复旦大学｜当AI开始自己造AI，下一个主场在哪？｜智能涌见·科创周特别呈现

2026年9月13日，复旦大学管理学院“复旦问学讲堂·科创周特别呈现”举行。语生科学首席科学家、StartLux联合创始人兼CTO郭权玮博士以《从Scaling到会工作的AI：2018—2026，人工智能如何从模型走向系统》为题发表演讲，并与复旦大学管理学院信息管理与商业智能系李文文副教授展开对话。活动现场，复旦大学管理学院孙一民副院长向郭权玮博士赠送感谢铭牌。

演讲要点

郭权玮提出，AI的竞争单位正在从“模型”逐渐转向“系统”。过去人们习惯通过增加参数、数据和训练算力获得更强模型；下一阶段需要被持续提升的，不仅是模型规模，还有“智能生产效率”。AI的发展正在从冻结模型（Frozen Model）走向“学习系统”，把持续预训练、后训练、上下文与记忆、在线学习连接成持续学习闭环。

研发实践数据

郭权玮介绍，这种趋势可概括为“AI for AI”：由人定义目标，再由AI参与数据生产、实验和反馈，最终推动模型迭代，即递归式自我改进（RSI）。在StartLux现有的研发体系中，约70%的实验研发工作由AI完成，包含提出实验假设、生成或筛选数据、启动训练和Eval、分析失败轨迹，再根据结果决定下一轮试什么。

本地AI与企业应用

郭权玮指出，当AI需要持续运行、调用工具、访问数据并完成长时间任务时，隐私、经济性和连续性成为新的现实约束。完整的本地智能系统需要由本地模型、推理运行时、Agent框架、记忆与上下文、工具及安全机制共同构成；DGX Spark、RTX Spark等设备正在降低本地运行高性能模型和Agent的门槛。评价一个AI系统的标准，不再只是模型有多大、Benchmark分数有多高，而是它能否持续工作、积累经验，并真正进入现实业务流程。

对话观点

李文文副教授认为，RSI真正重要的地方并非单纯的模型参数优化，而是AI开始越来越多地参与自身能力的改进。她同时指出，RSI体系下人工参与度大幅降低，容易出现发展失控、价值对齐偏差等安全问题，行业可能需要一个窗口期专攻AI安全与价值对齐技术。她判断，未来职场不再是人机协作，而是人类智能与AI智能的双向适配，AI承担重复性、流程化、标准化工作，人类聚焦创新研究、决策把控、风险监督。