GEIA行业群
加入GEIA具身智能行业群，请添加微信18916565701，主动出示名片，仅限具身智能及机器人产业链相关企业。
120+具身智能与人形机器人行业报告合集~ 转发本文章至朋友圈截图发给GEIA小助理即可免费领取~ 文末添加小助理微信！
年度产业观察特辑
三个月，近4亿：一个27岁助理教授的AI科研赌局
产业趋势 · 深度对话 · 关键洞察
这家公司2026年6月才成立，满打满算三个月。创始人27岁，今年8月才到清华大学人工智能学院报到。它做的是一种能自己搞科研、自己改自己的大模型——今年5月，系统一口气自主写出34篇论文投给ACL。三个月，近4亿，十家机构。凭什么？
专题 · 转向
一个力学学生的转向：“The party is over”
陈勇超不是一开始就做AI的。
2017年他考入中科大工程科学学院，学的是理论与应用力学。那几年他频繁换方向，力学、金属材料、核聚变都进过实验室。换得越多，他越觉得传统学科进入了缓慢的爬坡期——剩下的问题越来越难，边际成本越来越高。他用一句话评价自己研究过热的高能物理：“The party is over。”
他想找下一个朝阳领域。判断标准有三条：兴趣、影响力、以及这个领域所处的阶段。“我更喜欢处在朝阳期或高速上升期的领域，因为可以做的事情更多，个人可能产生的贡献也更大。”
转折是GPT-3。早期的GPT-3并不好用，错误百出，但陈勇超注意到它的泛化能力和传统算法完全不是一个物种，更重要的是，它的每条缺陷都有清晰的改进路径。“这种虽然不完善，但能看到清晰改进空间的状态，让人看到希望。”
到哈佛和MIT读博后，他的研究从机器人、人机交互一路转向NLP和大模型。AutoTAMP、TravelPlanner、TUMIX，他的工作发表在ICLR、ICML、ICRA这些顶会上，开源模型在HuggingFace上累计下载超过50万次，多次被MIT News和《麻省理工科技评论》报道。去年在谷歌实习，他以第一作者参与的TUMIX，让Gemini-2.5-pro在高难度基准HLE上的得分从21.6%提到34.1%。
也是在那段实习前后，他下了创业的决心，说法很简练：“微软让我想创业，谷歌让我知道创业要做什么。”在微软研究院，他发现身边本该去发论文、找教职的人都在讨论创业；在谷歌，他第一次近距离接触auto research、AI scientist——让AI自己去探索新知识，再用研究结果改进AI自己。
但2025年夏天，他还觉得模型能力撑不起这件事。真正的拐点是2025年底到2026年初，推理、工具调用、自主研究能力接连跳变，再加上今年2月Claude Opus 4.6发布，他自己上手一试，判断变了：“就是那种已经在起跑线上、还能往上推一把的感觉。所以这次我就不再犹豫了。”
回国后的节奏可以用疯狂形容。公司三个月凑起近30人的团队，成员来自清华、北大、哈佛、MIT、密歇根，履历表上还有Google、微软、亚马逊。创业改变了他的作息，他每天睡前要检查一遍有没有漏回的消息——“所以很多人会在午夜收到我的回复。”
⏰️与具身智能赛道的一线创业者、投资人深度交流，扫码报名GEIA具身智能与人形机器人创新周【北京站12.9-12.11 】↓
专题 · 技术
让AI写论文，只是敲门砖
超衍押注的方向有个学术名字：Recursive Self-Improvement，递归自我改进，简称RSI。
这个想法一点不新。1965年，英国数学家I.J.古德就提出过“智能爆炸”：如果一台足够聪明的机器能设计出更聪明的机器，智能就会进入自我加速的循环。此后六十年，它基本只存在于论文里。
陈勇超自己趟过前两代的坑。2023年，业界的做法是让大模型自己优化提示词和智能体，他也做过相关工作，很快撞上墙——优化到一定程度，分数再也不动了。2024年，日本Sakana AI推出“AI科学家”，能自动写论文，验证了方向可行，但产出只够workshop水准，离顶会很远。
他现在做的事，换了个底层思路：不再是在模型外面套工具、调提示，而是回到训练本身，让模型学会做研究，再把做研究的过程变成训练下一代模型的原料。
具体的循环是这样设计的：模型完成一次真实研究任务，从提问题、立假设、调工具、改代码，到实验失败、调整方案，留下完整的研究轨迹；这些轨迹经过筛选和验证，转成新的训练数据，再喂回去训练模型；能力变强的模型接着挑战更难的问题，产生下一轮轨迹。研究本身，从考试变成了教材。
跑在最前面的产品叫Apex Research。从一个研究方向出发，它能自主完成文献调研、方法设计、写代码、跑实验、画图表、写LaTeX论文，再自我审查迭代。
34篇
AI自主完成的机器学习论文
今年5月，以正常双盲方式投给ACL Rolling Review，其中两篇的评审分数超过了大约99%的人类投稿。
今年5月那场实验是它目前最硬的一次亮相：34篇由AI自主完成的机器学习论文，以正常双盲方式投给ACL Rolling Review。7月结果出来，8篇论文的平均初审分超过3分，其中两篇达到3.67。陈勇超拿自己做了标尺：“我读博的时候投ACL，只有一次的平均分大概是3.7，剩下几次都低于3.7。”按团队对ARR历史评分的统计，99%的人类投稿到不了这个分数。
在数学方向，公司和清华交叉信息研究院张景昭合作，让这套系统做纯理论研究。陈勇超本人8月的说法是：AI改进了该领域过去十几年的一个主流认知，数学家反复验证后认为证明成立，论文已经写好、即将投稿。公司融资通稿用了更重的表述，称系统“完整证明了悬置三十余年的优超猜想”。在AI for AI方向，公司通稿还列出SimpleTES、NanoChat Autoresearch、GPUMode TriMul和MLS-Bench四个基准，称成绩刷新或逼近公开最优，超过了Recursive Superintelligence、腾讯混元以及斯坦福、NVIDIA参与开发的方案。
为了解决“怎么考AI会不会做研究”这个问题，他还拉着清华、MIT、哈佛、卡内基梅隆、中科大和微软研究院的研究者一起做了ASI-Bench：60个项目级任务，覆盖11个科学领域，从B1到B4逐步抽走人类给的方法提示，最难的一档，只给研究目标、数据和约束，让AI自己选路。
长期愿景说得很大：一个整体科研能力相当于并逐步超过10万名各学科顶尖AI科学家的“AI研究者网络”。陈勇超自己的判断是，这个方向瞄准的不是效率优化，而是研发范式的重构：“我对RSI最大的热情，不是卷存量，不是替代人，而是在创造增量。”
我对RSI最大的热情，不是卷存量，不是替代人，而是在创造增量。
—— 陈勇超
专题 · 资本
股东名单里，为什么有一家港股上市公司
近4亿天使轮的名单，值得多看一眼。它不是清一色财务投资人，而是“美元老钱+国家级基金+产业方”三方同台。
IDG资本是中国创投史上绕不开的名字；深创投、中关村科学城基金、上海未来产业基金三家国资，分别代表深圳、北京、上海三个AI产业最重的城市，在天使+轮一起出现，本身就是一种态度。
最特别的是晶泰科技。港股代码2228，AI制药第一股，2024年6月以18C规则登陆港交所，由三位MIT博士后物理学家2015年在深圳创立，干的事是用AI加机器人自动化实验室做药物和材料研发，全球前20大药企里16家是它的客户，在深圳、上海有超过一万平方米的湿实验室。2026年上半年公司营收3.94亿元，其中AI4S业务收入1.94亿元，同比增长136.4%。
晶泰科技关键数据
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
换句话说，超衍在数字世界里训练AI科学家，晶泰在物理世界里养着100多个新药和新材料发现项目、每月产出几十万条真实实验数据。今年7月29日，晶泰发布XtalPi Science科研操作系统，牵头联合27家机构成立科学智能开放生态联盟，超衍就是首批成员，发布会上展示的正是它那34项自主研究。晶泰董事长温书豪的判断是，AI4S是AI编程之后的“核心下半场”，科研场景会率先实现物理AI的规模化落地。
这正是这轮融资里产业资本的分量：超衍训练出的AI研究员，需要实验室去验证“想法对不对”；晶泰的自动化实验室，恰好是那个物理世界的裁判。一个出脑子，一个出实验台。
星连资本主管合伙人张鸣晨的背书讲得很直白：大模型下一阶段不只是继续scaling参数和数据，而是scaling experience、feedback和discovery，让AI真正进入研发过程。他评价陈勇超是“非常年轻的researcher founder”，既站在模型、智能体和AI4S的前沿，又有把前沿研究变成真实系统的工程执行力，“他选择的不是一个容易的问题，而是一个足够长期、足够重要的问题”。
钱的去向也对应这三个词：基础模型和算力基础设施、递归研究能力、招人。这是一个算力即兵力的赛道，陈勇超自己在演讲里说过一句冷静到有点残酷的话：“现在的研究是掌握在高智商的人手里。但以后的研究，可能是掌握在算力比较多的人手里，或者钱比较多的人手里。”
商业化的入口他已经圈定：芯片设计与仿真、分子研发、量化策略迭代——共性是研发流程可结构化、结果可度量，以及高价值、高人力密度、高试错成本。
专题 · 竞赛
和Jeff Dean同题竞赛，三道关还在前面
陈勇超8月8日在Link-X演讲时提到一个细节：就在几天前，谷歌传奇工程师Jeff Dean宣布离职创业，方向也是RSI。“这跟我们做的几乎一模一样。”他说。
这不是攀比，是一场全球竞赛刚刚发令。今年5月，前Salesforce首席科学家Richard Socher创立的Recursive Superintelligence结束隐身，6.5亿美元融资、46.5亿美元估值，GV、英伟达、AMD进场，首席科学家是前Meta FAIR研究员田渊栋，目标是先做出“5万名博士”的自动化科研系统。8月5日，在谷歌待了27年的Jeff Dean联合Sanjay Ghemawat、Quoc Le、Oriol Vinyals创办Discovery Loop，消息当天Alphabet股价跌超4%，市值蒸发约1800亿美元，而谷歌自己反而成了种子投资人，送上巨额算力额度。日本Sakana AI专设RSI实验室，去年B轮融了320亿日元；Anthropic发了长文《When AI Builds Itself》，OpenAI把翁荔请回去挂帅RSI专项，今年4月ICLR第一次为RSI单独开了Workshop。
海外媒体的判断是：中国此前还没有一家RSI方向的明星商业公司。超衍这轮近4亿，卡位意味就在这里。
但冷水必须泼。
先说论文。分数不等于录用，猜想证明也还没过同行评审。34篇投出去的是双盲稿件，3.67是评审给的初审分，不是录用通知；数学方向的成果，按陈勇超自己的口径还“即将投稿”。分数和录用之间、证明和见刊之间，本身就是需要时间填平的距离。普林斯顿两位教授今年做过一个著名实验：给AI 300美元额度独立写前沿论文，结果盲审全部拒稿——没有真实实验数据锚定，系统会编造看似显著的结论。
注意
分数不等于录用。34篇投出去的是双盲稿件，3.67是评审给的初审分，不是录用通知；数学方向的成果，按陈勇超自己的口径还“即将投稿”。
再看技术本身。连Anthropic都承认，真正意义上完全自主设计、开发下一代系统的RSI还没有实现。今天业界大多数“自进化”，距离能持续改进、跨任务泛化的开放式系统还有明显距离。RSI有个内在风险：模型会围绕评价指标疯狂优化，一旦指标本身有偏差，递归循环会把偏差成倍放大。这不是多烧卡就能解决的问题。
最现实的还是账本。公司成立三个月，没有收入，近4亿人民币听着惊人，但对照Recursive的6.5亿美元和Jeff Dean背后的谷歌算力，仍是轻量级。学术信仰、论文声誉和算力账单之间，这家年轻公司要走的路比融资新闻长得多。27岁的助理教授同时经营一个近30人的战斗团队，也是一场超长的自我管理实验。
但陈勇超赌的是时点。他说第一代大模型替代白领，具身智能替代蓝领，而ASI要替代的，是人类最顶尖的科学家——“由人类教出来的模型，天花板就是人类自己……真正的智能，上限只能由客观世界来定义。这个时刻早晚会到来，我们要做的，就是让它更快到来。”
九年前，一个学力学的中国学生在GPT-3笨拙的错误里看见了“清晰改进路径”；九年后，他想教会AI自己看见这条路。科学史上最稀缺的从来不是聪明人，而是相信派对刚开始、并且愿意最早进场的人。
这场竞赛，中国终于有人坐在牌桌上了。
既然看到这里了，如果觉得有用，随手点个赞、在看、转发三连吧。
THANKS FOR READING
|
|
|
GEIA Asia 2027华东站： 4.14-4.16，上海 |
GEIA Europe 2027欧洲站： |
|
|
GEIA ASEAN 2027东南亚站： 10.21-10.23，曼谷，泰国 |
GEIA China 2027华北站： 12.8-12.10，北京 |
|
温馨提示：加入GEIA具身智能行业群，请添加微信18916565701，出示名片，仅限具身智能及机器人产业链相关企业。