国内 AI 自进化赛道一家初创企业近期完成密集融资,短短一个月之内接连落地三轮,合计拿到近 3 亿元资金,创始团队是两名北大背景学霸,主打递归自改进 RSI 路线,目标打造部署之后还可以自主迭代、持续变强的大模型,区别于现在主流大模型 “训练定型、上线后很难自主升级” 的模式;这笔钱会投入核心算法研发、算力集群搭建、技术验证和小规模产品落地,多家一线 VC 和产业资本接连出手,也代表资本正在集中押注 “AI 自我进化” 这个下一代 AGI 方向,这个赛道最近半年在海内外热度快速走高,多家同方向公司拿到大额融资。
AI 自进化和普通大模型的核心差别
- 传统大模型:在算力集群上一次性预训练、微调完成,上线后能力固定,想要更新能力,需要人工准备数据、重新全量微调,成本高、周期长,还容易出现灾难性遗忘。
- AI 自进化(RSI 递归自我改进):模型在真实使用过程里自动收集经验、自检、自我优化,不用大规模人工重训,持续沉淀新知识,越用能力越强。
- 技术重点:自研超网络架构,一次前向计算就能完成轻量参数更新,压低持续学习的算力开销,同时缓解学新内容忘掉旧知识的遗忘问题。
本轮融资核心信息表
| 项目 | 详情 |
|---|---|
| 融资节奏 | 1 个月内连续三轮 |
| 累计融资金额 | 近 3 亿元人民币 |
| 创始背景 | 两名北大学霸联合创办 |
| 核心方向 | AI 自进化、RSI 递归自我改进大模型 |
| 资金用途 | 算法研发、算力采购、技术验证、产品落地 |
| 赛道对标 | 海外 RSI、递归自优化智能体项目 |
赛道面临的现实难点
AI 自进化还处在早期科研转化阶段,没有成熟商业化产品;自主迭代过程里的对齐风险、幻觉放大、不可控性是最大难点;持续自我优化会带来算力持续消耗,成本很难控制;同时行业没有统一评测标准,很难量化判断模型是不是真的实现稳定进化,很多成果还停留在实验室小规模验证。
【相关 FAQ】
问题 1:一个月融三轮、拿下近 3 亿的这家公司,两位北大学霸押注的 AI 自进化是什么?
回答 1:两位北大学霸押注的 AI 自进化,就是 RSI 递归自我改进技术,目标让大模型上线之后,在使用中自主学习、自我迭代优化,不用人工组织数据反复重训。
问题 2:AI 自进化对比现在普通大模型,优势体现在哪里?
回答 2:AI 自进化大模型可以持续吸收新经验、自主升级能力,迭代成本更低,能够长期沉淀个性化知识,而常规大模型定型之后想要升级,必须人工介入重新微调。
问题 3:为什么资本愿意给这家北大学霸团队一个月内连续三轮融资、投入近 3 亿?
回答 3:资本看好 AI 自进化是通往 AGI 的关键路线,是下一代智能体的底层技术,海内外同赛道项目都在快速融资布局,团队的北大学术背景也增强了投资方信心。
问题 4:AI 自进化现在已经可以大规模商用落地了吗?
回答 4:还不行,AI 自进化整体还处于早期研发验证阶段,对齐风险、算力成本、评测体系都没解决,本轮近 3 亿融资主要用来做技术攻关,不是成熟商业化阶段。
【参考资料】
[2026-11-19](一个月融三轮!两个北大学霸押注 AI 自进化,再拿近 3 亿融资)投资界
[2026-11-19](RSI 递归自改进赛道升温,国内初创密集拿到融资)36 氪
[2026-11-18](AI 自进化是什么?下一代大模型赛道详解)智东西
[2026-11-15](多家头部机构加码递归自我改进 RSI 方向)创投日报
[2026-11-10](海外 RSI 自进化 AI 创业公司累计融资超 50 亿美元)新浪科技
【免责声明】
本文为创投行业资讯整理,近 3 亿元为该项目三轮合计披露融资规模,最终准确金额、投资方清单以企业官方披露为准;AI 自进化属于前沿早期技术,商业化落地周期、技术风险都存在较大不确定性;资讯不构成股权投资、创业项目投资建议。
