在人工智能領域，“自進化”正成為行業熱議的焦點。小米MiMo大模型負責人羅福莉在中關村論壇上公開表示，若要用一個詞概括未來一年通用人工智能（AGI）發展的核心，非“自進化”莫屬。她一年前曾預測大模型實現自進化需三至五年，如今卻認為這一進程將縮短至一至兩年。這種觀點并非孤例，Anthropic首席執行官阿莫迪在達沃斯論壇上更激進地指出，AI的遞歸自我改進可能在半年至一年內成為現實，人類距離AI自主構建下一代AI或許僅剩一至兩年時間。

當自我改進形成閉環，AI的進步速度將呈現指數級躍升。上海交通大學劉鵬飛教授團隊近期發表的論文《ASI-Evolve: AI Accelerates AI》正是這一趨勢的典型例證。研究團隊構建了一個閉環框架，讓智能體在“學習既有經驗-提出新方案-實驗驗證-分析結果”的循環中持續迭代，自主優化模型架構、訓練數據篩選及強化學習算法三大核心模塊。實驗表明，AI確實具備改進自身的能力，盡管這項研究尚未顛覆整個行業，但其方法論的創新性已引發廣泛關注。

論文第一作者徐為先的身份更令人矚目——這位上海交通大學大三學生主導了這項研究。他的技術背景橫跨底層硬件與高層算法：用Rust編寫操作系統內核、以C++實現高性能編譯器、基于Verilog設計RISC-V處理器，其GitHub項目ASI-Arch已收獲超1100個星標。在AI研究領域，他聚焦神經架構搜索與持續學習，認為實現“自我進化AI”需突破“持續自我改進”與“長期可靠性”兩大瓶頸。為此，他的研究分為兩條路徑：一是優化單個模型的學習目標與記憶機制，二是構建多智能體協作生態系統。

ASI-Evolve的靈感源于2025年對Google AlphaEvolve的觀察。徐為先團隊意識到，若將AI推動科學發現的潛力反哺至AI自身研究，可能引發領域級的自我加速循環。這一設想在上海交大GAIR實驗室的支持下得以實現。實驗室不僅提供算力資源，更鼓勵本科生探索前沿課題。徐為先特別感謝導師劉鵬飛教授的指導，強調人類先驗知識在系統設計中的關鍵作用——實驗目標與核心假設始終由人類提出，AI的作用是在指定方向上進行高效探索。

針對公眾對“AI替代科學家”的誤解，徐為先明確表示，ASI-Evolve系統并非盲目進化，而是深度融合人類經驗。其價值在于利用AI的探索能力，在人類設定的框架內實現極速迭代。系統中的分析器模塊能將實驗結果轉化為可復用洞察，形成類似人類研究員的“學習”機制。例如，在神經網絡架構設計中，系統通過1773次自主實驗發現106個創新架構，性能提升接近人類設計SOTA的3倍，且所有方案均通過系統性演化而非暴力搜索生成。

在數據篩選領域，AI優化的策略使基準測試平均提升3.96%，知識密集型任務提升超18%。系統能自動學習數據質量判斷標準，完成從清洗到篩選的全流程，突破傳統方法對人工標注的依賴。強化學習算法設計方面，新算法在數學競賽中表現卓越：AMC32得分超GRPO基線12.5分，AIME24超越11.67分，OlympiadBench超越5.04分。這些突破源于對現有算法局限性的理解與原創性優化，而非簡單參數調整。

徐為先對“天才”的定義頗為平實。他認為，天才是熱愛、天賦與努力的結合體，關鍵在于找到熱愛與擅長的交集并持續投入。盡管科研充滿挫折，他仍追求“Happy Research”的狀態。這位吉他手（兼修古典與電吉他）、單簧管九級獲得者、羽毛球愛好者，在個人主頁坦言自己正在戀愛中。這種技術追求與生活熱情的平衡，塑造了他立體而真實的形象。

對于未來，徐為先更關注AI的反思與持續學習能力。他指出，現有模型已能滿足日常需求，但生命周期中的動態進化能力——無論訓練還是部署階段——才是提升個性化適配的關鍵。這種能力無法僅通過靜態數據集訓練實現，需模型在真實場景中持續進化。他期待強化智能體的交互能力，讓模型更全面地理解世界。這些思考促使他計劃攻讀博士學位，致力于開發能回歸社會、服務大眾的技術。

AI行業對天才少年的爭奪已進入白熱化階段。月之暗面的“穿越計劃”通過提前發放正式offer與公司期權鎖定人才，該項目不限專業、學歷與經驗，僅關注“頂級人才”的潛力。OpenAI的Safety Fellowship則提供月度津貼、算力支持與導師指導，要求參與者在五個月內產出實質性成果。這兩種模式本質相同：通過資源傾斜與實戰鍛煉加速新人成長，同時為大公司篩選創新人才。這種轉變反映行業深層邏輯：在工具成熟的背景下，創新思維與執行能力比技術積累更稀缺，傳統學術訓練難以培養的素質正成為AI時代的核心競爭力。

這場人才爭奪戰的背后，是行業對未來的焦慮。當前AI發展速度遠超預期，人才培養已滯后于技術推進需求。各大公司通過提前布局鎖定優質年輕人，試圖在未來的競爭中占據先機。在這場賭局中，人才成為最關鍵的籌碼，而天才少年們的選擇，或將決定AI領域的下一個格局。