谷歌DeepMind高管：AI千亿资本支出是人类史上最大科学赌注，核心押注"递归自我改进"

科技巨头们正以前所未有的规模往AI基础设施里砸钱，这背后到底在赌什么？答案越来越清晰——他们押注的是AI能够实现"递归自我改进"。

8月3日，在加州大学伯克利分校举办的Agentic AI峰会上，谷歌DeepMind首席战略官Jasjeet Sekhon公开点破了整个行业巨额资本支出背后的"核心投资逻辑"——递归自我改进（Recursive Self-Improvement，简称RSI）。

递归自我改进，说白了就是AI能自己造出更聪明的下一代。这个能力被视为继通用人工智能（AGI）之后的下一个重要里程碑。不过，Sekhon也坦率承认，AI目前的营收"尚不足以支撑"当前的资本支出规模，行业随时可能陷入市场真空期——钱烧了，但收入还没跟上。

谷歌今年在AI数据中心及相关设备上的支出已高达约2000亿美元，明年还计划继续加码。与此同时，同台的DeepMind研究员Oriol Vinyals与OpenAI联合创始人Wojiech Zaremba给出了更具体的时间线：递归自我改进可能在2027至2028年实现。

天量押注的逻辑：递归自我改进取代AGI

在AI行业的话语体系中，递归自我改进正在快速取代AGI，成为最受追捧的概念。

先说AGI——Artificial General Intelligence，中文叫"通用人工智能"，是AI研究的终极目标之一，指的是在绝大多数有经济价值的任务中都能达到或超过人类水平的AI系统。而递归自我改进，则代表着AI能够独立重新设计自身整体架构，开发出全新模型，从而形成持续自我提升的循环。

Sekhon将当前的AI资本支出定性为"人类文明有史以来最大的科学赌注"，规模甚至超过了美国政府的阿波罗登月计划、曼哈顿计划以及互联网开发投入。这个比喻虽然夸张，但确实点出了问题的本质——这是一场豪赌。

当然，他也承认当前技术"远未达到这一阶段"。不过，AI企业目前已经能用模型辅助设计其他模型的部分组件，这可以被视为递归自我改进的"前兆"。他打了个比方：这就像历史上用蒸汽机制造下一代蒸汽机。

尽管如此，Sekhon的态度很明确：

押注递归自我改进不会实现，似乎是不明智的。

他预计递归自我改进将"大概率在未来几年内"出现。而DeepMind的Oriol Vinyals与OpenAI联合创始人Wojiech Zaremba则在同一峰会的小组讨论中给出了更精确的时间节点：2027年或2028年。

收入缺口现实：谷歌股东的隐忧

战略叙事虽然宏大，但财务现实同样不容回避。Sekhon对此毫不掩饰：

AI带来的收入目前"尚不能支撑我们正在进行的资本支出"。这意味着行业存在陷入"AI空气口袋"的风险——资本支出大规模落地，但相应收入却迟迟未能兑现。

这个表态与谷歌股东当前的担忧高度吻合。尽管包括谷歌在内的主要AI投入方正在实现软件或云服务销售的加速增长，但股东们对公司持续攀升的现金消耗已经显露出不安情绪。

作为对比，亚马逊AWS本季度录得37%的营收增长，季度收入达422亿美元，运营利润率从上季度的37%提升至39%。这在一定程度上展示了AI云服务需求加速兑现的路径，但也更加凸显了谷歌方面所坦承的收入与支出之间的结构性落差。

风险图谱：从网络攻击到生物威胁

峰会上，Sekhon与加州大学伯克利分校计算机科学教授Dawn Song（近期加入Meta"超级智能"部门）花大量时间探讨了AI带来的安全风险，尤其是其作为网络攻击和生物攻击工具的潜力。

Song指出，AI在近期将"更多地使攻击者受益"，原因在于攻防之间存在内在的不对称性：

攻击者只需一次成功的利用，而防御者则必须防住所有攻击。

这个观点很关键。网络战场上的攻防双方，天然就不在一个起跑线上。Sekhon对此表示认同，并警告说，随着攻击者污染开源代码仓库、利用人类编写的低质量代码，"未来一段时间将会相当艰难"，美国电网、医院等薄弱系统尤为脆弱。

然而，更严峻的威胁指向生物安全领域。Sekhon表示：

我们距离一个人只需用自然语言与模型对话就能设计病毒或蛋白质的世界已经非常近了。这是一个在长期内仍对攻击者有利的极度危险的世界。

应对生物风险，需要对"与生物相关的材料"实施更严格的许可、监控和追踪机制。Sekhon透露，谷歌正在将其AI生成内容水印技术SynthID向生物学领域延伸，以协助DNA合成企业筛查潜在风险的AI生成生物序列。

值得警惕的是，当AI既能自我改进，又能被用于制造生物威胁，这两条线一旦交汇，带来的风险将是几何级数的增长。而这，或许才是这场千亿赌注背后最值得深思的问题。