AI Infra进入自进化时代！清华团队AI优化AI造就国产万亿Token工厂

量子位8月18日报道，当硅谷围绕Recursive Self-Improvement（RSI，递归自我改进）沸腾时，国内一家清华背景的创业公司清昴智能，正把“AI自己优化AI”的路线落到算力基础设施上，目标是在国产算力上建成日均万亿级Token工厂。

RSI是当前前沿讨论的高频词，指AI自主提出问题、设计实验、评估结果并根据反馈不断改进自己，被视为继AI推理、Agent之后的下一个重大前沿。报道提到，OpenAI的GPT-5.6已借助RSI相关能力把端到端服务成本降低20%、Token生成效率提升15%以上；Anthropic披露其代码库中超过80%的代码由Claude自主生成；Jeff Dean从谷歌离职创办Discovery Loop，投入的也是这条赛道。

报道点出了一个节奏错位：上层模型正从一问一答走向能持续运行数小时甚至更久的自主Agent，相当于向L4式高度自主执行迈进；而国产算力的软件生态相对碎片化，算子适配、编译优化、内存调度、框架适配等环节长期依赖少数资深工程师手工完成，一个复杂算子的开发与调优往往耗时数周，却可能很快被模型和芯片的高速迭代淘汰。

清昴智能是国内第一家专注AI自进化Infra的创业公司。团队技术脉络可追溯到清华大学计算机系朱文武教授实验室，朱文武团队2022年正式提出自我驱动机器学习概念，把机器的自主权扩展到任务、数据、模型、优化策略乃至评价标准；公司带头人关超宇是朱文武的学生、清华特奖获得者，曾率队在全球AutoML、MetaDL挑战赛中击败哈佛、MIT、斯坦福等强队夺冠。

落到工程实现上，清昴把整套体系拆成自主优化与自主演化两大能力：前者针对“这一次怎么优化”，系统根据真实运行状态自动定位瓶颈并尝试不同方案；后者针对“下一次怎么更快优化”，把每次优化积累的经验沉淀下来，在新模型、新芯片上复用，形成“优化—积累经验—再优化”的闭环。

这套体系已在国产算力真实生产环境验证：一名资深专家过去约需两周完成的复杂算子开发与调优，现在压缩到约一小时，整体效率提升约336倍；国产芯片全链路打通从约一个月压缩到1天至1周，综合提速约30倍；部分代表性算子性能较基线最高实现30倍加速。截至目前，清昴已完成数十款国产芯片的适配与性能优化，覆盖国内超半数主流国产算力芯片。

把算力优化好只是第一步。在Agent时代，部分复杂Agent单次任务的Token开销较传统对话模型提升数百倍，不少业务场景的日均调用量已向万亿级别靠拢，决定业务能否跑通的是每个Token背后的算力成本、延迟和资源利用率。清昴的目标正是基于国产算力打造日均万亿级Token工厂，为Agent时代数万亿级Token的高效产出提供算力底座。

过去只有少数顶尖专家掌握的优化经验，正在变成一种可由机器执行、持续积累并复制到不同模型与芯片上的系统能力。后续值得关注的是，这种自进化Infra范式能否在国产算力生态中铺开，以及“AI优化AI”会如何改写算力软件栈的游戏规则。