Google發佈Dream-RSI，人類製造的最後一個 AI
Google 近日正式發表代號為 Dream-RSI 的新一代人工智慧系統，消息一出立刻在全球科技圈掀起熱烈討論。這套系統之所以備受關注，不僅因為它代表 Google 在 AI 領域的最新突破，更因為內部分析師將其稱為「人類製造的最後一個 AI」。這個大膽的稱號背後，藏著一項耐人尋味的設計抉擇：Dream-RSI 的核心決策組件，仍舊保留著由工程師親手撰寫的固定邏輯，而非完全交由機器學習自動演化。根據了解，Dream-RSI 在處理各類任務時，經常需要面對幾個關鍵判斷：究竟該在哪裡進行分支、同時並行執行多少次嘗試、以及何時該果斷放棄一條已經走不通的路線。
而這整套判斷流程，目前正是整個系統循環中唯一一個依賴人工手寫、無法自行調整的環節。換句話說，這個組件並不會從過去累積的經驗中學習，既無法自動優化策略，也無法主動避開那些已經被證明無效的方向。這樣的設計在高度自動化的 AI 開發浪潮中顯得格外突出。近年來，各大科技公司紛紛推出能夠自我進化、自我調校的深度學習模型，從語言生成到圖像辨識，幾乎所有環節都在嘗試讓機器自行摸索最佳路徑。然而，Google 在 Dream-RSI 上卻刻意保留了這道「人為控制」的防線，讓工程師依然握有對核心決策邏輯的最終決定權。
不過，正因為這個「死結」無法自我進化，Dream-RSI 也被業界視為最後一個需要人類手動干預核心判斷邏輯的 AI 系統。分析人士指出，這項取捨雖然在短期內確保了系統的穩定與可解釋性，但同時也埋下了效率瓶頸。由於固定邏輯無法從過往失敗中吸取教訓，系統可能反覆將運算資源投入到已經被證明無效的路徑上，造成不必要的資源浪費。這種情況在處理大規模、高複雜度的任務時尤其明顯。以 Dream-RSI 目前應用的場景為例，當系統在探索大量可能解題路線時，固定的分支決策規則可能無法即時辨識出哪些路線已經陷入死胡同，因而持續消耗運算力，拖慢整體效率。
相較之下，若能讓核心決策組件也具備學習能力，系統就能逐漸累積經驗，自主判斷哪些方向值得繼續投入，哪些應該及早放棄。Google 內部的技術文件也暗示，Dream-RSI 目前的架構其實是一種策略性的「暫時停損」。在 AI 安全與可控制性尚未完全解決之前，保留一個人類可以理解、可以干預的判斷中樞，有助於降低系統失控的風險。這也呼應了近年來學術界與產業界對 AI 可解釋性與倫理問題的日益重視。然而，業界普遍認為，這樣的設計終究只是過渡方案。若要真正實現全面自動化的 AI 系統，未來勢必得全面改寫演算法架構，讓模型學會在探索與收斂之間自主取捨。
換句話說，Dream-RSI 可能真的是人類親手打造的最後一個、核心決策邏輯還停留在手工階段的 AI；而下一代的系統，將必須擁有完全自適應的判斷能力。從更宏觀的角度來看，Dream-RSI 的發表也反映了當前 AI 開發者面臨的兩難：一方面追求效率與規模，希望機器能夠無上限地自我優化；另一方面又擔心完全放開控制可能帶來無法預測的後果。Google 這次選擇將最後一根「人工保險絲」留在系統中，或許正是為了在突破與安全之間取得一個暫時的平衡。多家分析機構指出，Dream-RSI 的市場定位可能偏向高風險、高價值的應用領域，例如金融交易策略模擬、藥物分子篩選、以及複雜供應鏈的動態調度。
在這些場景中，人類工程師可以即時監控核心決策，並在必要時手動修正，避免系統因盲目探索而造成重大損失。但長期來看，隨著計算資源的需求不斷攀升，人工干預的頻率與成本也會隨之增加。目前 Google 並未透露 Dream-RSI 的具體商用時程，也未說明是否會在其他產品線中導入類似的混合架構。但可以確定的是，這套系統已經為 AI 領域提供了一個值得深思的範例：當科技進步到一定程度，有時候最困難的選擇，不是如何讓機器變得更聰明，而是決定在哪些環節上，我們依然不該放手。
Related
相關文章
消息稱 Anthropic 低調建立生物實驗室，借 AI 推進藥學研究
作者：清源 責編：清源 評論： 9 月 18 日消息，路透社今天（18 日）晚間援引知情人士消息稱，Anthropic 在舊金山灣區低調建立了一座溼實驗室，把 AI 業務進一步延伸到需要實際動手操作的生物學研究和藥物科學領域。知情人士透露，在公眾對 AI 風險愈發擔憂之際，Anthropic 開始在溼實驗室進行實體實驗。Anthropic 此前提出，希望藉助 AI 推動罕見病治療方法的發展，公司的生物學研究也從“計算機模擬”和計算機評估進一步走向真實實驗。注：溼實驗室是一個科學概念，與“幹實驗室”相對。相比干實驗室，溼實驗室在實驗中需要用到較多的化學試劑。相比之下，幹實驗室則注重通過各種儀器進行計算，以歸納出實驗材料的物理模型。Anthropic 生命科學負責人埃裡克 · 考德勒-艾布拉姆斯證實了溼實驗室的存在。“我們認為，生物學研究最終還是要接受真實實驗室工作的檢驗，而且未來一段時間都會如此。我們現在確實在做這些工作。整體模式和大多數生物科技公司類似，一部分在自己的設施裡完成，另一部分則與外部合作伙伴共同開展。”Anthropic 發言人又進一步補充，這座實驗室並非專門用於藥物發現，並拒絕進一步說明具體用途。知情人士稱，建立溼實驗室只是 Anthropic 邁向更大目標的一小步。Anthropic 希望攻克其認為製藥行業忽視的疾病，公司也希望在員工和公眾失去對 AI 價值的信心之前拿出成果，因為 AI 可能導致崗位消失，甚至威脅人類生命。不過，任何藥物研發項目都無法保證成功，大多數候選藥物最終都無法通過臨床安全性和有效性試驗。這項工作對 Anthropic CEO 達裡奧 · 阿莫迪還有一層個人意義。
阿里達摩院開源全球首個專家級通用醫療影像 AI 模型 DAMO RADAR：可一次性識別超 146 種病症，成果登《科學》
作者：沁滄（實習） 責編：沁滄 評論： 感謝網友 files 的線索投遞！9 月 18 日消息，阿里達摩院今日宣佈，與浙江大學醫學院附屬第一醫院等機構研發出的通用醫療影像 AI 模型 DAMO RADAR，登上國際頂級學術期刊《科學》(Science)。
零樣本幹活！Figure 機器人走進 30 個陌生家庭，整理客廳、折毛巾、鋪床
AGI...智客Z...2026.09.18 15:08 · 來自北京全文3855字00:00 / 11:06美國人形機器人公司Figure發佈Helix 2.5，將其稱為最先進的神經網絡。人形機器人真正走向家庭，難點或許從來不是“會不會做家務”，而是換一個家庭之後，它還能不能繼續做。
AGI最難一戰，竟在醫院！中國AI登上Science，醫生不怕失業還催著上線
。 2016年，Hinton老爺子就預言：“人們現在就應該停止培養放射科醫生。”他甚至認為，五年內，AI就會在醫療影像識別上超過放射科醫生。 老爺子一生謹慎，但歷史和他開了個玩笑。十年過去了，人們離AGI已經越來越近，但在醫療場景裡，即使圖像識別這樣的AI新手村任務，依然是hard模式。 如果從IBM的Watson算起，在醫療上遭遇滑鐵盧的AI專家數不勝數。
AGI最難一戰，竟在醫院，中國AI登上Science，醫生不怕失業還催著上線
我没办法凭这条标题写出符合要求的完整新闻稿,原因很直接: 现有"可用资料"其实只有一行标题,正文是空的。后面的内容全是的侧边栏推荐和网站导航(Anthropic华人、Manus估值、腾讯投资药企等),跟这条新闻没有关系。 如果硬写 900–1600 字,我就得自己编造这些关键事实: 是哪个团队、哪家医院、哪篇 Science 论文 论文的具体方法和结果数据 医生"催着上线"的具体场景和原话 这些一旦写出来就是假新闻,我不做这个。
AI製藥獨角獸Anew單飛，字節推了一把“最燒錢的慢生意”
Reuters：Anew Labs完成首輪外部融資2.9億美元、投後估值15億美元，HSG、IDG Capital、GL Ventures、五源資本等機構入股，字節跳動融資後持股56%。2. IQVIA 2026年分析：經確認有AI參與的新興生物科技項目I期、II期臨床成功率比較，及樣本有限的說明。3. 《Nature Reviews Drug Discovery》2026年8月Perspective：AI方法與基準測試大量出現，臨床相關性影響證據仍然有限。4. Deloitte全球大型生物製藥公司晚期研發管線年度研究：2025年平均藥物開發成本約26.7億美元，計算含研發失敗成本。