质相同：通过资源倾斜与实战锻炼加速新人成长，同时为大公司筛选创新人才。这种转变反映行业深层逻辑：在工具成熟的背景下，创新思维与执行能力比技术积累更稀缺，传统学术训练难以培养的素质正成为AI时代的核心竞争力。
这场人才争夺战的背后，是行业对未来的焦虑。当前AI发展速度远超预期，人才培养已滞后于技术推进需求。各大公司通过提前布局锁定优质年轻人，试图在未来的竞争中占据先机。在这场赌局中，人才成为最关键的筹码，而天才少年们的选择，或将决定AI领域的下一个格局。
