Sakana AI 是总部位于日本东京的 AI 研究实验室。2026 年 9 月 24 日，它在官网宣布，被誉为"现代 AI 之父"的 Jürgen Schmidhuber 将以首席科学顾问的身份加入（同时保留现有职位），并参与实验室新成立的递归自我改进（RSI）实验室。
他是谁：LSTM、世界模型与 1987 年的论文
Schmidhuber 与 Sepp Hochreiter 在 1997 年共同提出了 LSTM，这一架构支撑了之后十年的序列建模，也是今天 AI 爆发的基石之一。Sakana 在公告中还列出他的其他开创性工作：世界模型、元学习、哥德尔机，以及 1991 年的一系列深度学习技术。更早的 1987 年，他的学位论文就已经在探讨递归自我改进与元学习。
Sakana 想让他做什么：RSI 实验室与物理 AI
Schmidhuber 将参与指导新成立的 RSI 实验室，其终极目标是触发"科学发现的复利循环"：用机器智能加速科学发现，再用新的发现改进机器智能。Sakana 表示，他的愿景已经直接影响了实验室近期的突破，包括 Darwin Gödel Machine 和 AI Scientist。而在产品路线上，Sakana 正在开发首个"智能体原生世界模型"（Agent-Native World Models），让 AI 在行动前先在内部"梦境"中安全地模拟物理后果，再作用于真实世界——这也正是 Schmidhuber 在引言中强调的判断："智能的未来不只是语言，而是由世界模型驱动的物理 AI"。
需要区分的是，公告谈的是研究方向与实验室组建，不是"已经实现自我改进的 AI 系统"。世界模型是"正在开发首个"，RSI 实验室是"新成立"，复利式发现循环是"终极目标"，这些时间点公告里写得很清楚。Sakana 描绘的远景是：能主动研究、发现、改写自身代码、并与物理世界交互的系统，地基正在铺设。
为什么是日本：人才回流与"制造"传统
Sakana 把这次任命放在"逆转 AI 人才外流"的叙事里：把世界级研究者吸引到东京。Schmidhuber 长期推崇日本研究者的奠基性工作，包括福岛邦彦 1979 年的新认知机（卷积神经网络的原型）和甘利俊一在 Hopfield 网络上的开创性研究；他未来将定期前往东京与团队共事。
Sakana 的另一层算盘是日本的"制造"（Monozukuri）传统。世界模型内化了物理定律与物流规律，可以成为下一代工业制造的"认知引擎"：供应链优化、机器人部署不再依赖昂贵的真实试错，而是在模型内部的"梦境"里先跑一遍。对 Schmidhuber 而言，这是一次回归——回到他学术生涯起点就关注的递归自我改进；对 Sakana 而言，这是一次押注——押注智能的下一站不在更大的语言模型里，而在能理解物理世界的模型里。
