谷歌高管做客播客，深度解读 Google AI 前沿技术与 RSI 项目研发进展

2026-10-21 10:56:45 来源：网易编辑：金庆鸣

表格

多模态能力持续深耕打通文字、图像、音频、视频一体化理解链路，让模型可以直接读取多媒体信息并完成复杂推理，支撑视频创作、实景分析、跨媒介内容生成等新产品开发。
AI 智能体工程化落地依托 Antigravity 开发平台搭建批量智能体，实现多任务自主拆解、工具自动调用、多轮闭环执行，把 AI 从问答工具升级为可以独立完成项目的执行主体。
研发效率体系重构把 RSI 自迭代机制嵌入模型研发流水线，用 AI 替代大量人工实验工作，降低前沿模型研发的人力与时间成本。

项目基础定义 RSI 全称递归式自我改进，核心目标是让 AI 参与自身下一代版本的研发工作，自主设计实验、评估效果、优化方案，形成 AI 迭代 AI 的正向循环。现阶段谷歌优先推进外围环节优化，暂时不直接修改模型底层权重，稳步搭建可落地的自迭代闭环人人都是产...。
两大核心技术方案

Dream-RSI：搭建虚拟推演环境，把过往全部实验记录变成模拟训练场，AI 不用反复执行高成本真实实验，在历史数据里完成策略试错，大幅节省算力开销，用来解决研发探索方向问题36氪。
RRSI：聚焦执行流程优化，AI 自动调整提示词、拆分任务、调配多智能体分工，提升现有模型完成任务的质量，解决落地执行效率问题人人都是产...。

RSI 项目落地推进步骤第一阶段：在内部研发环境完成小范围验证，在算法优化、代码开发两类任务中测试自迭代效果，确认方案稳定性；第二阶段：把 RSI 闭环接入 Gemini Flash 系列模型迭代，将版本更新节奏压缩至几周一次；第三阶段：把自迭代能力开放给内部研发团队，覆盖芯片设计、数据治理、训练调优等更多技术环节；第四阶段：持续完善安全管控机制，为 RSI 迭代增加人工审核节点，保障模型迭代全程合规可控。

算力资源倾斜配置谷歌将大量 GPU 算力优先供给 RSI 研发项目与 Gemini 新版本训练，依托自有数据中心实现算力规模化调度，支撑高频次自动实验。内部数据显示，接入 RSI 闭环之后，模型研发环节的算力利用率得到明显提升，同等算力投入可以产出更多优化方案The Keywor...。
技术与产品双向联动前沿技术研发成果会优先落地到谷歌自有产品：搜索业务接入更强多模态理解能力，提升复杂问题答案质量；Google Cloud 把新版模型封装成 API 服务，面向开发者开放；移动端搭载轻量化小模型，把前沿能力下沉到手机端。产品落地产生的海量真实使用数据，又会回流到模型研发环节，持续给 RSI 自迭代提供真实反馈素材，形成技术研发与产品落地互相促进的闭环。

【相关 FAQ】

问题 1：本次播客谈到的 RSI 项目，在 Google AI 研发体系里承担什么样的作用？

回答 1：RSI 项目是 Google AI 重构研发效率的核心抓手，依靠 AI 自主完成实验设计、方案测试与流程优化，压缩 Gemini 模型迭代周期，把模型更新节奏从季度级缩短到周级，让算力投入收获更高的技术产出。

问题 2：当前谷歌推进 RSI 技术，主要使用 Dream-RSI 和 RRSI 两套方案，二者分工有什么区别？

回答 2：Dream-RSI 负责解决研发探索方向问题，依托历史实验数据搭建虚拟推演环境，减少高成本真实实验；RRSI 负责优化任务执行环节，自动调整提示词、分工策略，提升模型落地执行效果，两套方案配合搭建完整自迭代闭环人人都是产...。

问题 3：RSI 取得进展之后，会给 Gemini 系列模型迭代带来哪些直接改变？

回答 3：RSI 闭环落地后，Gemini 新版本不用等待大量人工实验，AI 自动完成调优与评测，新版本发布频率显著提升；同时模型可以持续吸收真实场景数据，能力优化速度稳步加快，持续补齐代码生成、多轮推理等能力短板。

【数据来源】

[2026-10-20]（谷歌高管做客播客：解读 Google AI 前沿与 RSI 项目进展）Big Technology

[2026-10-12]（谷歌 Dream-RSI 与 RRSI 技术方案解读）人人都是产品经理

[2026-10-09]（谷歌全力押注 RSI，重构大模型研发流水线）36 氪

[2026-09-17]（谷歌 Dream-RSI 论文发布，大幅降低自迭代算力成本）量子位

[2026-05-19]（Google I/O：Gemini 模型迭代与内部研发平台进展）谷歌官方博客 The Keyword

免责声明：本文仅客观整理播客访谈内容与公开技术资料，所有技术进展、项目规划均以谷歌官方后续发布内容为准；全文仅做行业技术路线解读，不构成任何技术投资、产品选型参考。