面壁智能的“AI 工程师”上岗五个月，交出了第一份答卷

RSI（递归自我改进）正成为全球 AI 行业最受关注的议题。当多数公司还在把“AI 参与 AI 研发”写进议程，面壁智能的“AI 工程师”已经上岗了五个月。这条路上的第一步，已经有人走通了。

这一步，就是让 AI 真正参与“制造 AI”的研发与工程过程，即 AI for AI。今年 5 月，面壁智能启动锻造工程（Forge Engineering），走了一条颇为“非共识”的路径。面壁智能智能进化首席科学家李宇轩将其概括为“多给环境，少给指令”：人负责制定标准与评测，训练、推理与科学计算的代码全部交由 AI 生成，覆盖“制造 AI”的全链路。工程师的角色也随之位移——从写代码的人，变成设计标准与评测的人。

沿着这条路径走了五个月，面壁智能交出的第一份答卷是：AI 从零写出了一套预训练框架，即训练大模型所依赖的核心软件系统，全程仅用约 8 小时，就能达到英伟达（NVIDIA）开源的 Megatron-LM 同等水平，并在 1.5 至 2.5 天内实现反超。同等规模的工作交给人类团队，通常需要 3 到 5 名工程师投入 6 到 12 个月。推理引擎核心算子由 AI 自动编写，较主流开源框架几何平均提速 1.21 倍；科学计算引擎一周内接入 100 余个真实应用，端到端中位提速 1.41 倍。RSI 综述论文《The Last AI Built by Humans》以专门章节系统展现了这一产业实践，面壁智能首席科学家刘知远、智能进化首席科学家李宇轩同为论文署名作者。

RSI 的终局尚远，但循环一旦转起来，就会越转越快。沿着“多给环境，少给指令”这条路径，面壁智能将在 AI for AI 的方向上继续深耕——第一份答卷之后，更多的成果正在锻造之中。

论文链接：https://arxiv.org/abs/2609.11873

《The Last AI Built by Humans: Toward Genuine Recursive Self-Improvement》，面壁的产业实践在第 5.5 节