跳到正文
Koji楊遠騁(youtube.com)· 楊遠騁·· 14 天前品質評分58

【十字路口】【年終覆盤②】RSI 可能是 NeoLab 的機會、Personal Agent 真的有用、創業要造滅火器還是磚頭?|對話穀雨:AI 帶給我的 10 個 Aha Moments【影片播客】

【十字路口】【年終覆盤②】RSI 可能是 NeoLab 的機會、Personal Agent 真的有用、創業要造滅火器還是磚頭?|對話穀雨:AI 帶給我的 10 個 Aha Moments【影片播客】

重點導讀

穀雨認為電腦操作層問題已解決、AI 轉向持續學習的認知層,學術體系崩塌後創業應與市場閉環,並預測明年將出現 RSI 公司與前沿模型。

AI 伴隨問答

自備 Key 深度分析

針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:

Podcast 專家音訊節目

收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情

正文

NeoCognition 聯合創始人穀雨認為,2026 年最值得注意的變化是「人類智力不再稀缺」——數學、編劇、學術評審這些過去靠腦力定價的工作,正被模型快速接管,而創業公司反而因為沒有歷史包袱,在 RSI(遞迴自我改進)這條路上出現了機會。這期年終覆盤由主持人楊遠騁引導,穀雨逐條講述他今年的十個 Aha Moments,內容主要落在四塊:模型能力對研究與產品判斷的反覆打臉、NeoCognition 做 continual learning 與 Apprentice Bench 的具體思路、學術評價體系與創業融資環境的變化,以及 AI 影片與 Personal Agent 的產品觀察。標題裡的 RSI 只佔開場約五分鐘,全片重心其實是「哪些過去的判斷被推翻了」。

穀雨是南京大學本科、俄亥俄州立大學博士,師從蘇玉,團隊此前做過 MMMU、Mind2Web、AgentBench 等被 OpenAI、Anthropic、Google 發模型時引用的 benchmark;NeoCognition 目前 17 名全職加 4 名實習生,已完成 4000 萬美元種子輪,即將啟動 A 輪。他同時是播客《不著邊際 Ungrounded》的聯合發起人。讀完這份簡報,你應該能拿到他對 RSI 機會的完整邏輯、Apprentice Bench 的設計動機與分數現狀、他對 continual learning 判斷的兩次反轉,以及他對明年模型關鍵詞的預測。

創業公司做 RSI 的機會,來自大廠的基礎設施包袱

穀雨說他上個月還公開表示搞不懂為什麼會有創業公司去做 RSI,最近被 Recursive 和 Mirando 的發布打臉。他原本的邏輯很直接:RSI 本質是模型競賽,要追最前沿的模型廠,而除了 OpenAI 和 Anthropic,其他模型廠追了這麼久都還在後面;其次要做 RSI 得先有自己的模型當起點。這兩點他自認當時「非常天真」。

轉變的關鍵論點是:當 AI 的研發能力(寫 training infra、寫 training recipe)超過人,大模型公司過去累積的 infra 和 recipe 反而變成累贅。他舉了一個具體例子——國內某家模型廠的朋友告訴他,他們知道 OpenAI 的 score centering 有用、用了可能提一兩個點,但適配自家 infra 的代價太大,所以不願意做。從零開始的 startup 沒有這種負擔,recipe 和 infra 隨時可以迭代、可以丟掉,因此可能有更大的加速度。

代價是錢。走 full stack 模型訓練需要大量資源,Recursive 和 Mirando 確實拿了很多錢。穀雨點名看好 Recursive、Mirando,以及 GFDN、Discovery Loop,並提到 Mirando 有一個人花三個多月訓出的 pre-training model 比 K3 還強。他對明年的預測之一,就是會出現一個來自 RSI 公司、至少達到前沿水準的模型。

Computer use 的操作層已基本解決,難點轉到認知層

穀雨說,去年團隊還在談 computer use 的泛化性和可靠性問題,從 2025 年底到 2026 年初,大家發現操作層面的問題基本解決完了,很大原因是 coding 的訓練規模上去後泛化到了軟體與網頁操作。他形容現在是「手已經基本解決了」,下一步是 cognitive level——模型知道怎麼操作,但不知道一件事在特定公司裡該怎麼處理,例如各家內部的業務流程。這已超出 computer use 的範疇,屬於 OS model,但最終仍要落到與軟體、網頁的互動上。

這對 NeoCognition 是一次直接的打臉。公司剛成立時花了幾個月解決 reliability:讓 agent 做幾次、挑出做對的那次、封裝成 reusable skill,還搭了一整套 pipeline。現在發現完全不需要——讓 Opus 5.5 自己實現流程就很快,而且過程中會自己糾錯。

Apprentice Bench 測的是「邊幹邊學」,不是單題難度

NeoCognition 做 continual learning,要解決 agent 部署後在生產過程中持續迭代自己的問題,而市面上沒有現成 benchmark 能評估它,於是定義了 Apprentice Bench。場景選在建築行業的會計報帳,共 100 道題,每題背後涉及不同規則:公司 convention、特定 workflow、特殊審批流程。

最關鍵的設計是這 100 道題不獨立,必須按 stream 連續做。前面題目得到的反饋和學到的知識,是解後面題目的前提,因此它衡量的是持續學習,而非單題能力。穀雨說,現在很多宣稱做 long context agentic tasks 的 benchmark 有一種 bias:去找一堆特別難、一個人要做半天的任務。他認為這有兩個問題——難以 scale up,且方向錯了。他對長程的預期是量變引起質變,最終得到 lifelong intelligence:

真正的長程不是說一個會計一個帳他給你報一個星期,而說一個會計從這個一個菜鳥公司菜鳥員工變成這個公司的這個老員工,這個幾個月或者一兩年的過程,這個才是真正的長程。

分數現狀與刷分難度:

專案情況
第一版最強模型(Claude 最強模型)約 80 分
後續版本很快會發,最強模型分數會低很多
題目是否公開未公開,無法針對性刷分
刷分的意義測的是 meta level 的持續學習能力,針對特定公司規則刷題對模型沒有好處

團隊過往的 benchmark 履歷包括 MMMU(多模態,OpenAI、Anthropic、Google 發模型時預設使用)、Mind2Web(2023 年 5 月發布,LLM 時代最早的 computer use / web agent benchmark 之一,其變體 Online Mind2Web 同樣被三家引用),以及與清華合作的 AgentBench(LLM agent 時代早期的工作,主要貢獻在任務 formulation 與資料、任務分佈資源)。

三次被 scaling 打臉:數學、memory notes、formal verification

穀雨把幾個 Aha Moment 歸到同一條線:他過去認為某些事情需要工程手段或新範式才能解決,結果模型規模一上去就解決了。

數學方面,2024 年他認為數學能做成是因為有 Lean 這類 formal verification 提供訊號,否則用 LLM 訓練 LLM 是「左腳踩右腳」,上限不會高。結果 2025 年透過 informal 方式已能拿 IMO 金牌,2026 年更進一步,千禧年問題開始被一個接一個解決。他承認這是認知不足,並同意這是 bitter lesson——還是要相信 scaling。談到做數學的人因此陷入虛無主義,他表示理解:「本來他們是這個世界上最聰明的一群人,做的是這個世界上對智力要求最高的一件事,結果智力突然變得不重要了。」他認為數學以後可能像棋類運動一樣,成為人類挑戰自身智力極限的活動。

Continual learning 方面,他 2026 年上半年還在到處演講,說基於寫 memory notes 的方式做 continual learning 肯定不靠譜,理由是 rewrite memory notes 不是可靠的 optimization algorithm。結果發現繼續訓練還是能行,這條路的上限被低估了。他補充,memory notes 很大程度上被模型自身能力 bottleneck 住,模型越強上限越可觀;但到目前為止,這方面真正比較強的只有 Anthropic 和 OpenAI,其他家都不行。他也提到,能提升 continual learning 的資料,最重要的是讓模型更好地寫 memory notes 的資料,OpenAI 和 Anthropic 各有自己的 recipe,但都不成熟,NeoCognition 自己也還在探索。

論文投稿體系已經崩塌,學術聲望的定價正在鬆動

穀雨說這個趨勢 2023 年就有,到 2026 年臨界點到了:評價體系、投稿系統、會議系統徹底崩塌。他個人已經一年半沒投過任何論文,半年多沒審過稿、沒擔任過 AC,理由是優先順序不高,且大量 aslop 灌水讓這些服務對他的時間不夠尊重——當 AC 審一個 batch 十六篇,真正拿得出手的可能就一兩篇。他認為現在很難再用論文考核人。

NeoCognition 招人時更多看聊的情況和研究 presentation:邏輯表達、QA 反應、對問題的理解。他認為真正好的評估是門檻夠高的同行評議,類似美國院校招聘的 job talk——由資深教授判斷這個人本身怎麼樣,而不是現在這種本科生也能當審稿人的投稿流程。他判斷新體系的建立有滯後性,中美學術圈都還在按慣性走,結果是進大學當教職的優先順序在下降,AI 領域尤其明顯,原因是機會和錢:去 frontier lab 或 startup 賺得多、資源多,在學校待遇和資源都差很多。

他對這件事的判斷相當激進:

我說這個可能十年之後教授的社會地位不如夜店的男模。

他解釋這不是玩笑,而是認真的社會地位判斷:人類智力值錢並不是一個很長久的事,進入現代文明前體力更值錢,機械時代到來後體力貶值、腦力升值,而 AI 是數字世界的機器,腦力也會貶值,短期內情緒價值最難被取代。被問到 PhD 還值不值得讀,他拒絕給建議:「自己想清楚就行」,並認為「想做一件事去做就是一種理性」。

學術團隊創業要交的學費:從造滅火器到賣磚頭

穀雨說團隊在蘇玉帶領下,學術界口碑好,很大程度是因為 vision 和 taste 不錯,從不「拿錘子找釘子」——不會先想一個演算法再找問題寫 paper,而是從 fundamental 的技術問題出發。但放到創業上,他發現自己成了 solutions in search of problems 的人。原因是學術研究只要在技術體系內自洽閉環就行,startup 光自洽是自娛自樂,必須和 market 一起完成閉環,要想這些 fundamental problems 能解決別人什麼問題、帶來什麼商業價值。這是過去幾個月到一年交的學費。

具體投射到業務上,就是發布標準太高:總要 release 一個自己特別滿意、特別 solid 的東西,但公司層面有時應該先發不那麼成熟的東西,先把閉環跑起來。他引用一個 VC 的比喻:一個人頭上著火了,不會等你給他滅火器,手頭有塊磚頭也會拿來拍火——而學術團隊一直在造滅火器,別人賣磚頭的已經賣了一百個。他認為馬斯克是 fake it till you make it 的極致。

關於創業動機,他說自己這輩子沒有一秒鐘想過去大廠:不喜歡固定作息,需要靈活性,不需要工作與週末的邊界;需要對方向有 ownership,很難為別人工作;以及對風險沒有概念,不會計較代價。父母對他沒有世俗層面的要求,包括人生節點和結婚,這提供了一定安全感。

錢多到創業變成隨大流,但壓力不在個人財務

穀雨說過去很長一段時間創業是非主流路徑,但過去一年頻繁聽到身邊人說「大家都在創業、我也想去創業」,什麼時候創業成了隨大流的事,這對他是一個很大的 Aha Moment。原因是趨利,市場上的錢確實多。他到 2026 年 6 月才知道國內會投這麼多錢——此前大家的印象一直是矽谷錢更多。對照來看:NeoCognition 做 agent startup 拿 4000 萬美元種子輪,在矽谷已算挺大,因為最常見的種子輪是 500 萬到 1000 萬美元;而國內 2023、2024 年出來的一些很厲害的老師也就拿 500 萬到 1000 萬美元,2026 年上半年卻有 NeoLab 直接拿到 to begin 的估值,甚至到 24 的估值。他推測可能與國內房地產崩了、資金不知去向有關,但表示自己不太懂。

楊遠騁補充,多數創業者不簽回購或對賭,所以壓力不是個人財務上的,更多是「會不會浪費幾年時間」。兩人都認為讓掌握前沿技術的年輕人無壓力地拿到足夠資本去嘗試,對社會是好事。

AI 影片已能生成兩小時一致的長片,觀眾只在乎成品

穀雨說最近幾個月 AI 影片生成達到他也沒想到的高度:能做出兩小時左右、前後非常一致的電影。他在 B 站看一位叫龍小胖的 up 主做的香港殭屍片,把已故演員林正英「搬回來」演一部新片,兩個多小時,人的臉、情節、衣著從頭到尾一致,七八個角色都保持穩定——而大半年前幾分鐘的影片人臉都在不斷變。他是真的把它當電影看,彈幕都在討論劇情,不討論 AI。B 站會標註 AI 創作,觀眾都知道,但不在乎:「最終大家對於一個事情是怎麼產生的可能不是很有所謂,關鍵還是最後的 deliverable 長什麼樣。」

他提到短劇編劇的價格變化:2025 年聽說一個 60 集、每集 1 分鐘的 AI 短劇劇本報價約 7 萬元人民幣,現在 AI 一天能寫一百個。他對 AI 時代價值的粗暴結論是未來人只需要兩件事——審美(決定正確的方向和路線)和美(情緒價值)。他也提到楊遠騁朋友的科幻小說設定:未來人要賣掉記憶換算力,而記憶是訓練模型的資料。

Personal Agent 的門檻在產品設計,不在技術

穀雨認為 Personal Agent 突然起來,技術進步(coding 更強、computer use 更強)只是背景,更關鍵的是兩個產品設計。第一是會話管理:ChatGPT、Claude 那種 session based 的方式不適合助手,你不可能說一件事開一個視窗,得像微信聊天一樣,每個物件一個 persistent 的單獨會話,從頭到尾。第二是擬人化:各家都做卡通形象,例如 Muse 的毛絨形象配合各種 PR,是為了增強人的感覺。他認為 proactiveness 本身不是新技術——OpenAI 年初就有這個 feature,ChatGPT、Claude 的 schedule task 也能做到定時看郵件推送。

他自己在用 Muse 和 Instinct,兩者分工其實都是看郵件、看訊息,因為在國內外賣、訂酒店、訂機票這些服務平臺用不了。他認為看郵件這件事挺關鍵:郵件很多,工具能挑出需要 prioritize 的重點並推送給他。他預期最終會收斂到只用一個,現在試不同產品很大程度上只是嘗鮮。

值得追蹤的訊號

把十條串起來看,穀雨今年的認知反轉幾乎都指向同一個方向:凡是「需要靠人的工程設計去補模型短板」的判斷,事後大多被 scaling 推翻——computer use 的 reliability pipeline、memory notes 不可靠、formal verification 是數學的必要條件,三次都是如此。這對做 agent 產品的公司是一個持續的戰略風險:今天投入的工程護城河,可能在下一代模型發布時變成負資產。他給出的應對是把賭注放在 meta level 能力(持續學習)而非特定任務能力上,這也是 Apprentice Bench 不公開題目、只測 stream 學習的設計邏輯。

兩個未解的張力值得留意。一是他對 continual learning 的樂觀與他「只有 Anthropic 和 OpenAI 做得行」的觀察並存——如果 memory notes 的上限取決於模型本身,那麼做 continual learning 的 startup 在某種程度上是在別人的模型上蓋房子。二是他預測明年會出現 RSI 公司的最強模型,同時又說這個領域需要大量資金,而他自己公司的 4000 萬美元種子輪在這個賽道裡並不算多。他給出的明年關鍵詞是 continual learning,時間視窗大約到 2027 年下半年之前;再往後的判斷,他自己也承認在模型以「週」為單位迭代的節奏下,一年的跨度已經非常長。

來源: Koji楊遠騁 (youtube.com)
開啟原文

讀者討論

理性交流 · 即時討論