从蒸馏到合成数据到 RSI，模型竞争的下一个焦点是什么？｜对谈 Evolvent AI 联创孟繁青

AI 模型开发正从预训练转向以工程化和数据为核心的后训练阶段。国内厂商在底层架构创新上表现亮眼，但在数据积累方面仍面临挑战。合成数据已成为提升模型能力的关键，通过构建复杂环境实现自我迭代（RSI）正成为行业共识。RSI 本质上是模型在特定目标下通过反馈循环进行的深度探索，类似于更智能的 DFS 算法。随着模型智力基础的提升，单纯的算力堆砌已非唯一壁垒，组织架构设计与高质量数据工程能力成为决定竞争力的核心。未来，模型厂商将通过内化 RSI 能力实现自我进化，而垂直领域应用则更倾向于利用轻量化模型与高效工作流，以实现更低成本的落地。