AI自我进化的边界实验

2026年2月，一场持续228小时的全球直播中，一个名为FARS的AI研究系统从零开始自主提出244个假设、完成100篇学术论文，成果全部公开。平均每2小时17分产出一篇，总成本约10.4万美元。

“如果AI做AI研究的水平达到了人类水准，那么它其他所有能力的提升斜率都会变得极高。”毫无疑问，日行迹智能（Analemma）对AI自动化科研的前沿探索，会进入AI”元认知”的简史。公司创始人、CEO，复旦大学计算与智能创新学院校友孙天祥主导了这一进程，三年前，他是国内首个类ChatGPT语言模型MOSS的主要开发者，当时在复旦教授邱锡鹏和黄萱菁门下读博士。

但他已经意识到更极致的优雅结构，往往惊人的简洁而命中关键，这在今天是AI4AI：本质是让AI成为自己的研究者。这个递归的尽头是什么？可能是AGI，也可能是一台永远在自我改进、撬动无限知识的机器，它的进化速度与物理算力有关，而不受限于人类的认知边界。

时钟拨回大语言模型（LLM）时代，这是令AI研究风起云涌的技术奇点。现在，人们站在巨人肩上眺望下一个范式变革。

2022年11月，OpenAI发布ChatGPT，两个月后月活破亿——TikTok花了九个月，Instagram花了两年半。硅谷创业市场瞬间火爆，风投资本极速转向，科技界公认的大模型军备竞赛正式开启。

此时还是学生的孙天祥，是大模型的早期玩家。他回忆道，2022年的EMNLP（自然语言处理领域的顶级国际会议）上仅有寥寥几篇论文标题中包含“Large Language Model”，他是其中一篇的作者。

2023年2月，MOSS上线，5月开源，成为国内首个开源的对话式大语言模型。上线首日，主页被数千万用户刷屏。作为MOSS首个版本的开发者，孙天祥已经在思考更“meta”的问题，在2022年他首次提出Language-Model-as-a-Service (LMaaS) 的概念，并针对该场景提出了“黑箱调优”（Black-Box Tuning）的解决方案。

上图为LMaaS，下图为Black-Box Tuning