RSI 全称 Recursive Self-Improvement，递归自我改进，简单理解就是 AI 辅助研发、迭代 AI；最近国内一批技术玩家已经在个人电脑、家用显卡上跑通简易闭环，也就是 Vibe Training，靠大模型自动写训练脚本、清洗数据、评测、迭代小专精模型，但目前只是 RSI 的初级阶段，远不是完全自主进化的超级 AI。
一、RSI 的四级能力阶梯（文章核心框架）
- L1：AI 助手。AI 只做辅助，写脚本、调参、查报错，目标、验收标准全部由人定，是现在绝大多数人的状态。
- L2：AI 闭环训练新模型。人只给出目标和验收规则，AI 自动完成数据清洗、训练、评测、定位 bad case，迭代出垂直小模型，也就是现在国内玩家在家玩的阶段，比如训练角色模型、行业分流小模型。
- L3：AI 优化自身系统。AI 不再只训外部小模型，而是去优化推理引擎、调度框架、稀疏架构等底层运行系统。
- L4：AI 自主研发下一代更强模型。深度自主科研、探索新架构，属于前沿实验室方向，普通玩家还无法触及。
二、国内玩家在家 “AI 造 AI” 真实玩法
玩家不是在家训练千亿基座大模型，而是做轻量化垂直小模型微调：
- 硬件门槛：24G 显存 Mac、RTX 3090/4090 等家用显卡即可；
- 典型流程：用一个强基座大模型作为教练，自动整理垂直领域语料、生成训练脚本、启动微调、自动跑评测，发现问题后自动修改数据集再次迭代；
- 案例：开源项目 self-llm，在家训练专属角色模型，解决角色串戏、话术跑偏问题；产出的小模型断网本地运行，延迟低、数据不出本地，适合隐私场景。
- 核心模式：Vibe Training，人用自然语言定义目标，AI 负责全部执行链路，人守住验收关口。
三、容易踩的认知误区
- ❌ 误区：RSI=AI 不受控制、自动进化成超级智能
- ❌ 误区：全民 RSI = 人人都能随便训顶尖大模型
- ❌ 误区：Vibe Training 可以完全替代人工标注、人工评测
✅ 真相：现阶段 L2 级的 RSI 闭环，目标、验收标准、上线决定权都掌握在人手里，AI 只是自动化执行训练脏活；
✅ 真相：家用算力只能做小参数量垂直微调，基座大模型训练依旧需要大规模 GPU 集群；
✅ 真相：AI 生成数据自带幻觉，最终必须人工抽检、卡点。
四、普通玩家和企业实验室 RSI 路线对比
| 主体 | 所处层级 | 算力 | 产出物 |
|---|---|---|---|
| 个人玩家 | L1~L2 | 家用显卡、Mac | 垂直小模型、角色模型、行业轻量化 Agent |
| 国内实验室（智谱、超衍等） | L2~L3 | 大规模 GPU 集群 | 推理引擎优化、自主实验 Agent、自进化基座模型 |
| 海外头部（OpenAI、Anthropic） | L2~L4 | 超大算力集群 | 自动化 AI 研究员、自研 RSI 评估体系 |
五、适合尝试的人群
✅ 独立开发者、AI 爱好者、垂直行业从业者：想要私有、低延迟、专属微调小模型；
✅ 想降低标注、调参、评测重复工作量的算法工程师；
❌ 不适合：没有基础模型知识、无法看懂评测指标、无法判断模型输出好坏的新手，很容易被 AI 幻觉数据带偏。
【相关 FAQ】
问题 1：文中说的 RSI 递归自我改进，国内玩家在家做的 AI 造 AI 属于哪一级？
回答 1：国内在家玩的 AI 造 AI，大多停留在 L2 级别，人定目标、AI 跑完数据清洗、训练、评测迭代闭环，还没有到自主优化底层系统、自主研发下一代基座的高阶 RSI。
问题 2：在家玩 RSI、Vibe Training，需要什么显卡？
回答 2：24G 显存 Mac、RTX4090/3090 这类家用显卡就可以跑轻量化小模型微调，训练大基座模型依旧需要云 GPU 集群。
问题 3：Vibe Training 和传统微调有什么区别？
回答 3：传统微调需要人手动准备数据集、写训练代码、写评测脚本；Vibe Training 是用自然语言提需求，AI 自动完成整套微调闭环，人只负责验收。
问题 4：现在的全民 RSI 是已经实现 AI 自主进化了吗？
回答 4：还没有，目前只是把训练流程自动化，AI 不能自己定义目标，最终能不能上线、迭代方向由人把控，距离无约束自主进化差距很大。
问题 5：在家用 AI 造 AI，训练出来的小模型有什么优势？
回答 5：可以本地离线运行、延迟低，业务数据不用上传第三方平台，适合角色对话、内部知识库、行业专用小 Agent。
【参考资料】
[2026-11-07]（全民 RSI 时代来了？第一批中国玩家，已经在家让 AI 造 AI）新智元
[2026-11-08]（全民 RSI 时代来了？第一批中国玩家，已经在家让 AI 造 AI）新浪财经
[2026-09-17]（通往递归自我改进 RSI）智谱 AI 公开内容
【免责声明】
家用环境下的 RSI 闭环、Vibe Training 只适合小模型微调；AI 自动生成训练数据存在幻觉、数据污染风险；开源项目、训练框架持续迭代，训练效果受硬件、基座模型、数据质量影响，不建议直接把自动迭代模型投入核心生产业务。
本文来自作者[尘簇译码师]投稿，不代表乌兰科技网立场，如若转载，请注明出处：https://www.wlcbnews.com/rgzn/202611/95.html
评论列表（4条）
我是乌兰科技网的签约作者“尘簇译码师”！
希望本篇文章《全民 RSI 时代来了？第一批国内玩家已经在家跑通 AI 造 AI，RSI 四级台阶与 Vibe Training 解读》能对你有所帮助！
本站[乌兰科技网]内容主要涵盖：互联网行业的追踪与探索
本文概览：RSI 全称 Recursive Self-Improvement，递归自我改进，简单理解就是 AI 辅助研发、迭代 AI；最近国内一批技术玩家已经在个人电脑、家用显卡上跑通简易闭环，也就是 Vibe Training，靠大模型自动写训练脚本、清洗数据、评测、迭代小专精模型，但目前只是 RSI 的初级阶段，远不是完全自主进化的超级 AI。