在人工智能领域，“自进化”正成为最受瞩目的技术方向。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。她透露，一年前认为大模型实现自进化需要三到五年，如今这一时间窗口已缩短至一到两年。更激进的预测来自Anthropic首席执行官阿莫迪，他在达沃斯论坛上断言，AI的递归自我改进可能在半年到一年内实现，人类距离AI自主构建下一代AI仅剩一到两年时间。
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》为这一预测提供了实证支持。研究团队构建了一个闭环研究框架，让智能体在“学习经验-提出新设计-实验验证-分析结果”的循环中持续迭代，自主优化模型架构、训练数据筛选和强化学习算法三大核心组件。实验数据显示，AI在神经网络架构设计上的表现提升接近人类顶尖水平的三倍，预训练数据筛选效率在知识密集型测试中提升超18%，强化学习算法在数学竞赛基准测试中取得显著突破。这些成果标志着AI首次在统一框架下系统性地证明了“AI加速AI”的可行性。
论文第一作者徐为先的身份引发业界关注——这位上海交通大学大三学生主导了这项具有里程碑意义的研究。其技术履历令人惊叹：独立开发Rust语言操作系统内核、用C++实现高性能编译器、设计RISC-V处理器架构，GitHub项目累计获得超千次星标。在AI研究领域，他聚焦于解决“持续自我改进”和“长期可靠性”两大瓶颈，通过改进单个模型记忆机制与构建多智能体协作系统两条路径展开探索。
徐为先的研究灵感源自2025年Google发布的AlphaEvolve项目。他意识到，若能将AI推动科学发现的范式应用于AI自身研发，将形成指数级进步的自我加速循环。这种构想得到上海交大GAIR实验室的全力支持，实验室提供的计算资源和导师指导使大规模实验成为可能。他特别强调，ASI-Evolve系统并非要取代人类科学家，而是通过整合人类先验知识设定研究方向，利用AI的探索能力进行高效迭代。系统内置的分析器模块能自动提炼实验洞察，形成可复用的知识库，这种“学习-优化”机制使其区别于传统的暴力搜索方法。
这位年轻研究者的技术理念与生活态度形成鲜明对比。他既是古典与电吉他双修的音乐爱好者，拥有单簧管九级证书，也热衷羽毛球和电子游戏；既在个人主页坦诚分享恋爱经历，又保持着每天十小时以上的科研投入。对于“天才”标签，他给出务实解读：“热爱、天赋与努力的交集，加上持续积累，每个人都能在擅长领域取得突破。”这种平衡观体现在他的研究目标中——未来更关注AI的反思能力和持续学习机制，而非单纯追求模型性能提升。
AI行业对青年人才的争夺已进入白热化阶段。月之暗面推出的“穿越计划”打破传统实习模式，向顶尖在校生提供正式录用意向、股权激励及计算资源支持，其估值在三个月内从43亿美元飙升至180亿美元的成长轨迹，使期权奖励颇具吸引力。OpenAI的Safety Fellowship项目则采取“研究资助+导师制”模式，为外部研究者提供五个月的全职研究支持，要求产出可量化的研究成果。这两种模式共同指向行业新趋势：通过资源倾斜和真实项目锤炼，加速培养具有创新思维和执行力的新生代人才。
这场人才争夺战折射出AI发展的深层焦虑。随着技术迭代速度超越人才培养周期，企业不得不提前布局未来竞争力。传统学术训练培养的循规蹈矩型人才，逐渐让位于具有跨界思维和快速学习能力的新生力量。当工具链日益成熟，能够提出创新问题并高效解决问题的年轻人，正成为决定技术突破方向的关键变量。这种转变不仅重塑着招聘逻辑，更预示着科学研究范式可能迎来根本性变革——在算力支撑下，AI或将从辅助工具转变为科研主体，开启人机协作的新纪元。
