Sakana AI为机器人自主学习的"物理AI"引入递归自我改进

一家以鱼为名的AI公司转向机器人领域

Sakana AI于2026年8月10日通过社交媒体宣布，将把机器人和现实世界AI，即"物理AI（Physical AI）"，作为公司下一个研究方向。该公司表示，将扩展现有的RSI Lab，打造一种世界模型，使智能体推理系统能够自主提升模拟、规划并执行现实世界任务的能力。在同时发布的言论中，该公司表示："日本引发了机器人革命。"

由于消息是通过一条推文公开的，具体的模型名称、投资规模、发布时间等细节计划尚未披露。不过，该公司希望将研究组织重新调整的方向，读起来相对清晰。

Sakana AI是一家什么样的公司

Sakana AI是2023年在东京成立的初创公司，据悉由曾在Google Brain工作的研究人员创立。公司名称"Sakana（魚）"意为"鱼"，其理念是不追求把单一模型做得庞大，而是让多个小模型像鱼群一样协作解决问题。这种方式与该公司一直以来强调进化算法和受自然启发的学习方法的风格一脉相承。

RSI：自我修正的AI

递归自我改进（Recursive Self-Improvement，RSI）指的是AI系统评估自身能力，并自主修正学习方式或结构的过程。其理念是，系统无需人工每次手动设计新数据和新架构，而是能够自行发现自身弱点并反复进行改进循环。迄今为止，这类讨论主要集中在处理文本和代码的语言模型领域。评估与改进的对象大多停留在数字空间内，例如提高基准测试分数或提升代码审查准确率。

Sakana AI所说的物理AI，是提议将这一循环扩展到现实世界。其构想是：让机器人在抓取物体、行走、应对意料之外的摩擦或震动等过程中产生的数据被重新吸收进学习中，从而同步提升模拟能力和实际行动能力。

世界模型的作用

世界模型（world model）是指在内部预测环境将如何变化的模型。自动驾驶汽车预测下一时刻的道路状况，或机器人手臂在物体脱落时计算应以何种姿势重新抓取，都会用到这类模型。Sakana AI似乎正试图将这种世界模型与智能体推理系统结合，构建一种循环结构：让机器人先在虚拟仿真环境中预先练习大量场景，再在真实环境中进行验证。

分类	现有语言模型的自我改进	物理AI的自我改进
学习数据	以文本、代码为主	仿真数据、真实传感器数据
评估标准	基准测试分数	机器人动作成功率、安全性
代表性难题	幻觉（生成与事实不符的回答）	违反物理法则、传感器噪声

为何选择机器人领域

日本被认为是在工业机器人和自动化设备领域拥有长期技术积累的国家。Sakana AI试图将自己定位为日本机器人传统的延续，这一表态也与这一背景不无关系。近来在全球AI行业中，"物理AI"这一说法也频繁被使用，反映出AI正从语言和图像领域，扩展到在真实物理空间中运作这一趋势正在成为主流概念。

那么会带来什么变化

此次发布更接近于一次研究方向的宣示，而非产品或已完成的模型。但可以将其解读为一个信号：此前主要围绕语言模型展开的"自我改进"讨论，正在扩展到机器人的物理行动领域。在AI竞争重心从"擅长写文本"向"擅长处理物体"转移的浪潮中，Sakana AI又将自己的名字添加了进去。具体成果将以何种形式、在何时问世，还需等待后续公开的资料才能确认。