Sakana AI 把自进化 AI 推进物理世界：RSI Lab 扩建，招人，不靠堆算力

8 月 10 日，扩展其递归自我改进（RSI）实验室，下一站是 Physical AI。原话是：构建"世界模型，让智能体推理系统能够递归自我提升在现实世界中模拟、规划与行动的能力"。

同日，该公司开放了东京的全职和实习岗位申请。招聘页面列出了 RSI Lab 的四个研究方向，其中第二个就是"构建可作为智能体推理与规划之可验证模拟器的世界模型"。

这是继今年 6 月 RSI Lab 正式成立以来，Sakana AI 第一次为它划定具体的物理世界目标。没有论文，没有 demo，只有一个方向声明和一封招聘帖。

一个招聘帖，两类人在转发

Sakana AI 的研究员、IT 哥本哈根大学教授在官宣 6 分钟后转发了帖子，附了一句："来和我们一起把 RSI 带进物理世界。全职和实习都有。"

另一位引用者、韩国开发者的评论角度更尖锐："物理 AI 是自进化不再只是一个抽象威胁的地方。一个能重写自己奖励循环的模型可以被审查、回滚、沙盒化。一个有身体的机器人做同样的事，它有身体、有地板、每次犯错都有代价。"他认为日本推这个方向的独特之处在于：日本社会对日常生活中的机器人容忍度更高，这种"失败容忍曲线"的差异本身就是产品。

在当天刊发的一篇快评中做了更冷静的拆解。它指出，岗位描述在四个方向上押注，但没有披露薪资、团队规模，也没有说明谁在负责日常运营。

AI Weekly 的结语是："如果 Sakana 能把这轮招聘转化为两三篇'小模型、大结果'式的论文，它在日本和世界模型上的地理赌注才真正变得有意思。目前它还是一个观点鲜明的招聘页面，附在一个尚未以新旗号发表成果的实验室上。"

社区层面的反应安静得多。原帖截至当日收获了约 170 个赞和 18 次转发，评论区只有零星几条支持性留言。

六天前，他们刚刚加入了机器人协会

Sakana AI 这步棋不是突然下的。

8 月 4 日，该公司正式成为一般社团法人 AI 机器人协会（AIRoA）的正会员。帖子明确写道："作为 RSI Lab 工作的一环，我们将与 AIRoA 合作，推进世界模型和 Physical AI 的研发。"这条帖子获得了 280 个赞和 30 次转发，热度明显高于今天这条。

再往前两个月，6 月 5 日，Sakana AI 联合创始人兼 CEO David Ha 正式宣布 RSI Lab 成立，定位是"构建开放、自适应的 AI 系统，让它们集体自我改进"。RSI Lab 不从头起步，它建立在 Sakana AI 过去两年的研究之上：（2024）、Darwin Gödel Machine（2025）、ShinkaEvolve（2025）、ALE-Agent（2025）、Digital Red Queen（2026），以及今年 3 月 26 日发表在 Nature 上的 The AI Scientist。

这六天内的两个动作，加入 AIRoA 和宣布 Physical AI 方向，是一套组合拳。加入协会给了 Sakana AI 与日本机器人产业的实际接口；扩建声明则向全球人才市场发出信号：RSI Lab 不只是做代码自我改进，它要进物理世界。

与此同时，Physical AI 是整个 2026 年最烫的赛道。，一个开放的物理 AI 世界基础模型，CEO 黄仁勋称"物理 AI 大爆炸"即将到来。7 月，NVIDIA 又宣布与日本多家机器人制造商合作，利用 Cosmos 构建定制世界模型。Sakana AI 在此时喊出"Physical AI"，既是在跟风，也是在用 RSI 的独特叙事挤进一条已经拥挤的赛道。

世界模型要成为「可验证的模拟器」

Sakana AI 对世界模型的定义，藏在的一段话里："构建可作为智能体推理与规划之可验证模拟器的世界模型。"

"可验证"（verifiable）是这个短语里最重的词。它意味着这个模型不能只是生成一段看起来合理的未来视频，它必须能预测行动后果，而且预测必须可以被事实检验。这和 OpenAI Sora、NVIDIA Cosmos 走着不同的路线：后者追求的是视觉保真度和生成能力，Sakana 追求的是因果精确度。

RSI Lab 的招聘描述列出了四个研究轨道。第一条是"发现能弯曲扩展曲线的基础机器学习新定律"，这是 RSI 的核心：让 AI 找到更高效的训练方法，而不是堆更多 GPU。第二条是世界模型。第三条是"将开放式进化动力学应用于高风险算法领域，如网络安全"。第四条是构建 RSI 循环的系统基础设施。

这四条轨道的共同线索是效率。中反复强调：ShinkaEvolve 只用 150 个样本就解决了蛮力搜索认为难以解决的问题；ALE-Agent 靠从失败中提取结构化教训而非燃烧推理算力，击败了 804 名人类参赛者。"我们不是在建造最吃算力的自进化引擎，而是在建造最高样本效率的那一个。"

这种对效率的执念，很大程度上来自日本的现实约束。Sakana AI 在公告页中写得很直白：前沿 RSI 几乎只发生在全球最大的两个计算集群内部，日本的计算规模在超大规模云厂商面前是中等水平。在这种环境下，计算高效的自进化不是偏好，而是结构性的必需。

NVIDIA 已经把物理 AI 炒到沸腾

Physical AI，即让 AI 系统在真实世界中感知、规划和行动，而不只是在屏幕上生成文本和图像，是 2026 年全球 AI 产业最大的共识之一。

NVIDIA 是这个赛道最大的推手。5 月 31 日，NVIDIA ，一个基于混合 Transformer 架构的开放世界基础模型，覆盖视觉推理、世界生成和动作预测。7 月，NVIDIA 进一步宣布与日本多家机器人制造商合作，将 Cosmos 平台引入日本的物理 AI 生态。

Anthropic 则，认为自进化系统一旦实现，AI 可能比现有监管机构反应更快地推动自身发展。

在这个格局里，Sakana AI 的 RSI Lab 占了一个小但独特的位置。NVIDIA 做的是通用世界模型平台，Sora 用世界模型做视频生成。Sakana 的赌注不同：让 AI 系统自己学会在物理世界中模拟、规划和行动，并且这种能力可以自我改进，一代比一代强。

Sakana AI 今天没有发布任何模型、数据或 demo。它揭开的只是一面旗帜。RSI Lab 自 6 月成立以来，尚未以新旗号发表过一篇论文。AI Weekly 的评价很准：如果 Sakana 能把这轮招聘转化为两三篇"小模型、大结果"式的论文，地理赌注才真正成立。

不赌算力，赌进化效率

Sakana AI 从 2023 年成立起就一直打同一张牌：用进化算法和集体智能替代蛮力扩展。公司名字"鱼"（Sakana）本身就指向鱼群行为和集体智慧。联合创始人 Llion Jones 是 Transformer 论文"Attention Is All You Need"的作者之一，David Ha 曾在 Google Brain 和 Stability AI 工作。

把同样的哲学带进物理 AI，逻辑上是通的：如果自进化系统能在代码空间里找到人类工程师想不到的优化路径，那么把它们放进物理模拟器里，让它们自己发现更好的行动策略，理论上是同一个范式。

但从"理论上通"到"产品上跑通"，中间差着若干篇论文、若干次失败，以及一个能从东京吸到全球顶尖人才的招聘周期。今天的这封帖子，只是第一步。