DeepMind首席战略官：递归自我改进是万亿AI基建投资的核心逻辑

Google DeepMind 首席战略官 Jasjeet Sekhon 在加州大学伯克利分校 RDI 活动中发表演讲，阐述了当前行业数千亿美元级 AI 基础设施资本开支背后的理论支撑与投资逻辑。

• 指出当前全球对算力与数据中心的高额资本投入，核心建立在对“递归自我改进”（Recursive Self-Improvement）机制能够实现的假设之上。
• 若递归自我改进路径成立，模型在代码、推理与自我优化上的迭代可能带来超指数级的系统能力增长，突破常规扩展规律的边际递减效应。
• 当前的基础设施建设本质上是在为验证这一自我改进闭环提供必要的算力冗余与工程试验环境。
• 影响/看点：该观点清晰界定了头部机构进行高强度基础设施投资的理论前提，如果未来在算法自进化与数据闭环上未能取得实质验证，高额资本开支可能面临回报周期显著拉长与估值重构的压力。
• 资料依据：
• X：Rohan Paul（2026-09-13）：https://x.com/rohanpaul_ai/status/2098962521160065228

本内容由 AI 生成，仅供参考，请注意甄别