2026年夏天，自进化AI迎来历史性时刻。当海外新一代AI实验室（NeoLab）还在通过宏大叙事斩获数亿美元融资时，由盛大集团（Shanda Group）孵化的中国硬核研发团队EverMind已经用连续三篇重磅学术论文，悄然交出了自进化AI领域的首份全栈答卷。这不仅是盛大All in AI战略布局的开花结果，更标志着中国团队在尖端AI技术源头创新上走到了世界前列。
回溯中国互联网史，盛大创新院曾是一个纯粹探索前沿技术的“异类”。十余年后，盛大的战略视线锁定在更为前沿的脑科学和AI方向。作为其孵化的精英团队，EverMind从一开始就选择了一条在商业上最具挑战性、在技术上最底层根本的路径：攻克AI的长期记忆瓶颈，并以此探索AI的自进化AI（Self-Evolving AI）与递归自我改进路线。
2026年，全球NeoLab浪潮狂飙。诸如前Meta科学家田渊栋联合创立的Recursive Superintelligence（RSI）拿下了6.5亿美元融资，估值攀升至46.5亿美元；AlphaGo之父David Silver创立的Ineffable Intelligence也以51亿美元估值杀入。这些明星团队都在押注“递归自我改进（Recursive Self-Improvement）”，旨在让AI部署后能够实现自我迭代与持续进化。
然而，审视这些高估值的海外团队，大多仍停留在单点突破或宏观构想阶段。例如，Engram专注于参数化权重记忆，Adaption Labs主攻推理时适应。相比之下，EverMind通过三篇连续发表的论文，从技能层、脚手架层（Harness）到模型权重层，提供了一套闭环的、全栈自进化AI技术架构，抢先实现了系统化落地。
这一爆发并非偶然。在今年四月的“记忆起源”Hackathon上，RSI联合创始人田渊栋与#EverMind负责人邓亚峰曾进行了一场深度对谈。邓亚峰指出，从“长期记忆”结合持续学习，走向“自我进化”，是下一代AI的核心路线。EverMind基于记忆操作系统EverOS与自进化Agent框架Raven，完美践行了这一研发布局：记忆是积累经验的载体，而自进化是将经验转化为能力跃升的终极路径。
传统LLM部署后能力即被冻结，而自进化AI要求模型在交互中自发变聪明。但这面临极高门槛：首先是脚手架层的自我改进，模型自我调整代码容易对特定测试集产生“过拟合”导致灾难性崩溃；其次是技能的规模化管理，如何在高维、动态的Agent任务中沉淀并复用长期技能，依然是业界未解的难题。而EverMind的最新成果正是针对这些痛点交出了答卷。
随着大模型边际效应递减，AI Agent的自进化能力（Self-Evolution）已成为决定下一代AI生态胜负的胜负手。横向对比来看，尽管海外诸如 RSI 等 NeoLab 在资本市场上风头无两，但大多受限于单一层面的参数微调或短期推理适应。相比之下，EverMind 提出的从 EverOS 记忆底层到 Raven 框架、再到权重与脚手架双重演进的全栈路径，极具工程可行性与前瞻性。这种“记忆+自进化”的双轮驱动模式，为解决 Agent 在复杂工业场景下的过拟合及技能退化问题提供了标准样板。长期来看，自主进化的 Agent 将彻底打破传统软件的“发布-更新”周期，实现真正意义上的千人千面、随用随聪，极大地加速自适应具身智能和自主工作流的商用进程。
