MakerMaker.AI，2026-10-12）¶

嘉宾：Dhaval Adjodah 与 Owen He（MakerMaker.AI 联合创始人；节目简介给出二人全名与 LinkedIn）
主持：Martin Casado（a16z 普通合伙人）
来源：YouTube · 32 分钟（英文自动字幕）
转录稿：sources/a16z/20261012-3Q1mdn5ZGvM

说话人认定依据（本页最该先读的一段）：自动字幕只有 >> 换行符、无姓名标签，三人对谈。可用的机械依据有三层： - 主持 = Martin Casado：节目简介明写"a16z General Partner Martin Casado sits down with MakerMaker.AI co-founders Dhaval Adjodah and Owen He"；场内两处自指也对得上——"as a network guy, you know that it depends on the exponent"（[00:07:01]）、"so I'm a networker, that's how I would have answered"（[00:08:01]）；以及"我见过很多 pitch 进来，很多都用 RSI 这个词"（[00:02:00]）。 - Dhaval Adjodah：开场第一位自述 "我把自己看作某种物理学家，我学的是物理，然后在 MIT Media Lab 做了强化学习的 PhD……我很兴奋能和 Owen 还有 Grace 一起做一家很酷的创业公司"（[00:01:00]）——⚠️ 他点名 Owen，所以他不是 Owen。 - Owen He：第二位自述 "My name is Owen"（[00:01:00]）——先学数学，上了一门形式语言与逻辑的课，发现可以造一台替自己证定理的机器，就这样入了 AI；PhD 做持续学习与元学习，之后在 DeepMind 做了几年研究科学家，现在做 RSI。

⚠️ 但两位嘉宾之间的逐句归属，转录稿没有给出任何机械依据。本页的做法是：按 >> 轮次边界 + 两人可区分的论述语域（Dhaval 一侧是物理/控制论/公司文化与段子，Owen 一侧是元学习术语、基准与形式化框架）做归属，并明确声明这是编辑判断而非转录稿证据。⚠️ 凡两人抢话或边界不清处，本页写"创始人一方"，不硬派人。

本期必须与 a16z 2026-09-18 Ali Ghodsi × Casado 那期一起读：同一位主持、相隔 24 天、同一个题。⚠️ 而两期的关系非常干净：09-18 那期 Casado 给出的术语标准是"他们说 RSI，讲的其实是自催化，而其中大概只有 1% 真的是 RSI"；本期就是他把那 1% 里的一家请到场上当面盘问。本页认为这是本库第一份"被盘问方自己也接受这个术语区分、并且主动把判据提得更高"的材料。

概要¶

本期的价值不在"RSI 会不会发生"这个立场，而在三件可被别人拿去用的东西：

一个判别式：RSI 的定义应当还原成一个问题——优化者（optimizer）是谁，被优化者（optimizee）是谁。人类借更好的工具去改进 AI，是自催化（autocatalysis），不是 RSI（[00:02:00]–[00:04:01]）。
一个会计框架：把"能力提升速率"写成分子（性能）/ 分母（成本），并指出历史上所有技术跃迁的分子都是固定的，所以必然趋于平台；RSI 的全部特殊性在于分子也与能力相关（[00:05:01]–[00:06:01]）。
一条本库此前没有的反向约束：⚠️ 闭环不等于起飞。"画一个圈加一个箭头就喊 takeoff"是错的——这是非线性控制系统，它的行为只能经验地测（[00:06:01]–[00:08:01]）。

⚠️ 而本期最该被单独追踪的一句，是对分母的一句断言：Casado 问"分母固定甚至下降、分子继续涨，这可能吗"，答复是 "不只是可能。我认为它正在发生。"（[00:22:14]）⚠️ 这是自述、无数据、未发表，本库据此只记为一条可跟踪的声明，不作为事实。

本期最该被单独引用的十条¶

⚠️ 优化者 / 被优化者判别式（本页最该被当作工具的一条）（[00:02:00]–[00:04:01]，归属 Owen He）："RSI 今天肯定是个被过载的词。所以当你要区分它们的时候，重要的是问：优化者是谁，被优化者是谁——当你说自我改进的时候，是谁在改进谁？" 他的切分是："有人说我们在做 RSI，我们用人借 AI 去开发更好的 AI——但那对我们只是自催化。因为改进者仍然是人加工具，哪怕这些工具越来越好，想法和改进仍然来自人脑。" → ⚠️ "而现在第一次，我们可以把优化者和被优化者互换：agent 的大脑——也就是那个 LLM、那个模型——本身可以成为你正在优化的东西，于是你得到认知改进对自身的再投资。"
⚠️ Casado 当场把这条放进技术史，这段应与他 09-18 的那版并读（[00:03:00]）："大多数技术纪元都有自催化效应。你不可能不用计算机去造计算机芯片；你可以说互联网的发展被加速了，因为不在同一地理位置的人可以协作；蒸汽机也是——你能造更好的蒸汽机，因为你能更快拿到煤。所以'用这个东西更快地造这个东西'并不新。而你说的是另一回事。"
⚠️ 控制论上的理由：自催化没有闭环（[00:04:01]–[00:05:01]，归属 Dhaval Adjodah）："从控制理论的角度看——如果系统里有一个缺口，你就不可能有闭环，而自催化没有闭环。你改进了什么，那里还是有个缺口，人必须进来，你得倒进别的资源才能让它转。" → ⚠️ "但如果你有闭环，你仍然要倒进资源，而边际收益理想情况下会保持恒定、或者随时间变大。这就是根本区别。"
⚠️ 分子 / 分母框架（本页最该被长期引用的东西）（[00:05:01]–[00:06:01]，归属 Dhaval Adjodah）："真正不同的地方可以讲得很简单。"
要改进的是"能力提升的速率"——"能力对时间的一阶导数，是所有人都在试图提升的东西。"
而它等于两样东西之比：分子 = 性能（所有人都在提升的那个）；分母 = 某种成本，比如资本，或者难度。
⚠️ "而分母这边基本是定的，因为能力越高，下一步的难度就越高。"
⚠️ 三种情形：① 分子固定（蒸汽机那类）→ "于是你得到一个非常简单的微分方程，而它基本上会平台化"；② 分子与能力相关（"因为你越强，你也越擅长改进"）→ "数学上就抵掉了，你基本得到随时间恒定的改进——这可以算 RSI 的一个层级"；③ ⚠️ 分子与能力的更高次幂相关 → "然后你就得到指数起飞"。
⚠️ 闭环不等于起飞，这是本页对"圈+箭头=起飞"最直接的一次纠正（[00:06:01]–[00:08:01]）："不知为何，人们一看到一张图里有个圈画箭头到另一个圈再回来，看到那个闭环控制系统，就说起飞。" 创始人一方的回应：⚠️ "如果这是个非线性控制系统，要知道到底会发生什么是非常困难的——顺带说，大多数人似乎并不理解这个区别。" 落点是方法论的：⚠️ "我们发现，去推测我们认为可能发生什么，几乎是没用的，因为这真的是一个经验问题。而真正知道在发生什么的办法是去测——而测是真的真的难，奖励黑客只是我们要处理的众多问题之一。"
⚠️ Casado 追问"所以没有解析解？"，得到的答复把话说得更硬（[00:08:01]）："写下那个微分方程是可能的，但你仍然必须经验地测量那个变量、那个指数。" → ⚠️ "老实说，我们连深度学习的学习理论都没有。我们并不根本地知道它为什么有效。而你现在是在深度学习之上再叠五六层。所以我们没有好的理论。我们手上最接近的是 scaling law，而那些是经验定律。"
⚠️ 人类是系统里的一类 agent，不是要被替掉的东西（[00:08:01]–[00:09:02]、[00:21:13]–[00:22:14]，归属 Owen He / 创始人一方）："人们对我们的 RSI 路线有一个误解，是以为整个系统必须完全自动、完全数字化。但如果你看我们的数学基础，我们有的是一个多智能体系统，不只是一个数字 agent。而在这个多智能体系统里，人类研究者和工程师实际上是这些 agent 的一个特例——是这个多个 agent 协同的混合系统在被递归改进。"
⚠️ 他们明确把这当成与主流路线的分歧（[00:21:13]–[00:22:14]）："很多 AI 公司的想法是：让我们用 AI 去替换人。但我们发现，如果你有好的研究者和好的工程师，他们能带来的东西太多了，而那将非常难被 agent 替代。所以从一开始我们就把整个公司看作一个多智能体系统，人类是一种与其他 AI agent 共栖的 agent。"
⚠️ 配套的那条设计原则很好记（[00:09:02]）："我们不想漏掉任何一个不去优化的组件——如果模型里有可优化的，为什么不做？纳入进来你会有更多收益。" → ⚠️ "任何你不去优化的东西，later 都会变成你的瓶颈。"
⚠️ Casado 的"除以融资额"追问，是本期最该被所有 RSI 声明方回答的一问（[00:09:02]–[00:11:05]）："我们观察到：速度在提升，这确实是事实——如果你看模型发布的时间间隔，它在缩短。所以一方面你可以说，我们显然处在某种快速改进期。" → ⚠️ "但如果你除以这些公司实际融到的资本，那就不再是这样了。" 他接着把人力成本也要进分母：⚠️ "他们会谈实际投进去的 FLOPs 和钱，但现实是这已经是第 23 次实验了，是一个人在烧大量心力才到那个最终配置的——你真的把这个算进分母里吗？" 答复是 "我们算，而且我认为这是好的公司纪律"，以及 ⚠️ "如果改进只是因为越来越多资源被倒进去，那它不是 RSI。你必须能为自己拿到多少改进这个说法背书。"
⚠️ "bleederboard"（本期最具体的一条公司机制）（[00:11:05]，归属 Dhaval Adjodah）："人们都在谈 leaderboard，就是分数。我们有一个东西叫 bleederboard"——⚠️ 把所有人跑实验的成本记下来，任何一天任何人都可以去看谁在 bleederboard 上排在高位。（"leaderboard"→"bleederboard"，谐音自 bleed/烧钱，本库保留原词不译。）
⚠️ nanoGPT 作为"分母能被改进"的现成存在性证明，以及 Casado 的反驳（这组对撞是本期信息密度最高的一分钟）（[00:11:05]–[00:13:07]）：
Owen 一侧举的例：nanoGPT 那个基准要求你重训 GPT-2——"它刚出来时是一个非常贵的模型，我想在多块 GPU 上要训几周；而现在人们可以在单块 GPU 上几小时内训完，而且这个数字一直在缩小。" ⚠️ Casado 先当成摩尔定律打掉，但被当场纠正两次："不，是同一块 GPU，同样的硬件"、"同样的 GPU、同样的数据"——⚠️ 改进全部来自算法技术、数据技术、kernel 这些。成本量级：⚠️ "我想是几百（美元）"（⚠️ 随后场内接了一句"$100"，本库照录这个不一致，只取量级：百美元级**）。而问"这些来自人还是 agent"，答：⚠️ "很多是 auto research 的结果。"
⚠️ Casado 的反驳一句切中："但那肯定是分母，不是分子。你想看到的是你能对 GPT-5 做这件事——而我们没看到。这些东西的成本在急剧上升。"
⚠️ 而创始人一侧的回应把两者接起来，本库认为这是本期最该被记下的机制陈述（[00:12:06]–[00:13:07]）："业界守得最严的秘密之一正是这个：你能从这里面榨出多少算力。" → ⚠️ "因为在某种意义上，即使你改进的只有分母，你也能得到更快的训练——因为现在你能拿到更多 rollout，于是你能更广泛地采样语言空间的那个流形，于是你能得到更好的轨迹，于是你用它来训练时能得到更聪明的模型。"
⚠️ "它不是一种信念"——本期最该被原样引用的一次交锋（[00:22:14]–[00:25:15]）：
- Casado："你设想的是一个投进去的能量随时间相对于改进而下降的系统吗？" → "我们不能分享太多，但我们公司试图做的非常重要的一件事，不只是做我之前描述的分子（性能），而是做分母——你能从同样多的物理、同样多的钱、随你怎么叫，里面拿出多少。"
- Casado 再逼一次："但你认为有可能让分子以同样方式继续增长、而分母固定甚至下降吗？" → ⚠️ "不只是可能。我认为它正在发生。" → "所以用更少的能量得到更好的结果。" "是的。随时间。"
- Casado：⚠️ "我对你'模型改进自己'这个信念印象深刻——" → ⚠️ "但它不是一种信念。" → Casado："这是一个很有冲击力的说法，我想这是我第一次听你这么说。" → ⚠️ "它不是信念。它是经验测量。" 以及 ⚠️ "我们已经在这些结果上看到它一直在增长，过去几个月里。"
- ⚠️ 本库标注：以上全部是自述，且他们明确说"不能分享太多"、尚未发表。⚠️ 本页因此把它记为"一条待兑现的声明"，并注意收尾处对"什么时候能听到更多"的答复只有两个词："很快。"（[00:31:22]）

一、物理上限：起飞的天花板是宇宙的算力¶

⚠️ Casado 的物理学反问（[00:23:14]）："你认为存在一个让它持续而不渐近的宇宙吗？因为如果是那样，你就真的有起飞了。" → "但这看起来违反信息论和物理定律。"
⚠️ 创始人一侧没有躲，而是直接接受了渐近（[00:23:14]，归属 Dhaval Adjodah）："我认为到某个点你会撞上普朗克常数、普朗克长度、普朗克能量、普朗克时间。所以它在某个点会渐近。"
具体的上界算法：⚠️ "宇宙里有多少粒子？10 的 80 次方。光速我们知道。把这两个乘起来，你基本就得到一个计算的上界。所以给定这个固定的计算量……我们知道我们有一个极限。"（⚠️ 这是场内口述的粗略估算，本库照录，不作为严格论证。）
⚠️ 而本库认为真正有用的是紧接着那条"度量"提醒（[00:23:14]–[00:24:15]，归属 Owen He）："这也是用什么指标看进展的问题。如果你用——我不知道——基准准确率，那它上界是 100%，你永远不会在那上面看到指数改进，因为最终会被 100% 卡住。" → ⚠️ "所以很长一段时间我们都有这个问题：如果我们没有正确的指标，我们怎么可能知道某个东西已经起飞了？"
⚠️ 本库标注：这条与 Vals AI 那期的 RSI 指数尝试是同一个问题的两端——一边说"现有基准的饱和使起飞在原理上不可观测"，一边在试着造可比指标。本页建议把这两条并读。

二、为什么大多数 RSI 论文不 scale：统一框架 vs 集邮¶

⚠️ 一条可被别人去验的负面结果（本页认为是本期最被低估的一句）（[00:13:07]–[00:14:08]）："我们发现，很多声称在做 RSI 的论文，当我们在自己的内部基础设施里测它时，发现它们不工作。" 原因诊断：⚠️ "很多是人类内省出来的酷想法——'哦，我觉得应该会这样'。它们很复杂，听起来很酷，能给你一篇好论文，但当我们在规模上、在基准上、在真实的经济问题上测它时，它们不 scale。" → ⚠️ "而我们发现的是：那个更简单、能把环闭上的东西，才是能 scale 的东西。"
⚠️ 他们自述的方法论差异（[00:14:08]–[00:15:09]，归属 Dhaval Adjodah）："我会说我们做的一件大概独特的事，是我们总是从一个非常扎实的数学框架出发，它基本上把整个空间的地图铺出来。" 两个理由：
⚠️ "因为这个空间太大了，如果你不这么做、没有这套非常有原则的办法，你会很快在这种复杂度里迷路。"
⚠️ 两种极端的建法：一种是"你造 200 个不同的系统，然后希望这台鲁布·戈德堡机器能凑出来"；另一种是 ⚠️ "你花点时间去想这 200 件事，也许你会意识到其实只有 12 个抽象能泛化到这 200 件事上。" → "如果你做好了，你就能 scale。而我看到的是这件事缺失、很难做，而且需要一群非常不寻常的人才能真的做成。"
⚠️ "集邮"那条类比，以及它的归属问题（[00:15:09]–[00:16:10]，归属 Owen He）："我记得 Richard Feynman 说过，世上有两种科学：一种是集邮，另一种是物理。" → ⚠️ "所以没有统一的数学框架，所有这些研究就只是集邮。我们读的很多论文只是受某种人类行为启发的想法，然后他们去模仿它，说'看，我们有 RSI 了'——但如果你不把它放进一个统一的系统里，你就不知道整体系统是否真的在改进，还是你只是在局部应用一个想法让它变好。"
⚠️ 本库标注归属存疑："所有科学要么是物理，要么是集邮"这句通常被归于 Ernest Rutherford，不是 Feynman。 场内归给了 Feynman，本页照录场内说法并标注这一点。
⚠️ "整体视角"的具体用途（[00:16:10]）："我们把所有可能被递归改进的组件放进一个统一框架，从整体视角看它，这样改进一个部分就不会负面影响另一个部分。"

三、栈的层级：从 prompt 到芯片，而且不能分开优化¶

⚠️ 本库认为这是本期对"RSI 做在哪一层"最清楚的一次枚举（[00:16:10]–[00:17:11]）："你可以在栈的很多不同层级上想 RSI：prompt、harness、weights，你可以一路下到芯片。而我们的目标是优化栈的所有层级。"
⚠️ 而反对"只做一层"的理由是机制性的（[00:16:10]，归属 Owen He）："有人只在 harness 上做递归改进，也有人只在 weights 上做——但 weights 和 harness 不是孤立的组件，它们彼此有影响。"
他们自述的推进顺序（本页记为可跟踪的时间线）（[00:17:11]）：
⚠️ "我们从 harness 开始。我们一直试图非常资本高效，因为我们如此在意分母。"
⚠️ "然后我们开始做 weights，做权重更新。而我们发现的是：你拿到更多收益，但你仍然必须做 harness 那边的事。"
"你可以继续往栈下走。" → ⚠️ "我的猜测是，你大概需要对系统的很多不同部分做大量协同优化，才能让它工作。"
⚠️ 本库标注：这条与 Ali Ghodsi 那期关于 harness 的实测互为印证——Ghodsi 的数字是 "同一个模型、同一个版本，换 harness，实际成本差了将近 2 倍"（a16z 2026-09-18 [00:54:20]）。⚠️ 两处说的是同一件事的两面：harness 不是薄薄一层包装，它在成本上是一个独立的数量级来源。

四、为什么选推理（inference）作为落点¶

⚠️ 选题标准本身就是递归的（[00:17:11]–[00:18:11]）："我们非常努力地去挑 AI 空间里尽可能贴近 AI 本身的领域。我们又一次试图做到递归。" → ⚠️ "而如果你想一下，真正贴近 AI、并且能同时在分子和分母上给你改进的问题，并不多。"
⚠️ 推理是其中之一，而理由是双重的（[00:18:11]）："你越能在推理上拿到改进和效率，一切就越被解锁。" Casado 当场把这个嵌套讲清楚：⚠️ "这里有两重改进在发生：一是模型让推理变快的能力；二是现在推理变快了，它就能更快地做这件事。" → ⚠️ "这确实很让人脑子打结。"（他同时自己加了限定："而这又一次并不必然意味着起飞，它在某个点仍然可以渐近。"）
⚠️ 而他们给的理由里有一条是商业性的，本页认为这是本期最该记的一条定位陈述（[00:18:11]–[00:19:12]）："我们是一家创业公司，不是研究实验室。我们选它的原因之一是，现在全世界每个人都想自己服务自己的模型"——"每个人都想用最新的开源权重模型，比如刚出来的 Kimi K3 或者别的什么，而且想尽可能高效地服务它"（⚠️ 字幕作 "Kim 3"/"Kimmy K3"，按上下文为 Kimi K3，本库未核实该模型是否已发布）→ ⚠️ "所以这在当下是一个经济上极其重要的问题。"

一条很具体的产品形态：是 agent 在决定优化什么¶

⚠️ Casado 问了一个很好的问题（[00:19:12]）："纯讨论一下：如果我想让 Kimi K3 的推理更快，我会递归地用 Kimi K3 自己，还是用另一个模型和系统去做？"
答复（[00:19:12]–[00:20:12]）："我们的系统不只用一个 LLM，你有很多不同的 LLM 在做很多不同的事。" 选哪个："我们挑最有效的那个。" ⚠️ 但紧接着的那句才是重点："有意思的是，用哪个 LLM 做哪件事，这个选择也并不总是由我们决定。我们让模型自己选。" → ⚠️ "老实说，今天真的不是我们在决定要优化什么。是我们的 agent，因为它是递归自我改进的。我们试图做的不是把它限制在某一个组件上。" 以及 "我们尽量放手，让它做它的事。"
⚠️ "主提示词"那一问，本页认为是本期最漂亮的一个回合（[00:20:12]）："你们有一个单一的主提示词吗？是不是就写着'改进你自己'？" → ⚠️ "但连那个主提示词也一直在被改进。" → "真的？它改进主提示词？" "是的。"
⚠️ 而他补的那条结构说明是本页该记的："而且它不是一个 RSI 系统——你可以把它想成：有那个做改进的东西，但你还必须有那个知道要改进什么的东西，这两个都是动态问题，而且它们是强耦合的。"
⚠️ 泛化性的自我声明与自我限定（[00:20:12]–[00:21:13]）："数学上我们把它定义成一个泛化到一切的系统"——"一切"="任何你能让 AI 去指向的问题域"。⚠️ 但他立刻给了限制："但存在物理极限，而其中一个大的极限是人的那一环。"（接第 6 条。）

五、怎么知道结果是真的：Viceroy of Variance、quality time、以及两块 B200 的物理差异¶

⚠️ 本库认为本节是本期对别人最有操作价值的部分：它是一份"在噪声里判断 RSI 结果真假"的实务清单。

⚠️ 为什么他们还没发布（[00:24:15]–[00:25:15]）："作为一家公司有件很好笑的事正在发生：因为我们如此周密，我们在完全确定正确之前不会把东西放出来。" → ⚠️ "而每隔几个月就有一个 RSI 相关的发布，我们看一眼，心想'我们早该把我们的结果发出来了'。然后我们去看它、试着复现它，然后意识到：哦，这是噪声，这是 cherry picking。" → ⚠️ "所以在这片人人都在搞 AI、RSI 的海里，要知道什么是真的非常非常难。"
⚠️ "技术上的答案是：你必须非常非常擅长测量东西。"（[00:25:15]）而落地形式是一个职位：
⚠️ Viceroy of Variance（方差总督）："我们有一位工程师，我们把他命名为 viceroy of variance。这是真事。他的工作就是去摧毁我们拿到的结果、找出哪里不对。" ⚠️ 他们甚至做了 Slack emoji——"他发现某处有坏方差时，眼里射出红色激光那种。"
⚠️ "quality time"：他们明确说没找到替代品（[00:26:15]）："当你面对一个新基准、或一个你想应用的、有经济价值的新问题时，到目前为止我们没有找到任何东西能替代我们称为 quality time 的东西"——⚠️ "字面意思就是跑几百个实验、盯着它、培养直觉、试图搞清楚什么是错的、什么不是错的、什么只是方差、什么不是"，以及 ⚠️ "什么是这个怪东西——它其实说明在往下两层的地方有某种奖励黑客：那个造出那个 agent 的 agent 造出的那个 agent，黑了点什么，于是你现在有了这个奇怪的结果。"
⚠️ Casado 把网络业的非线性控制系统经验搬过来，而答复是"绝对会"（[00:26:15]–[00:27:16]）："我处理过非线性控制系统，网络里有一堆退化行为要应付——不只是收敛和发散，你还有振荡这类东西。而这是个非常多维的问题，所以你们必须处理所有这些东西，比如潜在的振荡？" → ⚠️ "绝对要。" → "意思是它会变好，然后变坏，然后变好。" → "绝对是。"
⚠️ 而噪声还有一层来自硬件，本库认为这是本期最该被引用的一条细节（[00:27:16]）："在此之上你还有噪声——（这些 agent）根本上是超级随机的。我们发现的是：对某个特定 agent、某个特定基准，噪声的水平有时不可预测，而其中一些极其古怪"——⚠️ "你甚至会有一些来自这块 GPU 和另一块 GPU 的怪噪声。它们都是 B200，但在物理层面有略微不同的行为，而你能看到其中一部分在高层被复现出来。" → "所以这必须是一件经验的事。"

六、智能不是标量：Amdahl 定律给出的"哪些领域不会起飞"¶

⚠️ 本库认为这是本期对"起飞"这个词做的最有用的一次拆分，而且它给出的是一条可预先判断的分界。

⚠️ 起点是对"智能"的拆解（[00:27:16]–[00:28:18]，归属 Owen He）："从这里你已经可以看出，智能不是一个单一标量，它更像一个多维向量。会有一些领域和方向上 RSI 给你起飞，也会有一些维度上你会平台化、或者只有相对缓慢的改进。" → ⚠️ "而我认为决定性的因素是：里面最慢的那个组件是什么。"
⚠️ 然后他直接把 Amdahl 定律套上去（[00:28:18]）："你知道有个 Amdahl 定律——优化一个组件能拿到的加速是有上限的。" Casado 接："你把它取到零，别的就占支配了。" → ⚠️ "正是。所以数字的那部分我们可以优化、可以加速，你可以快一千倍、一百万倍。但如果它只占你总时间的 20%，你只会拿到 20% 的加速。"
⚠️ 他给的那条分界，本页建议直接引用（[00:28:18]）："所以对那些你仍然需要移动原子、要与物理世界交互的领域，那是真的慢，你仍然会被它卡住。" 例子给得很具体：⚠️ "比如说药物发现——你仍然要做湿实验室实验，然后做临床试验，那要几个月；于是每一个新想法都得过一个几个月、乃至好几个月的评估。" → ⚠️ "所以那些领域大概不会像编程或数学那样被加速——后者有非常快而且便宜的评估。"
⚠️ 本库标注：这条与本库在 AI for Science 与 Physical AI 两页上的材料方向一致，但它第一次把"为什么"写成了一个可以预先算的量：⚠️ 数字部分在总周期里的占比。本库建议把它当作本页"哪些领域会 RSI"这一问的默认第一道筛子。

⚠️ Casado 指出的那个空缺：没有人给过边界¶

⚠️ 本页认为这是本期最值得被回答而没有被回答的问题（[00:28:18]–[00:29:19]）："我还没见过有人给这件事定一个量——比如说，为了把这个提升 X、为了解决这个问题，我需要这么多净新增的能量。"
⚠️ 他说清了有这个量会带来什么："如果你有那个，你就真的能预测：我需要多大的一个仓库才能解决一个药物发现问题？我需要多少个不同的机器人？" → ⚠️ "所以你认为我们离真的有这些边界更近了吗？因为我觉得这对我们所有人来说是一个如此关键的问题。"
⚠️ 而答复并没有给出这个量，而是转向了下一节那个段子。本库把这条记为该线上的一个公开空缺。

七、威斯康星那家浇花水管公司：本期对"RSI 应该往哪儿指"的异见¶

⚠️ 公司内部的那个段子（[00:29:19]–[00:31:22]，归属 Dhaval Adjodah）："我们公司内部有个玩笑：RSI 的秘密藏在威斯康星州某家浇花水管公司里。"
⚠️ 而这个段子的论证是用相对论/GPS 搭的，本页认为它比段子本身有用：
"如果爱因斯坦没有发现相对论，他就不会有那些告诉你速度和时间收缩如何作用的定律。"
⚠️ "而如果某个倒霉的工程师必须去设计 GPS 系统，他们就得去经验地找出一个时间的修正项，而且他们大概会说：不不，显然不是时空的织理在收缩——但不知道为什么，这就是我经验地凑出来的公式。" 也就是一个 fudge factor。
⚠️ "然后后来人们会说：天啊，这就是时空在收缩。"
⚠️ 落点是他们对整个 RSI 领域选题的异见，本库认为这是本期最该被单独追踪的一条判断（[00:30:21]）："我们有这个理论：现在的 RSI 被想成'让我们去解所有这些超级难的、时髦的问题'。但我们认为，世界的复杂度是这样的——真正的挑战大概存在于那些还没有被应用到的空间里。" → ⚠️ "所以那个玩笑是：在威斯康星某家浇花水管公司里有某个工作流，如果我们解开它，我们就得到……"
⚠️ 本库标注：这条与 Ali Ghodsi 的 "ontology" 诊断（"模型已经足够聪明了，它们缺的是组织内部的 context"，a16z 2026-09-18 [00:40:13]）指向同一个方向，但来自完全不同的位置——⚠️ 一个是企业软件 CEO 讲采用侧的瓶颈，一个是 RSI 创业者讲研究侧的选题偏差。本页把这两条并列记为一条可跟踪的假设：难度不在前沿，在前沿没有去的地方。

八、Casado 的收尾总结（本期自带的摘要，可直接引用）¶

⚠️ [00:31:22] 他自己做了一次复述并要求确认，而对方答了"是"：

"我快速总结一下：你们在做 RSI，而在你们这里这不是自催化效应，这是真正的 RSI——系统改进整个系统；而对你们来说那是一个实际的系统，包含 harness 和 weights。如果你去想这个问题，你有一个分子和一个分母：分子是系统变得多好，分母是投进去多少能量。而你们相信你们看到了两者同时改进的迹象的微光（glimmers）。对吗？" → "是。"

⚠️ "什么时候能听到更多？" → "很快。"（本库记为可跟踪项。）

⚠️ 自动字幕专名对照（未核实的照录）¶

字幕原文	本页按上下文还原
make a maker	MakerMaker.AI（公司名，取自节目简介）
optimiz / optimizee	optimizee（被优化者）
autoc catalysis / auto catalytic	autocatalysis / autocatalytic（自催化）
fume	foom
nano GPT	nanoGPT（⚠️ 即 Karpathy 复现 GPT-2 那条线衍生出的 speedrun 基准）
GPD2 / GPD5	GPT-2 / GPT-5
Kim 3 / Kimmy K3 / Kim K3	Kimi K3（⚠️ 本库未核实该模型是否已发布）
plank constant / plank length	普朗克常数 / 普朗克长度
amdos law	Amdahl's law（Amdahl 定律）
STEM collections	stamp collecting（集邮）；⚠️ 场内归给 Feynman，但该句通常归于 Rutherford，本页标注归属存疑
viseroy of variance	Viceroy of Variance
bleederboard	bleederboard（本库保留原词，不译）
hardness	harness（⚠️ [00:17:11] 一处误转）
wids / weights	weights
Rube Goldberg machine	鲁布·戈德堡机器
Grace	Grace（⚠️ [00:01:00] 被点名的第三位共同创业者，节目简介只给了两位联合创始人，本库不推定其角色）
⚠️ 单卡几小时重训 GPT-2、"几百美元"/"$100"、10^80 粒子、"过去几个月结果一直在长"	全部为口述数字或自述，本库未核实