【行业动态】2026 全球 AI 技术谱系盘点：16 条路线，哪条能撑起 “自我成长“——1

【行业动态】2026 全球 AI 技术谱系盘点：16 条路线，哪条能撑起 “自我成长”——1

文章目录

• 【行业动态】2026 全球 AI 技术谱系盘点：16 条路线，哪条能撑起 "自我成长"——1
• • 先给结论
  • 一、"成长"这个词太糊了，先拆成三个目标
  • • 种子的工作定义
    • 十项种子需求
  • 二、我怎么给证据分级
  • 三、16 条技术路线全景
  • 四、逐条看：核心路线的证据与硬伤
  • • 4.1 持续学习：新知识和旧知识的冲突怎么解
    • 4.2 记忆架构：长期记忆不是无限扩张的向量库
    • 4.3 智能体自进化：目前最接近"改自己"的工程路线
    • 4.4 世界模型：从记住世界到预测世界
    • 4.5 神经符号混合：可学习的直觉接上可检查的规则
    • 4.6 脑启发与发育式智能：研究能力怎么产生
    • 4.7 主动推断与自由能原理：把感知、探索、行动统一起来
    • 4.8 演化与开放式生成：多样性不等于能力增长
    • 4.9 不该漏掉的几个分支
  • 五、几个容易踩的认知陷阱
  • 六、常见问题
  • 参考资料

做这份盘点的起因很直接：我想搞清楚"自我成长 AI"这件事到底有没有可复用的科学基础。翻完一圈文献之后，结论比预期保守：能力积累和能力改善都有较强的局部实验证据，开放式自主成长在系统层面仍是未解决的问题。

覆盖范围：机器学习、认知科学、计算神经科学、强化学习、符号主义、演化计算、主动推断、自主智能体、具身智能

先给结论

如果只想知道答案，看这四行：

这篇讲谱系和证据，下一篇讲开源项目、研究空白和具体怎么设计实验。

一、"成长"这个词太糊了，先拆成三个目标

很多讨论谈不到一起去，是因为大家嘴里的"成长"不是一个东西。

我把它拆成三层，这三层的证据强度差距非常大：

前两层已经有拿得出手的结果，第三层没有。

这个判断不是靠趋势推演，有四组结果可以支撑：

持续学习。2026 年的系统综述汇总了 2010 到 2025 年的 189 篇论文，确认灾难性遗忘仍然是关键难题。论文数量说明这个领域成熟，不代表问题解决了。

世界模型。DreamerV3 用一套统一配置在 150 多个任务上拿到不错的成绩，证明"用经验构建预测模型 + 想象规划"这条路成立。但它不等于终身开放式学习，两码事。

技能累积。Voyager 能在 Minecraft 里自主探索、建可复用的程序技能库。重点在于：它的成长发生在外部技能系统，基础模型权重一动不动。

自我修改。Darwin Gödel Machine 在论文报告的实验设置里，通过迭代修改智能体代码把 SWE-bench 从 20.0% 提到 50.0%。2026 年的 Hyperagents 更进一步，去研究"改进机制本身能不能被改进"。

主动推断。2026 年 UAI 那篇论文把预期自由能和变分推断的关系做得更形式化，在不同不确定性条件的网格世界里验证了探索行为。它说明理论自洽，说明不了自由能原理能单独构成通用智能。

种子的工作定义

项目上总得有个能验收的东西，我用这个定义：

自我成长 AI 种子，是从有限初始能力出发，能够通过环境交互与反馈，在较长时间内积累知识和技能、改善自身行为或内部结构，并在未见任务中表现出可验证能力增长的人工智能系统。

三个约束条件值得单独拎出来：

• 初始能力可以来自预训练模型，不要求从零训练。
• 成长必须有可追溯的新增经验来源。
• 验收看未见任务，不看训练时见过的任务。

十项种子需求

把定义拆开，落到十个具体的需求点。后面所有技术路线的评价，都对着这张表打分。

这十个不是十个独立模块。S8 少了 S9，就会产出无法验证的"改进"；S2 少了 S3，长期记忆会积累一堆互相矛盾的东西。这个耦合关系后面会反复出现。

二、我怎么给证据分级

网上的 AI 结论之所以没法用，是因为把"论文有想法"和"工程能跑"混在一起讲。我把两件事分开评。

科学证据强度分四级：

E3 不等于通用智能。DreamerV3 在控制任务上的 E3，不能升级成"已验证长期自主成长"。这一点在传播里被搞混得最厉害。

工程成熟度另用一套，M0 到 M4：

• M0：概念，或者停止维护的参考实现
• M1：探索性原型
• M2：可运行的研究代码
• M3：有文档、测试或复现实验的研究平台
• M4：比较完整的应用开发基础设施

两套分级是我自己用的研究评价框架，不是官方认证，也不构成对产品质量的背书。

三、16 条技术路线全景

这张表是整个盘点的骨架。证据等级针对的是该路线已经展示出来的相关能力，不是完整种子目标。研究优先级是我的工程判断。

关于这张表，有三个使用说明。

第一，研究"成长机制"时最直接的路线是持续学习、记忆、自进化、世界模型、发育智能、主动推断和演化计算。基础模型、认知架构、神经符号、强化学习提供的是不能跳过的基础能力，但它们本身不解决成长。

第二，一种计算载体能实现神经网络，不代表它自己提供了自主成长机制。光计算跑得再快，也是跑别人的算法。

第三，有两个排序陷阱要避开：把"理论上最接近人脑"当成"工程上最有希望"，或者把"已经能完成复杂任务"当成"能够持续成长"。这两个判断都得靠实验，不能靠直觉。

四、逐条看：核心路线的证据与硬伤

4.1 持续学习：新知识和旧知识的冲突怎么解

核心问题一句话：系统接收新经验时，怎么更新知识而不破坏已有能力？

目前形成四类机制：

2025 到 2026 年的综述说明这个领域算法体系已经成熟，但学习与遗忘的长期权衡还在。

真正让我警觉的是 2026 年 CL-Bench 的结果。研究者专门构造了能通过连续经验学到隐藏结构的真实任务，结果发现：一些专门设计的记忆系统，表现还不如朴素的上下文学习方法；智能体经常对近期观察过拟合，或者学完没法把经验用到后续任务上。

这个结论的杀伤力在于，它直接打掉了"上了持续学习算法就等于会终身学习"的假设。

我的判断：持续学习是 S4 的核心候选机制，但验收必须用真实任务序列，不能只跑类增量图像分类。实验设计上建议设三个对照：回放式学习、参数高效更新、完全冻结模型。

仍然空白的地方：在未知任务边界、持续变化的环境里，能不能同时保证长期学习、知识可修正、有限资源消耗、负迁移可控。这四个条件目前没有同时成立的证据。

4.2 记忆架构：长期记忆不是无限扩张的向量库

长期记忆这块最容易做歪。塞一个向量数据库进去，就宣布有了记忆系统，这种项目我见过不少。

面向种子的记忆至少需要四种互相咬合的表示：

技术上无非是向量检索、图数据库、时间知识图谱、记忆摘要、重要性筛选、记忆合并这些组合。

ICLR 2025 的 LongMemEval 已经把长期记忆能力拆成信息提取、多会话推理、时间推理、知识更新、拒答五类，发了 500 个评估问题。它的结论很直接：光靠长上下文解决不了长期交互记忆。

2026 年微软的 STATE-Bench 又往前推了一步，强调一件事：能回答历史事实，不等于因为拥有历史经验而更擅长做任务。这个区分很关键，很多"记忆增强"的收益其实只是信息检索。

对架构有一个直接影响：

记忆系统应该保存"行动 / 结果 / 证据"这一组原始记录，而不是"AI 对经验的自然语言总结"。

后者的问题在于，总结这一层会引入失真。四类失真要认真防：

• 失败经验被重新叙述成成功经验
• 模型推测生成的内容变成未标记的事实
• 过时知识覆盖较新知识，或者反过来新知识错误覆盖旧知识
• 一段错误经验被反复检索强化，造成长期行为偏移

所以我的推荐是事件日志打底，作为可追溯的原始记录，在它上面建可更新的语义索引和技能索引。删改索引不应该连带销毁审计证据。

4.3 智能体自进化：目前最接近"改自己"的工程路线

这块必须先分层，不然讨论会乱。自我改进可以发生在五个层次：

层级越高，自我修改对系统的影响越大。注意措辞：影响越大，不等于实际智力越高。

三个代表工作：

Voyager（2023，2024 年发 TMLR）把自动课程生成、代码技能库、环境反馈、迭代修正拼在一起，证明可以在不更新基础 LLM 权重的情况下形成持续累积的可复用技能。

Darwin Gödel Machine（2025）让智能体提出自身代码的修改方案，用编码任务评价，保留更好的版本。它的研究价值在于展示了可执行的"提出改动 → 跑测试 → 选版本"机制，而不是让模型口头声称自己进步了。

Hyperagents（2026）允许修改任务智能体的元智能体也参与改进，在代码、论文评审、机器人奖励设计等多个领域展示了性能增长。

三条解释边界必须划清：

第一，模型能力增长和智能体工具链增长不是一回事。 改工具链可能显著提升任务表现，但基础模型参数一个都没变。这两种"成长"在工程上要分开记账。

第二，固定测试集上的持续改进可能包含测试集适应甚至污染。 必须用独立隐藏任务集确认泛化，否则分数上升没有意义。

第三，递归修改能力不等于无限递归自我提升。 还要证明改进机制在多轮迭代后仍然可靠、有效、跨域可用。

2026 年 SkillLearnBench 的结论值得一提：技能学习对可复用流程类任务更有效，对开放任务缺乏一致收益；只依赖自身反馈还可能导致递归漂移。

对种子的建议：自进化是 S7、S8 的高相关实验路线，但顺序要对。先在不可修改的外部验证器下做 L2 到 L3，再碰 L4 到 L5。别让智能体同时掌握自己的代码、评分和安全限制，那不是研究，那是给自己埋雷。

4.4 世界模型：从记住世界到预测世界

世界模型的核心是学一个内部动态表示，能预测这个：

p

(

s

t

+

1

,

r

t

∣

s

t

,

a

t

)

p(s_{t+1}, r_t \\mid s_t, a_t)

p(st+1​,rt​∣st​,at​)

s

t

s_t

st​ 是环境状态或它的内部表示，

a

t

a_t

at​ 是行动，

r

t

r_t

rt​ 是反馈。有了它，系统不用为每个候选行动都在真实环境里付试错成本，可以先在内部模拟里筛一遍。

现在至少三条路：

• 潜变量动力学模型：DreamerV3 那一类，重点是从交互经验学、在潜空间规划
• 预测性表征模型：V-JEPA 那一类，通过预测视频潜在表示学时间与运动结构
• 生成式环境模型：Genie、NVIDIA Cosmos 那一类，重点是可交互环境或物理场景生成

V-JEPA 2 和 2026 年的 V-JEPA 2.1 进一步展示了视频自监督表征加动作条件预测的价值。Genie 3 能产生实时可交互的视觉世界，但开发者自己说得很清楚：行动空间、多智能体交互、长时间一致性都还有限制。

这里有一条极其重要的分界线：

能生成视觉上逼真的未来，不代表能正确预测某个行动在现实中的因果后果。

一个视频模型可以生成看起来合理的倒水画面，但在未知容器、不同材质、隐藏变量或复杂干扰下，它未必能准确预测真实物理结果。画面逼真和物理正确是两套评价体系。

所以世界模型的评价标准要从"看起来合理"换成可检验的预测误差、长期行动回报和迁移表现。

4.5 神经符号混合：可学习的直觉接上可检查的规则

神经网络擅长含噪输入和连续表征，符号系统擅长规则、约束、关系和可检查的推导。混合路线想把两边接起来，主要五种做法：

2026 年的神经符号框架比较研究梳理了 DeepProbLog、Scallop、DomiKnowS 等不同机制，说明这个领域不是单一架构，而是多种耦合方式的集合，选型要按任务特征来。

对种子来说，它最有价值的作用是支撑 S3、S7、S9：从经验抽象规则、组合规则、在形式化问题里检验结果。

但别预设所有自然语言事实都能可靠转成正确逻辑。符号提取本身有歧义，开放世界的知识也穷举不完。

我的建议是保留三种状态，不要混：

• 观察到的事实
• 推断出的假设
• 经过验证的规则

只有后两者经过可靠检验，才能进入更高信任等级的规划或自我修改。这一条如果做不到，神经符号系统会变成一个"看起来很严谨但结论随便"的东西。

4.6 脑启发与发育式智能：研究能力怎么产生

传统预训练路线是把大量任务经验压进参数，然后部署。发育式智能问的是另一个问题：智能系统能不能通过自己的感觉运动经验，慢慢长出概念、对象表征、动作模式和更高级能力？

思想来源包括感觉运动学习、预测处理、突触可塑性、海马体记忆机制、内在动机、认知发展理论。

Thousand Brains Project 的 Monty 是值得单独盯的一个。它的设计基于感觉运动探索和皮层启发的多模块结构，项目自己承认代码还是持续演进的早期测试版本。2026 年有相关系统研究发表。

这里必须区分两条分支，混起来会得出错误结论：

• 算法脑启发：借鉴生物的记忆、可塑性、局部学习、组织结构，但跑在传统计算机上
• 硬件脑启发：用脉冲神经网络、异步事件处理或专用神经形态芯片

两者不等价。SNN 在特定任务和硬件条件下有能效优势，但它本身不会自动长出抽象推理和开放式认知发展。

我的判断：发育式智能是高研究价值、高实施不确定性的长期路线，特别适合研究 S1、S4、S5、S6 怎么共同形成。现阶段它更适合作为独立的对照分支，而不是去替换现有的全部基础模型能力。

4.7 主动推断与自由能原理：把感知、探索、行动统一起来

主动推断试图把感知和行动看作同一个生成模型上的推断过程。典型形式是选使预期自由能最小的策略：

π

∗

=

arg

⁡

min

⁡

π

G

(

π

)

\\pi^* = \\arg\\min_\\pi G(\\pi)

π∗=argπmin​G(π)

预期自由能的常见解释同时包含目标偏好和认知收益：智能体既追求有价值的结果，也通过行动获取信息来降低不确定性。

这对种子有吸引力，因为 S6 的核心不是机械执行固定任务，而是主动挑有学习价值的行动。

2026 年 UAI 那篇研究进一步分析了主动推断的数学目标，并在网格世界里比较了不同不确定性结构下的行为。

三个过度推断要避开：

• 自由能形式化提供了决策目标，不等于自动产生语义概念、工具使用、通用推理
• 数学上自洽，不等于存在能扩展到所有智能任务的工程实现
• 对生物智能的解释框架，不等于人工通用智能的充分实现方案

落地建议：把主动推断当成探索策略的一个实验替代方案，跟基于信息增益的规划、内在奖励强化学习、普通主动学习放在同一组对照里比。它赢不了就该承认它赢不了。

4.8 演化与开放式生成：多样性不等于能力增长

这条线可以追到遗传算法、遗传编程、进化策略、人工生命和开放式演化。

对种子真正重要的不是模拟生物遗传的外形，而是三个计算机制：

• 保留多个能力候选，不只留当前最优解
• 在不确定搜索空间里探索新颖的能力组合
• 允许后续能力建立在之前发现的中间成果上

MAP-Elites 这类质量多样性方法同时维护性能和行为多样性，避免搜索过早塌进单一局部最优。QDax 提供了这些算法的硬件加速实现。AlphaEvolve 把语言模型生成代码跟自动评价、演化搜索结合起来，做算法发现和优化。

这条路最大的空白是：

持续产生新候选，和持续产生有用的新能力之间，没有必然联系。

评价上必须同时看新颖性、技能价值、可复用程度、跨环境迁移、长期累积、搜索算力成本。只有多样性涨了、能力没涨，不能算种子实现了自我成长。这条标准很多演化计算的论文其实是没过的，只是没被追问。

4.9 不该漏掉的几个分支

有些路线给不出完整成长闭环，但可能是关键组件。

经典符号主义与认知架构。 Soar、ACT-R、NARS 代表基于规则、工作记忆、目标结构和认知循环的长期积累，适合研究清晰的内部状态、有限资源推理和符号层面的知识更新。不能因为 LLM 火就把它们划掉。

元学习与测试时训练。 从 MAML 到参数高效快速适配，核心是让系统学会怎么更快地学。2026 年 PrimeTTT 等工作进一步探索把测试时梯度适应和元学习结合。

因果机器学习。 通过干预和反事实推断，从"变量相关"走到"行动会造成什么变化"。价值在提升世界模型的稳健性、实验选择、错误诊断。2025 年的综合综述也指出因果模型仍受可识别性、分布变化、应用验证的限制。

具身智能与模仿学习。 物理环境里的反馈来自真实世界，不只是语言评审。视觉语言动作模型（VLA）、机器人强化学习、模仿学习给种子提供了获得具体行动技能的基础，代价是安全和试验成本上升。这块我自己的本行，感触比较深：真实世界的反馈信噪比高，但每一次试错都花钱花时间，采样效率是硬约束。

多智能体与社会学习。 多角色协作、竞争、自博弈、群体知识共享、交叉评议能产生更多训练信号。但多个同源智能体互相赞同不构成独立证据，群体错误也会被放大。

光计算、量子机器学习、生物计算。 需要纳入观察，不能当成成熟架构。2026 年的综述指出光神经网络仍卡在大规模集成，量子机器学习在经典数据任务上还缺稳定且全面的实用优势，类器官智能还是早期方向。

这些分支合起来说明一件事：智能可以从不同表示、算法、物理机制去研究，但它们对种子的可复用贡献极不均衡。做技术选型的时候，这种不均衡比"理论优雅"重要得多。

五、几个容易踩的认知陷阱

写完上面这些，我觉得有三个判断方式值得单独提醒。

陷阱一：把架构优势当成能力优势。 一个系统能同时做记忆、规划、检索，不代表它比单模块系统更能成长。功能多只是故障面变大。

陷阱二：把任务分数当成成长证据。 分数上升至少有六种替代解释（下一篇文章专门讲这个），其中两种最常见的：测试集被反复接触、把任务拆给外部工具而模型本身没变。

陷阱三：把理论统一当成工程可行。 自由能原理、神经符号、认知架构在理论上都能讲通，但工程上跑起来要不要重新搭环境、要不要重训、成本多高，是另一套账。

六、常见问题

Q：自我成长 AI 和 AGI 是同一件事吗？

不是。自我成长描述的是能力获取机制，AGI 描述的是能力覆盖范围。一个系统可以有很强的成长机制但能力范围很窄（比如只做代码），也可以能力范围很广但几乎不会从新经验里学东西（比如当前的通用大模型）。

Q：有没有哪条路线已经被证明能实现长期自主成长？

没有。截至 2026 年 10 月的公开证据，K6 级别的长期开放发展没有任何系统级验证，任何声称做到这一点的说法都需要独立复现。

Q：为什么不能直接把现成的模块拼起来？

拼接可以跑起来，但拼起来之后的性能收益没法归因。你无法判断涨的那部分来自记忆、来自技能库，还是来自多跑了几次推理。研究价值取决于能不能说清收益来源。

Q：基础模型能力越来越强，是不是这个问题会自动消失？

不会。基础模型变强提升的是起点，成长看的是增量。更强的模型如果不会从经验里提取可复用规则，它在未见任务上依然是平的。

Q：做这块研究，最省成本的起步动作是什么？

先建基线，再谈架构。把冻结模型、长上下文、长期记忆、技能库、受控自修改做成五组对照，在同一个隐藏测试集上跑。这一套搭完，你已经比大多数宣称"自我进化"的项目做得更扎实了。

参考资料