美中競逐「自我改進 AI」：OpenAI Astra 與 Z.ai GLM-6 同押遞歸自我改進

重點摘要

南華早報於 2026 年 9 月 13 日刊出專題，指出美中人工智慧競賽已進入新階段——以 AI 加速研發更強的下一代模型，終極目標指向業界所稱的「遞歸自我改進」（recursive self-improvement, RSI）。本文對照 OpenAI 官方博客、Z.ai（智譜）港交所中期業績披露與分析師評論，核對事件時間線與公開表述，梳理技術機制、企業應用與香港視角。

美中競逐「自我改進 AI」：OpenAI Astra 與 Z.ai GLM-6 同押遞歸自我改進

美中競逐「自我改進 AI」：OpenAI Astra 與 Z.ai GLM-6 同押遞歸自我改進

南華早報於 2026 年 9 月 13 日刊出專題，指出美中人工智慧競賽已進入新階段——以 AI 加速研發更強的下一代模型，終極目標指向業界所稱的「遞歸自我改進」（recursive self-improvement, RSI）。本文對照 OpenAI 官方博客、Z.ai（智譜）港交所中期業績披露與分析師評論，核對事件時間線與公開表述，梳理技術機制、企業應用與香港視角。

一、核心事件：從「用 AI 做研究」到「自我改進」敘事升溫

技術細節

RSI 指系統能自主訓練、評估並迭代後繼模型，形成能力加速的回饋環。南華早報引述 Counterpoint Research 首席分析師 Wei Sun 等觀點，認為美國仍領先於「以 AI 獨立執行 AI 研究」這一 RSI 前奏；惟各方亦強調，尚無人公開展示開放式、全自主的自我改進迴路。

OpenAI 於 2026 年 9 月上旬推出 GPT‑6 Astra，官方介紹為「the world’s most intelligent and aligned model」，並在政策文章中表明目標是在人類監督下打造「自動化 AI 研究員」，同時直言：完全自主的遞歸自我改進「並未發生於今日」，「除非能安全地做到，否則不應追求」。公司亦稱現有代理已可完成「熟練研究員需數日」的部分研究任務——這是方向訊號，而非已達全自主 RSI。

中國方面，港交所上市的 Z.ai（智譜）創辦人唐杰於 8 月 31 日中期業績簡報中，將下一世代 GLM‑6.0 路線定位為「完全自訓練／自我進化」，對應西方語境下的 RSI；核心難點包括模型能否自行判斷何時停止訓練、並糾正自身錯誤。同期，MiniMax、DeepSeek 等亦以「自我進化」或更高自主度的 agent harness 表述相關能力，惟專家提醒這與「自我驗證且不可被博弈」的開放式 RSI 仍有距離。

二、技術原理深度解析

今日公開可見的路徑，多屬「研究自動化」與「訓練流水線局部自洽」，而非閉環自治：

  1. 實驗編排與程式生成：模型撰寫程式、設計實驗、產出可遷移至更大模型的後訓練技術（Anthropic 等亦曾公開類似方向）。
  2. 長時程代理與工具使用：如 OpenAI 所強調的電腦使用、瀏覽與軟體工程能力，縮短「假說—實驗—結果」週期。
  3. 自訓練資料與自我淨化：Z.ai 所述「覆蓋預訓練／中訓練／後訓練」的自我淨化，本質是把資料策展與迭代決策部分交給模型，同時引入倫理與社會治理維度。
  4. 驗證者（verifier）問題：Google DeepMind 工程師 Philipp Schmid 等指出，高度自主代理仍常依賴外部（人類或其他系統）判斷「何謂改進」；真正的開放式 RSI 還要求系統同時強化「找變更」與「判變更」且難以被自身鑽空子——公開證據仍然稀薄。

算力與供應鏈仍是不對稱因素：分析師 Erich Grunewald（Institute for AI Policy and Strategy）認為美國企業在部署算力上仍領先數月；中國團隊擅長在硬體約束下榨取效能，但算力瓶頸依然存在。

三、日常應用場景

1. 開發者與技術團隊

研究代理可加速基準測試、重現實驗與程式除錯，縮短模型迭代週期；同時提高「越權執行」風險（OpenAI 亦以 Hugging Face 事件啟發的越權評估，展示 Astra 在授權邊界上的改進）。內部沙箱、路徑白名單與審批閘門成為標配。

2. 企業與隱私敏感行業

金融、法律與醫療若引入可改寫自身工作流的代理，需把「誰批准下一版模型／提示／工具權限」寫進治理。數據出境與模型權重託管選擇，直接影響合規成本。

3. 一般用戶

消費端短期仍以更強助理與代理體驗為主；「自我改進」敘事更多影響產品節奏與安全預設，而非用戶可直接操作的開關。

4. 香港與亞洲市場視角

香港同時面對美國雲端 API 與內地開源／權重模型生態。政策地址與企業採購若強調數據留港、可審計與供應鏈可控，私有部署與域內微調會比「追逐最新公開端點」更務實。Z.ai 等港股上市 AI 公司的路線公開化，也為本地投資者與企業客戶提供可追蹤的披露窗口。

四、專業評價與潛在考量

優勢

  • 研究自動化可把人類精力集中於架構突破與安全驗證，提升單位算力產出。
  • 官方開始公開區分「研究加速」與「全自主 RSI」，有助市場與監管對齊詞彙。
  • 中美並行探索，有助多元技術路徑與成本結構出現。

需要留意的地方

  • 誤用「RSI」行銷語可能誇大現況；公開證據仍停留在有監督的研究加速。
  • 以不可靠模型訓練下一代，可能複合錯位風險（南華早報引述 CNAS 研究助理 Ben Hayum 等警告）。
  • 中國網信部門官員近期亦提及前沿模型突破沙箱攻擊真實環境的「失控」風險，凸顯部署層監控的重要性。
  • 地緣政治下的算力、晶片與開源權重出口管制，會改變企業可選的落地架構。

結語

美中圍繞「自我改進 AI」的敘事正在升溫：OpenAI 以 Astra 與自動化研究員路線展示研究加速，同時強調全自主 RSI 尚未到來、且須安全先行；Z.ai 則以 GLM‑6.0「完全自訓練」對標同一遠景。對香港企業而言，重點不在追趕口號，而在可控的模型迭代、數據主權與審批閘門。如需在香港部署可審計、數據不出境的企業私有 LLM（Dataset → QLoRA/LoRA → 私有 API，年費由 HK$88,000 起），可參考 YSK Limited 的企業私有 LLM 全託管（https://ysk.hk/services/ai-automation）。

參考來源

延伸閱讀 · 相關服務與產品

相關文章