系列说明：这是「智谱 RSI 最新进展深度研究」的下篇，共三篇。上篇 复盘事件并拆解三个工程案例；中篇 做 RSI 分级定位与七组数字口径核查；下篇（本文）谈五条边界线、五条给工程师的可复用做法、五个给管理者的评审问题与四个给投资者/产品经理的跟踪指标，并附完整附录（时间线、术语表、分级来源清单、核查记录）。

从稠密反馈到完全自训练：智谱 RSI 最新进展深度研究（下）· 边界、风险与行动清单

上篇讲技术，中篇做定位与核查。下篇要做的是把它变成可用的东西——同时把不该被叙事盖住的线，一条条划出来。

---

六、与站内"算子篇"的分工：两份证词，互补而不重复

9 月 17 日同一天，站内还有一篇高度相关的文章——《当 AI 开始写算子：递归自我改进（RSI）的第一个现实闭环》。它讲的是 DeepSeek 算子工程师刘胜与的长文自白：一位亲手写下 DeepSeek V4.1 主 Attention 算子的工程师，公开判断"未来半年到一年，AI 自主评估调度方案、设计并实现端到端极致算子的能力，大概率追平甚至超越顶级人类工程师——包括他自己"。

两篇放在一起读，刚好构成一组对照。它们的差异不是观点之争，而是视角、证据类型与时间尺度的不同：

维度	算子篇（DeepSeek / 工程师视角）	本系列（智谱 / 厂商视角）
讲述人	一线算子工程师的公开自白	创始人 + 团队长文，配官方发布文与财报口径
证据类型	个人经历 + 行业案例溯源（AlphaEvolve、Kevin-32B、DGM）	内部工程案例 + 上游 PR + 生产流量 + 资本安排
闭合的回路	算子层 → 训推效率 → 实验次数 → 更强模型 → 更会写算子	推理服务栈全栈（算子/并行/并发/缓存/调度）→ 承载线上流量 → 反哺下一代训练方式
关键判断	"AI 不必修改自己，只要参与制造更快的自己"	"模型优化系统，系统承载模型"
风险侧重	人类侧：工程根基被效率捷径抽空、监督带宽下降	治理侧：安全能力改变格局、人守边界
证据弱点	个人观察为主，量化偏少	内部口径为主，缺外部独立复测

值得注意的是，两位讲述人指向同一个瓶颈位：算子篇里那位同行说"除了方案不能替我敲定之外，别的都可以帮助我完成"；智谱长文里说"工程师定义优化目标与系统约束……审核涉及数值语义、并发行为和线上风险的关键修改"。"方案/目标/边界的敲定权"，是两条线共同承认的、尚未被自动化的一格。

---

七、边界与风险：五条不该被叙事盖住的线

7.1 第一条线：判断侧仍然空着

执行侧的自我改进真实且迅猛；判断侧几乎还是零。

智谱的长文自己把这条线画得很清楚——工程师的三项职责是"定义优化目标与系统约束""构建 Agent 可以直接使用的反馈环境""审核涉及系统架构、异步并发和线上风险的关键修改"，而"选择目标、设定边界、判断风险，仍然是人的工作"。

站内框架把这一点表述为"方向设定权，目前没有任何自动替代方案"：验证层级能回答"这个结果对不对"，回答不了"什么值得被评估"。三个案例里，所有优化目标——5% 的性能差距约束、精度误差要求、端到端收益的判断标准——都是人先写下来的。Agent 找到了更好的答案，但问题一直是人出的。

7.2 第二条线：能力与风险同源

长文开篇那段关于安全的叙述，其实比"取代我们"更值得警惕：

"2025 年 10 月，我们开始启动安全能力增强研究……不到一年，安全伙伴使用 GLM 在真实代码库中发现了数千个漏洞。模型开始改变网络安全的格局，也带来了过去不曾存在的危险。为了让这种能力能够被负责任地使用，我们不得不为它设计受信访问计划。"

这段话包含一个不容易拒绝的结构性事实：同一个模型写代码越强，找漏洞就越强；让系统优化自身基础设施的能力，与让系统发现自身基础设施漏洞的能力，是同一份能力。 智谱中报也提到其在 CyberGym 上取得 84.5%、ExploitGym 上完成 130 项任务——网络安全是其能力迁移最快的方向之一。

对采用者来说，可操作的含义是：当你把"让 AI 改自己的系统"从演示推进到生产，你就同时引入了两个新变量——更快的修复能力，和更快的攻击面扩张速度。 受信访问、审核闸门不是配套工作，而是前置条件。

7.3 第三条线：内部口径的自我循环

本次证据链最明显的弱点是：所有效果评估都由内部完成。

• 基线是自家的初始实现（W8A8 基线）；
• 验收标准是自家工程师定的（5%、精度误差）；
• 优化收益是自家 Profiling 与分层测试测出来的；
• 骨架库的积累与复用率没有外部可见度；
• 3 倍吞吐的独立第三方复测尚不存在。

这不构成对结论的否定——稠密反馈体系本身就是被设计来服务内部判定的。但它意味着：任何把这次的数字当作"外部基准"来引用的做法，都需要加限定语。 长期看，这个领域的可信度会取决于一件事：是否出现跨机构、可比的"加速指标"（这也是站内 RSI 讨论里反复出现的一条治理建议）。

7.4 第四条线：成本曲线自主，但供应链集中

10 万卡级国产芯片规模化推理，加上单位 token 成本较年初下降 80%，在成本侧是一个真实的战略成果——用中报的原话说，这意味着"成本曲线已经开始掌握在我们自己手里"。

但要同时看到另一面：

• 芯片型号与供应商未公开，互联靠"自研高带宽网络"——一旦某一个环节的供给或适配出问题，替换成本不低；
• 生态不成熟（长文原话："生态不成熟，算子不完备，许多文档基本靠猜"）意味着大量知识需要自己重建，短期是护城河，长期是维护负担；
• 公告中的应对是把算力供给做成"来源多元且可灵活调配"，并把"芯片适配、算子开发、集群互联和性能调优"列为明确投入项——承认了适配层本身是持续成本，而非一次性工程。

7.5 第五条线：叙事与资本的自我强化

这是最需要冷静的一条，因为它不涉及真假，只涉及激励结构：

• 7 月，内部信把"完全自我训练"列为四大引擎之一；
• 8 月，模型上线，官方发布文出现"模型优化系统，系统承载模型"的循环表述；
• 9 月 12 日，融资公告把 60% 募资（约 235 亿港元）指向"下一代 GLM 与完全自训练体系"；
• 9 月 17 日，创始人长文把这一切命名为"RSI 的早期形态"。

这条链上的每一步都合规、都有实物支撑。但同时，它构成了一个**"进度叙事 → 融资能力 → 算力采购 → 进度叙事"的正反馈**：叙事越强，融资越顺；融资越顺，算力越多；算力越多，越容易拿出新的进度。这不等于造假——它恰恰是当前 AI 竞争的真实机制（唐杰在内部信里也承认速度本身就是最重要的变量）。但对读者而言，需要知道估值叙事与工程进度之间存在相互放大，因此在评估"RSI 进度"时，应尽量使用可核查的物证（上游代码、可下载权重、独立复测），而不是使用叙事的密度。

7.6 一条附带的副作用：标签通胀

本次之后，"RSI"在中文语境里大概率会被更频繁地使用。按本次事件再校准一次常见混淆：

说法	实际在说什么	属于哪一侧
"智谱实现了 RSI"	Infra Agent 参与优化了自身推理系统	RSI 前体（L3，第三支柱的单点实证）
"模型能自己训练自己了"	GLM-6.0 的目标定位，尚未发布	目标，不是已发生的事实
"3 倍提速，AI 已经能改自己了"	同硬件基线上的工程优化收益	工程成果，不等于改权重
"取代我们"	内部人对自己工作被加速的描述	修辞，同一篇文章已自我限定

判断任何"RSI 进展"的说法，只需三个问题——改的是什么（产物／harness／系统／权重）？验证信号来自哪一层？改动能不能回流成下一轮的起点？

---

八、行动建议：把这篇报告变成可用的东西

8.1 给平台 / Infra 工程师：稠密反馈的可复用清单

按落地难度排序，前三条几乎立刻可用：

1. 把性能约束写成可执行的验收条件。 不要写"优化 KV 传输性能"，要写"相同 workload 下，Prefill + KV Transfer 与单独 Prefill 的性能差距不超过 5%"。约束一旦可验证，"没达到预期"就自动变成一个可归因的偏差。
2. 给每个子系统配一个"低成本验证入口"。 算子级正确性比对、局部微基准、单算子 Profiling——让 Agent（和人）在每次修改后不必等完整部署。验证周期决定了迭代速度上限。
3. 把执行 Trace 和运行时事件当成一等公民。 GIL 持锁那个问题，静态读代码几乎不可能发现，是时间线暴露了"传输从未与 dispatch 重叠"这个模式。
4. 建立"并行策略 → 算子实现"的映射表。 这是正确性验证的索引：一种并行配置涉及哪些算子、输入如何切分、哪些路径需要与非切分实现对照。
5. 保留同版本内已知正确的对照路径。 DeepEP v1.2.1 里 internode_dispatch 已释放 GIL 而 intranode_* 没有——代码库里的不一致，是最好的 bug 线索。
6. 让优化产物带条件沉淀，而不是只留下这一版代码。 骨架库的四要素（适用条件、变换方式、资源约束、验证证据）值得照搬；同时把验证通过的修复合并回上游，收益会随社区扩散，也是未来最省力的技术债偿还方式。
7. 允许"有解释的退步"。 KDA Decode 的 v1（ReplaySSM 以算换存）比 v0 慢 10%，但它是 v3 达到 1.71× 的前提。评估机制若只看单版指标，这类必要退步会被误杀。

8.2 给技术管理者：评审"AI 改系统"方案的五个问题

#	问题	好答案长什么样	危险信号
1	反馈从哪来？	分层：算子测试／微基准／Trace／端到端，各有职责	只有端到端压测，"跑得慢就再试"
2	如何归因？	能给出"现象 → 假设 → 对照实验 → 根因"的完整链条	只给现象和结果，中间靠"模型判断"
3	人卡在哪里？	目标设定、系统边界、数值语义／并发／线上风险审核	"全自动，人只看报表"——通常意味着验证薄弱
4	产出会回流吗？	骨架库／测试用例／上游 PR／验收标准均可复用	一次性成果，无沉淀机制
5	失败如何回滚？	可 diff、可回放、有回归门禁	依赖"结果看起来更好"作为唯一验收

一个粗略的经验法则：第 3 题的答案越具体，方案的可靠性越高。 反过来，声称"人完全退出"的方案，多数是把"没人看"当成了"不需要看"。

8.3 给投资者与产品经理：四个可跟踪指标

先说明：本系列不做估值判断。 下面只把"哪些数字值得盯、各自意味着什么"列清楚，全部口径来自公开材料。

跟踪指标	当前值	为什么重要	下一步该看什么
单位 token 推理成本	较年初 −80%（中报口径）	直接决定 MaaS 毛利与价格战可持续性	是否继续下行；下行中有多少来自架构与国产卡，多少来自 Agent 加速
MaaS 规模与损耗	中报口径 ARR 月度 16 亿美元／周度 20 亿美元；Token 调用较年初 +40 倍；付费日活 +603%	判断"能力兑现"是否真实转化为收入	单位经济（每 token 毛利）与留存，而非只看调用量
国产算力占比与集群规模	"10 万卡级"、单位成本下降 80%	决定成本曲线自主程度与地缘风险敞口	芯片型号披露、集群互联自研程度、多元供给落地
RSI 进度的"物证密度"	目前：上游 PR + 开源权重 + 生产流量	区分叙事与进度的唯一可行办法	GLM-6.0 发布时是否给出"预测/中训/后训自产数据占比"这类可核查指标

三条机制性观察：

1. 资本节奏与算力节奏强绑定。 公告明确说明"算力资源从签约到部署上线需要一定周期"，融资是为了让新增算力部署与扩张计划衔接，且承诺 2028 年 6 月 30 日前用完——未来六个季度存在一条相对可预测的算力投放路径。
2. "RSI 叙事"当前是成本叙事，不是收入叙事。 三支柱中已兑现的第三支柱直接作用于成本与供给（吞吐、单位成本、国产化），而非直接的收入增量。收入侧仍由 Coding/Agent 产品驱动，两条曲线不要混算。
3. 最大的估值风险不是技术路线，而是验证的独立性。 目前所有"3 倍""−80%"都是内部口径。若未来出现第三方复测或客户侧公开的成本对比，叙事可信度会显著上升；反之，长期缺少外部验证会压制估值中的长期想象空间。

---

九、结语：这次真正被生产出来的东西

唐杰与 GLM 团队说自己意识到"我们的继任者，正是我们亲手创造出来的 AI"；同一篇文章的结尾又写："这条线不会因为我们希望它慢一点就慢下来"。

但把修辞全部剥掉，2026 年 9 月真正被生产出来的，其实是三样：

第一，一套可复用的反馈工程方法。 端到端指标只能说明"变差了"；而"局部、低成本、可客观验证"的稠密反馈能说明"哪里变差了、为什么、下一步该验证什么"。这套方法不依赖智谱的芯片，也不依赖 GLM——它是整个事件里最容易被别的团队拿走的部分。

第二，一次"回路闭合"的工程演示。 模型写的优化，改进了承载模型的系统；改进后的系统，又让模型以更低成本服务更多人。"模型优化系统，系统承载模型"这句话，第一次有了两周、3 倍、10 万卡这种可以写进季报的数字。

第三，一条被划得更清楚的线。 执行侧（提出假设、写代码、跑实验、看 Trace、改算子）交给 Agent 的部分在快速变多；判断侧（选目标、定边界、判风险）仍然是人的工作。这条线不是被技术宣布的，是被工程实践一遍遍确认的——长文里那句"在相当长的时间里，这条线应当由人来守"，是今年所有 RSI 讨论里最值得记住的一句人话。

所以对"智谱 RSI 最新进展"这个问题，最准确的回答是：

它没有走到 RSI。它做到的是把 RSI 三根支柱中最容易验证的那一根，从路线图变成了可核查的工程账本——并且顺手示范了一件事：在 AI 能自我改进之前，人类先把"如何让 AI 改进系统"这件事，做成了一套可以交接的手艺。

至于这条路会走多快，最后留一个问题：当"改什么"的答案从"代码"变成"承载自己的系统"，下一个被交出去的，会是"选什么目标"，还是"判定什么算对"？ 这两件事，目前都还开着。

---

附录 A｜事件时间线（2026-04 → 2026-09）

日期	事件	性质
04-29	智谱官方博客《Scaling Pain：超大规模 Coding Agent 推理实践》：PD 分离下 KV Cache 竞态修复（异常率万分之十几 → 万分之三以下）、HiCache 加载时序修复（合入 SGLang PR #22811）、LayerSplit 分层存储（40k–120k 长度区间吞吐 +10%~132%）	工程前史
07-11	唐杰内部信《巨浪已来》，提出"摸高计划"：长程任务、自治智能体系统、完全自我训练、极致安全治理	战略定调
08-17	DeepSeek 实施峰谷定价、高峰提价，平台日调用量从峰值回落超一半，空出近 10 万亿 token 的日常需求缺口	行业背景
08-26	GLM-5.3-Flash（320B-A18B）上线并 MIT 开源；官方认领匿名模型 Ox-Alpha；发布文出现"模型优化系统，系统承载模型"表述	产品发布
08-27	智谱（02513.HK）收涨 12.62%，报 1160 港元，市值重返 5000 亿港元；同日 fla-org 仓库合入 PR #1180（tf32x3 in KCP）	市场反应 + 代码物证
08-28	媒体报道：集群规模 10 万卡级、累计处理请求流量 62T token、Ox-Alpha 终结 DeepSeek 连续 56 天霸榜	第三方转述
08-31	2026 中报电话会：GLM-6.0 方向是"自进化"；All-in-Infra；单位 token 推理成本较年初 −80%；infra agent 使算子开发周期缩短一半；上半年营收 9.54 亿元（+399.7%）	财务口径
09-12/13	港交所公告：配售 + 可转债合计净募约 393 亿港元；60%（约 235 亿港元）投向下一代 GLM 与"完全自训练"体系；定义三支柱：数据自产、环境自造、基础设施自我优化	资本安排
09-17	唐杰与 GLM 团队长文发布；同日站内发布《当 AI 开始写算子》	叙事公开

附录 B｜术语表

术语	英文 / 缩写	本系列中的含义
递归自我改进	RSI	系统改进"自己改进的能力"，改进产物回流为下一轮输入；按 L0–L5 分级使用
完全自训练	Fully Self Training	智谱对 RSI 的具体技术表述，含数据自产、环境自造、基础设施自我优化三支柱
稠密反馈	Dense Feedback	把正确性测试、日志、Trace、运行时事件、微基准、端到端指标组织成可反复调用、局部、低成本、可客观验证的反馈体系
Infra Agent	—	由 GLM-5.3 驱动、用于开发与优化推理基础设施（算子、服务栈、性能诊断）的智能体
上下文并行	CP (Context Parallel)	把长上下文按分片切分并行计算，分片间需合并状态
TF32 / tf32x3	—	TF32 为 Tensor Core 的默认低精度模式；tf32x3 用三次 TF32 运算组合出更高精度结果
优化骨架	Optimization Skeleton	从存量 Kernel 提炼的优化经验，含适用条件、变换方式、资源约束、验证证据四要素
EPD 分离	Encode–Prefill–Decode	将多模态编码、提示词预填充、逐 token 解码拆为可独立调度与扩缩容的工作池
ReplaySSM	—	以算换存的显存优化手段（KDA Decode v1 引入，导致执行时间先变长）
LayerSplit	—	KV Cache 分层存储：每卡只保存部分层的 KV Cache，计算前广播
KDA	—	线性注意力算子（本次精度与性能两类问题的对象）
受信访问计划	Trusted Access	智谱为高风险安全能力设计的访问控制机制

附录 C｜来源清单（按证据等级）

A 级：官方一手 / 可核查物证

1. 唐杰、GLM 团队长文（InfoQ 整理，2026-09-17）
2. 智谱官方发布文《GLM-5.3-Flash：前沿智能进入普惠时代》，2026-08-26
3. 智谱官方博客《Scaling Pain：超大规模 Coding Agent 推理实践》，2026-04-29
4. fla-org/flash-linear-attention PR #1180：[CP] use tf32x3 affine chain in kcp，2026-08-27
5. 智谱港交所融资公告释义（"完全自训练"定义、三支柱、资金用途分配），2026-09-12/13
6. 智谱 2026 中期业绩电话会记录（唐杰、刘德兵发言），2026-08-31

B 级：权威媒体 / 第三方整理

7. 量子位《智谱提前剧透下一代 GLM：完全自训练方法公开了》，2026-09-14
8. 观察者网《智谱认领"牛来"模型，跑在 10 万张国产芯片上》，2026-08-28
9. 钛媒体《GLM-5.3-Flash 发布，多模态终于来了》（含"1/40 是价格比而非硬件成本比"的关键提示）
10. 财联社《10 万张国产算力卡扛起"牛来"：智谱开源 GLM-5.3-Flash》
11. 雷递网《唐杰解读智谱半年报：Scaling 从未停止，GLM-6 方向是自进化》，2026-09-02
12. 36氪《独家｜智谱创始人唐杰发内部信：「GLM 时刻」之后，什么是更重要的事》（《巨浪已来》全文），2026-07

C 级：需谨慎引用

13. 关于芯片供应商的"知情人士透露"类报道（华为 / 摩尔线程 / 海光）——未获官方确认
14. 社交平台对长文的转述与二次评论——仅作氛围参考，不作为事实依据

附录 D｜站内延伸阅读

• 概念篇｜什么是 RSI（递归自我改进）：定义、谱系与判定手册
• 对比篇｜RSI vs 智能体自进化：同一个闭环，两种野心
• 证据分级篇｜递归自我改进（RSI）证据分级深度报告 2026-09
• 算子篇｜当 AI 开始写算子：递归自我改进（RSI）的第一个现实闭环
• 全景篇｜递归自我改进（RSI）深度研究 2026：从智能爆炸到接管全球主机节点
• 专题地图｜RSI 与 Agent 自进化：站内内容地图与三条阅读路线

附录 E｜核查记录（本系列做了什么、没做什么）

做了什么

• 逐条比对了官方发布文、中报口径、融资公告与长文表述之间的一致性；
• 核实了长文提及的上游 PR #1180 确实存在、日期吻合、描述一致；
• 交叉核对了"3 倍""1/40""10 万卡""62 万亿""6 天""两周""缩短一半"七个数字的来源与口径差异；
• 检索中文与英文公开信息，未发现对该次优化成果的技术性反驳或独立复测。

没做什么（并说明原因）

• 未做独立性能复测：无对应国产卡集群环境，无法验证 3.22×；
• 未做第三方交叉访谈：未接触智谱内部或供应链相关方；
• 未做估值建模：本系列不做投资建议，仅整理可跟踪指标；
• 未引用未公开材料：全部依据公开可查来源。

一处日期口径说明：8 月 26 日发布文称"过去一周"进行匿名盲测；8 月 28 日媒体报道称集群"累计处理请求流量高达 62T Token"；中报电话会口径为"6 天调用总量超过 62 万亿"。三者指向同一事件的不同时点表述，本系列按各自来源分别引用，未做统一换算。

---

全系列小结：上篇交付方法（稠密反馈），中篇交付定位与口径（L3 命中、L4 未到；七个数字成立的条件），下篇交付边界与清单（五条线、五条做法、五个问题、四个指标）。

回到上篇：从稠密反馈到完全自训练：智谱 RSI 最新进展深度研究（上）｜回到中篇：（中）RSI 分级定位与七组数字口径核查

本系列为公开信息整理与工程逻辑分析，不构成投资建议；涉及"是否已实现"的判断以公开证据为准，凡未经官方确认的媒体报道均已标注证据等级。数据截至 2026 年 9 月 17 日。