【Top News】

我们获知，姚顺宇正在推进的RSI创业公司（公司名字|融资等信息暂不便公开），联创班底已基本成形。联创之一是来自Google DeepMind 的资深员工Ethan Liang，Linkedin显示其最近职位为 DeepMind Senior Staff Tech Lead Manager，团队还在吸引来自Google DeepMind、Anthropic、OpenAI等头部AI实验室的研究和工程人才

团队希望为企业开发定制化模型，将已在Google验证过的AI工作方式产品化，系统进入企业真实工作流，读取数据、调用工具、执行任务，并根据真实工作结果持续改进。简单来说，该公司把AI从一个需要不断下指令的工具，变成一套能够在企业内部长期学习、不断改善工作结果的系统

【联创 Ethan Liang 简介】

中国科学技术大学本科，美国伊利诺伊大学香槟分校博士。在Google近10年期间，参与了Gemini 2.5相关工作，也是论文《Embedding-Aligned Language Models》的共同作者。该研究尝试通过强化学习，使模型输出更贴近特定领域的数据分布和任务目标

如果姚顺宇更接近训练方法、强化学习和研究判断，Ethan Liang的价值则可能更多体现在工程落地：如何让模型进入真实系统，处理持续变化的数据和用户反馈。两个人的组合，一边是模型为什么能够进步，一边是这种进步如何成为产品

姚顺宇的稀缺性

姚顺宇曾在Anthropic参与Claude的工具调用和编码，以及大规模强化学习和数值稳定性工作。进入Google DeepMind后，他主要研究新一代强化学习算法

这几段经历覆盖了一条完整链路：模型如何训练，训练如何保持稳定，以及模型如何调用工具、进入真实任务。Paretian选择的方向，恰好位于三者的交叉点

姚顺宇当然不是“不可替代”的，真正稀缺的是他的能力组合：理论研究训练、大规模强化学习经验、前沿模型后训练经历，以及把复杂研究问题变成工程系统的经验。全球分别具备这些能力的人并不少。同时跨越这些环节，又愿意离开头部实验室亲自创业的人，仍然相当有限

为什么是现在？

过去一年，AI自我改进正在从概念变成工程系统。Google DeepMind、Anthropic和OpenAI都已公布相关进展：

这些进展还不是完整意义上的RSI——AI尚不能独立决定研究方向、训练并发布自己的下一代模型。但一条更现实的路线已经清晰：人类设定目标和边界，AI生成方案、执行任务、接受评估，再根据结果进入下一轮

团队希望把这套循环从头部实验室带进企业，他们接下来需要回答的是：离开近乎无限的算力、数据和工程支持后，这套机制能否在一家普通企业里稳定运行；每一轮改进，能否被测量、被审计，并最终转化为收入。如果答案成立，公司出售的就不只是一个模型，而是一套让企业持续产生新能力的系统

（转载自Top华人科创社）