Google 的 AI 战争，或正在朝着一个更激进的方向前进：让 AI 开始参与创造下一代 AI。
据路透社最新报道，Google 联合创始人谢尔盖・布林（Sergey Brin）近几个月正在深度介入公司的 AI 研发，虽然已经没有正式的管理职位，他依然借助联合创始人的影响力推动模型训练，并要求关键 AI 员工全力投入 Gemini。
其中一个被 Brin 明确推动资源投入的方向，就是递归式自我改进（Recursive Self-Improvement，RSI）。
这也是当下硅谷最热门、最受关注的方向之一。
5 月，Anthropic 专门发布了一篇题为《When AI builds itself》的文章，来阐述对 RSI 的认知和当前所取得的进展。7 月底，OpenAI 也重新召回旧部 ——Thinking Machines Lab 联创翁荔，让其领导专注于 RSI 的研究团队。
而就在前几天，刚刚出走 Google 的前首席科学家 Jeff Dean，创业目标也直指 RSI—— 让 AI 自己跑实验、评估结果、修正弱点，并持续迭代。
如今，Google 自身也要「重押」RSI 了。
Brin 再次进入「创始人模式」
据路透社报道，一名了解内情的人士曾透露，过去几个月，Brin 一直告诉 Google 的关键 AI 员工：团队必须重新追上最前沿。
这样的剧情是不是有些熟悉？
当年 ChatGPT 发布后，面对汹涌而来的竞争压力，，还亲自写代码，并在内部开始大刀阔斧的整合，将 Google Brain 与 DeepMind 合并为 Google DeepMind，之后推出 Gemini 3，一举扬眉吐气，强势回归。
而如今，Google 无疑又有些「落后」了。截至今年 8 月，Google 新一代 Gemini 旗舰模型的发布日期推了又推，足足推迟了约两个月，而内部测试也显示，新模型在编程等关键领域依然落后于竞争对手。
与此同时，Google DeepMind 的权力结构也在发生变化。
8 月 5 日，Google 宣布调整 DeepMind 管理层。长期领导 DeepMind 的 Demis Hassabis 转任董事长，减少日常管理职责；此前担任其副手、同时兼任 Google 首席 AI 架构师的 Koray Kavukcuoglu 则进一步接管 DeepMind 的运营，并继续负责 Gemini。
Kavukcuoglu 其实早已是 Gemini 背后的关键人物。
据路透社报道，在过去一年多里，随着 Hassabis 减少对 Gemini 日常研发的直接参与，Kavukcuoglu 逐渐接手模型开发，并成为技术路线和资源配置的重要决策者之一。一名知情人士称，他同时获得了 Brin 的支持。
这让 Google AI 业务的权力中心进一步向 Mountain View 靠拢。
Kavukcuoglu 去年从伦敦搬到 Google 总部，并出任 Google 首席 AI 架构师，直接向 CEO Sundar Pichai 汇报。在此之前，他已经是 DeepMind 和 Google Cloud 之间的重要联系人。
这段关系很关键，因为 Cloud 不仅是 Google AI 商业化的重要出口，同时也是算力资源争夺最激烈的部门之一。
模型训练需要 TPU，Cloud 业务同样需要 TPU，而 Google 内部的计算资源并不是无限的。路透社援引知情人士称，Google Cloud 的一些高管希望，Kavukcuoglu 新的职位能够减少此前围绕 TPU 分配产生的内部摩擦。Sundar Pichai 此前也表示，Google 将继续扩大 AI 基础设施投入，以缓解 TPU 等计算资源的约束。
某种意义上，这也是 Google 现在面对的问题：模型能力是一回事，组织能不能快速把人、钱和芯片集中到正确的方向，是另一回事。
过去几年，Gemini 的研发就受到过这些结构性问题影响，对此网友的吐槽也从未停止过。
多名知情人士告诉路透社，算力不足、项目负责人之间的分歧以及大型公司的决策流程，都曾拖慢 Gemini 的迭代速度。在编程等后来被证明重要的能力上，资源配置也一度不够集中。
这可能解释了为什么 Google 明明拥有庞大的研究团队、芯片和产品生态，却仍然时常出现「追上 — 被反超 — 再追」的节奏。
现在，Google 显然希望把这个循环压缩得更快一点。
DeepMind 正在「Google 化」
此次重组之后，DeepMind 与 Google 之间的边界也在进一步模糊。
在 8 月 6 日的全员会议上，Hassabis 和 Kavukcuoglu 告诉员工，日常研发工作不会发生太大变化。但据知情人士透露，一些非技术团队将从 DeepMind 转移到 Google 的公司汇报体系中。
2014 年被 Google 收购后，DeepMind 一直需要在两个目标之间寻找平衡：一边是基础研究、科学和长期 AI 问题，另一边是把模型真正做进 Google Search、Google Cloud、Workspace 以及其他产品。
如今，天平正在越来越明显地向 Gemini 和商业落地倾斜。
与此同时，一些资深研究人员的离开，也让内部员工更加关注 DeepMind 未来还会保留多少研究自主权。
路透社称，包括 Gemini 早期技术负责人 Jeff Dean 和 Oriol Vinyals 在内的一些资深研究人员已陆续离开。此前部分团队拥有较大的研究自主权，可以开展与 Gemini 模型训练没有直接关系的项目，但随着管理结构重新调整，这些项目未来如何定位，目前尚不完全清楚。
在这一背景下，Brin 推动递归式自我改进，也体现了 Google 当前 AI 战略的一个变化：公司不仅希望 Gemini 在排行榜或者单项评测中重新取得竞争力，也希望提高研发体系自身的效率。
Google 实际上已经在尝试一些相邻方向。DeepMind 此前推出的 AlphaEvolve 系统，可以借助大模型和自动评估机制寻找更好的算法方案，并用于优化部分计算和工程问题。这类系统距离「无需人类参与、自主升级自身」的完整递归式自我改进还有较大差距，但已经展示出一种可能的研发模式 ——AI 首先成为 AI 研究人员和工程师的工具，然后逐步承担更多实验设计、编程、优化和验证工作。
这一方向也并非 Google 独有。随着模型代码能力提高，OpenAI、Anthropic 以及多家 AI 实验室都在探索利用模型辅助甚至自动化部分 AI 研究和工程流程。行业内部讨论的重点，也逐渐从「AI 能否写代码」，转向「AI 能够在多大程度上参与下一代 AI 的研发」。
不过，目前将这些进展直接等同于完全意义上的递归式自我改进仍为时尚早。现阶段的大多数系统仍然需要人类设定目标、提供计算资源、选择实验结果并决定是否部署下一版本。所谓完全开放、自主且持续的自我改进机制，目前尚未成为公开可验证的现实。
但和上一次回归相比，这一次 Brin 关注的已经不只是如何追上某一个竞争模型。
Google 正在尝试解决一个更基础的问题：在模型能力迭代越来越快的环境下，能否让 AI 研发本身也变得更快。
而「递归式自我改进」，正在成为 Brin 给出的其中一个方向。
那么你呢，如何看待 Google 的这一重押方向？看好 Brin 的再次「出山」？欢迎在评论区留言、交流！
参考链接：
https://x.com/AndrewCurran_/status/2087604895839064099?s=20
https://www.reuters.com/world/inside-google-executive-moves-that-led-its-big-ai-reshuffle-2026-08-12/
https://x.com/kimmonismus/status/2087623474672021550?s=20
https://x.com/firstadopter/status/2087634147384660090?s=20
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：liyazhou@jiqizhixin.com
