2026 年夏天，注定是自进化 AI 的历史一刻。

当海外 NeoLab 还忙于靠叙事拿下数亿美元融资时，一家中国团队用连续三篇论文，交出了自进化 AI 领域第一份全栈答案。

它就是 EverMind，由盛大集团孵化，延袭当年创新院研究基因。

其实回顾中国互联网史，盛大创新院的存在几乎算得上「异类」。

2008 年，陈天桥在盛大集团内部创立该机构，其定位不是做产品、也不追 KPI，就是纯粹地探索技术前沿。

这在那个流量为王、变现至上的互联网时代，其实是一种极为罕见的企业内研究文化。

彼时，这种模式在中国企业界几乎是开创性的。

十余年后，时代的底色已经从互联网切换到了 AI。

而盛大集团的战略布局，也已经集中到更为前沿的脑科学和人工智能方向——

近三年来，盛大 All in AI，在原有风险投资体系基础上，通过内部孵化机制在全球范围内广泛吸引顶尖 AI 人才，陆续孵化出多支专注于不同 AI 方向的研究型团队。

EverMind，正是其中一支。

如果说盛大创新院开创了中国企业内研究型组织的先河，那么 EverMind 的出现，则是这一基因在 AI 时代的延续与升华。

也正因如此，这支团队从一开始便选择了一条在商业上看似“最难”、在技术上却“最根本”的路：

解决 AI 的长期记忆问题，并在此基础上，探索 AI 的自进化之路。

放至 2026 年的 AI 版图上，这个模式有了一个更为响亮的名字——

NeoLab（新一代 AI 实验室）。

NeoLab 这个词，最早是被用来描述那批从 OpenAI、Google DeepMind、Meta 等顶级 AI 机构出走、押注前沿技术方向独立创业的研究型团队。

他们的共同特征是：面向下一代 AI 技术、研究驱动和长期主义。

2026 年，这股浪潮已经汹涌到了无法忽视的程度：

比如，前 Salesforce 首席科学家 Richard Socher 与前 Meta FAIR 科学家总监田渊栋联合创立的 Recursive Superintelligence（RSI）。

其在团队不足 30 人、尚无任何产品的情况下，拿到了 6.5 亿美元融资，估值高达 46.5 亿美元，并随即与 AWS 签署了 4.1 亿美元的多年算力合作协议。

DeepMind 的 AlphaGo 之父 David Silver 带着 Ineffable Intelligence 以 51 亿美元估值杀入战局。

Engram 以 6 亿美元估值完成了 9800 万美元 A 轮融资，Adaption Labs 以 10 亿美元估值拿到了 5000 万美元种子轮，Core Automation 的估值目标直指 40 亿美元……

这些团队押注的核心命题，都指向同一个方向：如何让 AI 在部署后不再是一成不变的静物，而是能够通过自我迭代实现持续进化。

这个方向，在学术上被称为递归自我改进（Recursive Self-Improvement），在产业上被称为自进化 AI（Self-Evolving AI）。

就在海外团队还在各自的细分领域摸索时，EverMind 悄然完成了一件令人瞩目的事：

连续发布三篇重量级论文，从技能层、脚手架层到模型权重层，系统性地给出了一套完整的自进化 AI 技术答案。

一次对话，两个入口：当 RSI 遇上 EverMind

在深入这三篇论文之前，有一个细节值得单独记录。

今年四月，EverMind 主办了一场名为“记忆起源”（Memory Origins）的 Hackathon 活动。

在这场活动上，出现了一位特别的嘉宾——Recursive Superintelligence（RSI）的联合创始人之一，田渊栋。

田渊栋在活动上分享了他对 AI 记忆工作的深度理解，而彼时 RSI 融资的相关进展尚未披露。

在活动结束后，田渊栋与 EverMind 负责人邓亚峰共同接受了「硅谷创见汇」播客的采访，两人就 AI 行业的发展走向和记忆相关技术的前景进行了深入对谈。

在这次对话中，邓亚峰提出了一个核心判断，也透露了 EverMind 技术战略的脉络：

从长期记忆，结合持续学习，走向自我进化是下一代 AI 的核心技术路线。

这句话值得细细品味。

记忆，是 Agent 积累经验的载体；自进化，是把经验转化为能力跃升的路径。

没有高质量的记忆，自进化就是无源之水；没有自进化作为目标，记忆就只是一个越来越大的档案馆。

EverMind 从 EverOS（记忆操作系统）到 Raven（自进化 Agent 框架），再到三篇自进化论文所构建的完整技术栈，正是这一判断的系统性实践。

田渊栋与邓亚峰在同一个舞台上的相遇，某种程度上也是一个隐喻：

当海外最顶尖的自进化研究者，与中国最具研究深度的记忆 AI 团队相遇，他们发现彼此正在从不同的入口，攀登同一座山峰。

为什么「自进化」重要且难？

在深入 EverMind 的技术细节之前，还需想清楚一件事：为什么“让 AI 自我进化”既是必答题，又是一道难题。

传统大语言模型一旦完成训练并部署，能力就被冻结了，不再随使用而增长。可人类智能最迷人的地方恰恰相反——每一次交流、每一次思考，我们都在悄然进化。

下一代 AI 也理应如此：能够通过持续学习不断变得更聪明，而不是停在出厂那一刻。

而且这条路正在变得现实。

随着大模型能力的跃升，越来越多的案例表明，“AI 自主改进 AI”已经从设想走向可行，在某些环节甚至开始超越人类专家。

一旦 AI 能够稳定地自我改进，随之而来的很可能是一场生产力的跃迁。

但要真正做到这一点并不容易。

属于中国 NeoLab 的时刻到了

再往前，EverMind 团队相信：

下一代 AI，必然是一个能记住用户偏好、越用越聪明的 AI。

以长期记忆累积经验，以持续学习改进模型，真正走向 AI 的全栈自我进化，将是这一代 AI 最重要的技术路线。

这条路线一旦被打通，无论是数字世界里的 Agent、物理世界中的具身机器人，还是整个 AI for Science 领域，都将被深刻改变。

在互联网时代，盛大创新院曾是中国企业内研究文化的先行者，被后来互联网及各领域巨头纷纷效仿；在 AI 时代，EverMind 也正在成为中国 NeoLab 浪潮中最具研究深度的代表之一。

仅仅一年间，团队就在长期记忆与自进化领域产出 9 篇高质量论文，其中数篇被 ACL、KDD 等顶会录用。

这意味着 EverMind 的自进化不只是一个工程化产品，更有扎实的底层技术与严谨的学术支撑：

DASH 让模型在训练时“看清自己错在哪里”，Self-Evolving Harness 让 Agent 在运行时安全地重写自身逻辑，SkillCorpus 让 Agent 的成功经验被规模化地沉淀与复用。

三者合一，构成了一个从「感知错误」到「修改逻辑」再到「沉淀记忆」的完整自进化闭环。

但这条路，EverMind 并不想独自走完，团队诚挚邀请各领域的伙伴与之同行，一起共同构建 AI 长期记忆的基础设施，把持续学习与自我进化推向科学、具身、金融、智能硬件等更广阔的场景。

在定义「数字生命」下一个形态的道路上，中国的研究型团队，已经来了。

至于更精彩的部分，才刚刚开始。

责任编辑：kj005

文章投诉热线:157 3889 8464  投诉邮箱:7983347 16@qq.com