通衍灵智押注持续自进化 推Personal LoRA路线

时间：2026年10月19日（中文媒体集中刊出日），北京通用人工智能研究院（BIGAI）产业平台孵化的通衍灵智通过《量子位》公众号、腾讯新闻、网易科技同步披露其面向企业与个人用户的"持续自进化 Personal AI"完整技术路线，将 Recursive Self-Improvement（RSI）与 Personal LoRA、TIP（训推并行）、Paged LoRA 四个组件绑定为产品底座；公司 CEO 谢枭楠、CTO 储兵兵、首席架构师朱升华、产品负责人刘丝尹首次以团队形式集中受访。 地点：北京市海淀区颐和园路2号未来科技大厦15层（通衍灵智注册办公地址）；BIGAI 总部所在地；测试平台使用 Qwen2.5-72B-Instruct 基座与 8 张 NVIDIA H800 GPU；首批落地行业为软件研发（Coding Agent）、金融投研、企业运营。 人物： - 李未：北京通用人工智能研究院产业平台 CEO、通智人工智能科技（北京）有限公司法定代表人，本次以产业平台身份对外阐述方向 - 谢枭楠：通衍灵智 CEO，主导"用户专属能力沉淀"的商业化路径 - 储兵兵：通衍灵智 CTO，主导 RSI 与底层算力优化 - 朱升华：通衍灵智首席架构师，主导 Personal LoRA 架构与基础模型兼容性 - 刘丝尹：通衍灵智产品负责人，主导"产品层"的数据与模型权属划分 - 朱松纯：北京通用人工智能研究院院长、通智人工智能科技实控人（提供 BIGAI 体系背书） 事件详情：通衍灵智将整套技术体系命名为"Recursive Self-Improving Personal AI（递归自进化个性化智能）"，核心由四个工程组件咬合构成：（1）Personal LoRA —— 在共享 Base Model 之上以轻量化 Personal Parameters 承载个人/项目/企业的专属能力，传统垂类模型解决"金融和医疗不一样"，通衍灵智进一步解决"同 Coding 项目 A 与 B 不一样、同投资经理 A 与 B 不一样"；（2）RSI —— 单一算法升级为一整套 Evaluator 驱动的持续学习闭环，业务运行产生的任务轨迹、人工修正与实际结果先经 Evaluator 筛选，再增量更新 Personal LoRA，更新后还要与旧版本在同一批任务上重跑，确认提升才上线、退化就回滚；（3）TIP —— 训推并行调度，同卡同批训推并行 + 异步梯度累积，把持续学习带来的训练与推理频繁交替控制在一套算力之内；（4）Paged LoRA —— 面向海量 Adapter 并发运行的显存管理，分页管理与按需映射，让不同 Personal LoRA 灵活共享基础模型与显存。在已完成的阶段性测试中，通衍灵智使用 Qwen2.5-72B-Instruct + 8× H800，将 Paged 与传统 Flat 的 LoRA 显存预算统一控制在 5.79GB；当 LoRA 请求占比 1%–30% 时，Paged 在响应延迟与长尾表现上取得优势，但占比升至 50% 时频繁换入换出会造成性能退化，团队正围绕异步加载与热点参数预取继续优化。商业模式上，通衍灵智同时推出两条产品线——面向业务部门的"Hyper Agent"订阅制与面向技术团队的"Personal Model"按 Token/TPM 计费，企业用过 Agent 后沉淀下来的专属能力以 Personal LoRA 形式存在，可在不同基础模型之间重新适配。 背景：RSI（Recursive Self-Improvement）今年从概念加速落到工程，国内外已有多个团队公开路径——腾讯混元 10 月发布的 Terminal-RSI（5 阶段递归自改进 + Qwen3.8-27B 基座）、智谱 GLM-5.3（10 万国产卡自建推理）、Google 10 月开源的 RRSI（自改进智能体不再刷题走形）、DeepMind Dream-RSI（少 162 倍调用）等。通衍灵智路线与上述各家最显著的差异在于"目标对象"：前述各家以通用模型本身为改造对象，通衍灵智则把目光放在"个体/组织的专属能力沉淀"上，并明确将企业沉淀的 Personal LoRA 作为可迁移资产——即便底座模型更换，已积累的能力仍以数据-评价体系-参数三层保留，不随底座切走。BIGAI 作为发起方，本身是北京支持建设的通用人工智能新型研发机构，体系内还运营通智人工智能科技，已战略入股上市公司品茗科技（15.9206%、第二大股东），并与千方科技（智能交通）、福莱新材（柔性传感/具身智能）、苏宁易购旗下碧英科技（消费智能体）等签署过合作。 影响：通衍灵智在国内 RSI 路线版图上补齐了"Personal 层"这一块空白，与底层 RL/Self-play、中层 Harness/Agent 外循环组成 RSI 三个关注尺度的完整三角；同时把"千人千面"从过去 Prompt+RAG+Memory+Skill 的"模型外信息组织"推进到"Personal Parameters 的参数层适配"，开始触及个人与组织长期形成的隐性经验——资深工程师知道"哪些模块不能动"、投资经理清楚"哪类风险偏好要先稳"等可被训练而非检索的隐性知识。一旦企业接受"经验也能写进模型参数"，AI 服务定价将从按 API 调用切换为按"专属能力沉淀"订阅，对 OpenAI/智谱/DeepSeek 之类通用 API 商业模式构成结构性分流压力；通衍灵智的"基础模型可替换、Personal LoRA 跨模型有限复用"主张如成立，会显著降低企业对单一底座厂商的长期依赖，并对国内基础模型之间的可迁移性提出新工程要求。Hyper Agent 与 Personal Model 双产品线首批落地 Coding Agent 场景，叠加与千方科技、福莱新材的智能交通与具身智能合作，可以预期 2027 上半年通衍灵智将在金融投研和具身大脑方向传出实质客户案例；不过 RSI 完整闭环仍处于持续研发阶段，单次反馈能否形成规律、灾难性遗忘与反馈污染等仍是行业级工程难题。 总结：通衍灵智把 RSI 这条"让 AI 自己改自己"的路线，从"通用模型本身的自进化"进一步推进到"个人与组织的专属能力沉淀"——以 Base Model + Personal LoRA 双层架构 + Evaluator 驱动的持续学习闭环为核心，配 TIP 训推并行与 Paged LoRA 解决工程成本，让企业长期形成的隐性经验第一次有了可量化、可版本化、可在底座切换后保留下来的承载方式；这对通用 API 定价模型、企业 AI 资产权属、千人千面的工程实现路径三条线同时提出重构要求，也将国内 RSI 赛道从"通用模型自进化"扩展为"通用+个人"双层并存。 参考来源： 1. 量子位：通研院孵化的团队，也盯上了RSI，https://www.qbitai.com/2026/10/504294.html 2. 腾讯新闻（量子位授权转载）：通研院孵化的团队，也盯上了RSI，https://news.qq.com/rain/a/20261019A0DZ3200 3. 网易科技：从「一模万人」到「千人千面」，通衍灵智把个性化做到了模型层，https://www.163.com/dy/article/L9KK4GB30511AQHO.html 4. 网易科技：养成系AI玩法来了！可持续进化Personal AI，经验写进DNA，https://www.163.com/dy/article/L9L21NQ505568W0A.html 5. 通衍灵智官网（隶属于 BIGAI 北京通用人工智能研究院产业平台），https://www.tongbrain.com/ 6. 通智人工智能科技（北京）有限公司 - 百度百科（母公司法代/股权信息），https://baike.baidu.com/item/%E9%80%9A%E6%99%BA%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E7%A7%91%E6%8A%80%EF%BC%88%E5%8C%97%E4%BA%AC%EF%BC%89%E6%9C%89%E9%99%90%E5%85%AC%E5%8F%B8/67337945