在人工智能領域，“自進化”正成為最受矚目的技術方向。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。她透露，一年前認為大模型實現自進化需要三到五年，如今這一時間窗口已縮短至一到兩年。更激進的預測來自Anthropic首席執行官阿莫迪，他在達沃斯論壇上斷言，AI的遞歸自我改進可能在半年到一年內實現，人類距離AI自主構建下一代AI僅剩一到兩年時間。

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》為這一預測提供了實證支持。研究團隊構建了一個閉環研究框架，讓智能體在“學習經驗-提出新設計-實驗驗證-分析結果”的循環中持續迭代，自主優化模型架構、訓練數據篩選和強化學習算法三大核心組件。實驗數據顯示，AI在神經網絡架構設計上的表現提升接近人類頂尖水平的三倍，預訓練數據篩選效率在知識密集型測試中提升超18%，強化學習算法在數學競賽基準測試中取得顯著突破。這些成果標志著AI首次在統一框架下系統性地證明了“AI加速AI”的可行性。

論文第一作者徐為先的身份引發業界關注——這位上海交通大學大三學生主導了這項具有里程碑意義的研究。其技術履歷令人驚嘆：獨立開發Rust語言操作系統內核、用C++實現高性能編譯器、設計RISC-V處理器架構，GitHub項目累計獲得超千次星標。在AI研究領域，他聚焦于解決“持續自我改進”和“長期可靠性”兩大瓶頸，通過改進單個模型記憶機制與構建多智能體協作系統兩條路徑展開探索。

徐為先的研究靈感源自2025年Google發布的AlphaEvolve項目。他意識到，若能將AI推動科學發現的范式應用于AI自身研發，將形成指數級進步的自我加速循環。這種構想得到上海交大GAIR實驗室的全力支持，實驗室提供的計算資源和導師指導使大規模實驗成為可能。他特別強調，ASI-Evolve系統并非要取代人類科學家，而是通過整合人類先驗知識設定研究方向，利用AI的探索能力進行高效迭代。系統內置的分析器模塊能自動提煉實驗洞察，形成可復用的知識庫，這種“學習-優化”機制使其區別于傳統的暴力搜索方法。

這位年輕研究者的技術理念與生活態度形成鮮明對比。他既是古典與電吉他雙修的音樂愛好者，擁有單簧管九級證書，也熱衷羽毛球和電子游戲；既在個人主頁坦誠分享戀愛經歷，又保持著每天十小時以上的科研投入。對于“天才”標簽，他給出務實解讀：“熱愛、天賦與努力的交集，加上持續積累，每個人都能在擅長領域取得突破。”這種平衡觀體現在他的研究目標中——未來更關注AI的反思能力和持續學習機制，而非單純追求模型性能提升。

AI行業對青年人才的爭奪已進入白熱化階段。月之暗面推出的“穿越計劃”打破傳統實習模式，向頂尖在校生提供正式錄用意向、股權激勵及計算資源支持，其估值在三個月內從43億美元飆升至180億美元的成長軌跡，使期權獎勵頗具吸引力。OpenAI的Safety Fellowship項目則采取“研究資助+導師制”模式，為外部研究者提供五個月的全職研究支持，要求產出可量化的研究成果。這兩種模式共同指向行業新趨勢：通過資源傾斜和真實項目錘煉，加速培養具有創新思維和執行力的新生代人才。

這場人才爭奪戰折射出AI發展的深層焦慮。隨著技術迭代速度超越人才培養周期，企業不得不提前布局未來競爭力。傳統學術訓練培養的循規蹈矩型人才，逐漸讓位于具有跨界思維和快速學習能力的新生力量。當工具鏈日益成熟，能夠提出創新問題并高效解決問題的年輕人，正成為決定技術突破方向的關鍵變量。這種轉變不僅重塑著招聘邏輯，更預示著科學研究范式可能迎來根本性變革——在算力支撐下，AI或將從輔助工具轉變為科研主體，開啟人機協作的新紀元。