賭自己會(huì)失業(yè)！田淵棟八人天團(tuán)狂攬44億元，殺入「遞歸進(jìn)化」賽道

新智元報(bào)道

編輯：好困

【新智元導(dǎo)讀】8個(gè)締造AI輝煌的超級(jí)大腦，帶著谷歌英偉達(dá)巨資狂暴入場(chǎng)。他們要讓AI自己訓(xùn)練自己，然后把AI研究員這個(gè)職業(yè)徹底干掉。

沒有產(chǎn)品。25個(gè)人。

成立不到半年。估值46.5億美元。

更離譜的是，這家公司的八個(gè)聯(lián)合創(chuàng)始人，全是AI領(lǐng)域最頂尖的研究員。

他們燒著6.5億美元，賭的是自己這個(gè)職業(yè)會(huì)消失！

• NLP詞向量奠基人、Salesforce前首席科學(xué)家Richard Socher

• Salesforce AI Research前SVPCaiming Xiong

• Meta FAIR前研究總監(jiān)田淵棟

• Vision Transformer（ViT）第一作者Alexey Dosovitskiy

• 達(dá)爾文·哥德爾機(jī)作者、進(jìn)化算法先驅(qū)Jeff Clune

• DeepMind Genie世界模型核心研究員Tim Rockt?schel

• OpenAI機(jī)器人團(tuán)隊(duì)搭建者Josh Tobin

• OpenAI早期成員、AI客服獨(dú)角獸聯(lián)創(chuàng)Tim Shi

這份名單攤開來，幾乎就是過去十年AI關(guān)鍵突破的作者列表。

他們的公司叫Recursive Superintelligence，昨天正式從「隱身模式」中走出來。

背后投資陣容非常豪華——GV（Google Ventures）和Greycroft領(lǐng)投，AMD Ventures和英偉達(dá)跟投。

八個(gè)頂級(jí)AI研究員

燒6.5億美元賭自己失業(yè)

Socher幾周前說過一句話，現(xiàn)在看來更像是宣戰(zhàn)。

神經(jīng)網(wǎng)絡(luò)的第三階段，也許是最后一個(gè)階段。

• 第一階段，神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)了自己提取特征，特征工程師失業(yè)了。

• 第二階段，統(tǒng)一模型干掉了任務(wù)專用架構(gòu)，一堆細(xì)分賽道的公司消失了。

• 第三階段，AI學(xué)會(huì)訓(xùn)練自己。

現(xiàn)在造一個(gè)前沿模型，OpenAI、Anthropic、DeepMind這些頭部實(shí)驗(yàn)室需要幾百人忙幾個(gè)月。數(shù)據(jù)篩選、訓(xùn)練設(shè)計(jì)、后訓(xùn)練對(duì)齊、研究方向選擇，每一步都靠人。

但問題是，全世界能做這件事的人不超過幾千個(gè)。而且，模型越復(fù)雜，人類理解和優(yōu)化它的能力越接近天花板。

Recursive要做的，就是把上面這整條pipeline自動(dòng)化。

評(píng)估、數(shù)據(jù)篩選、訓(xùn)練、后訓(xùn)練、研究方向選擇，全部交給AI自己來。

整條鏈路閉環(huán)，從頭到尾不需要人。

如果這件事成了，它意味著一個(gè)反饋循環(huán)。AI改進(jìn)自己 → 改進(jìn)后的AI更擅長(zhǎng)改進(jìn)自己 → 循環(huán)加速。

這就是「遞歸自我進(jìn)化」（Recursive Self-Improvement，RSI）。也是這家公司名字的由來。

全明星首發(fā)陣容

田淵棟

上海交通大學(xué)本碩，CMU機(jī)器人研究所博士。

在Meta FAIR工作近十年，最后的職位是研究總監(jiān)，領(lǐng)導(dǎo)LLM推理、規(guī)劃和決策方向。2025年10月Meta裁員被波及后離開。

他主導(dǎo)的ELF OpenGo項(xiàng)目用單塊GPU就擊敗了圍棋職業(yè)選手，還帶出了StreamingLLM和GaLore等明星項(xiàng)目。

他也是ICLR 2026遞歸自我進(jìn)化Workshop的聯(lián)合組織者。

擴(kuò)展閱讀：田淵棟被Meta卸磨殺驢，但全網(wǎng)瘋狂發(fā)offer！OpenAI沖來搶人了

Tim Shi

清華大學(xué)計(jì)算機(jī)科學(xué)學(xué)士（期間在MIT交換），Stanford AI Lab博士方向研究NLP和強(qiáng)化學(xué)習(xí)。

2016年作為早期成員加入OpenAI，參與核心模型開發(fā)。后來聯(lián)合創(chuàng)辦了AI客服公司Cresta并擔(dān)任CTO。

Caiming Xiong

紐約州立大學(xué)布法羅分校計(jì)算機(jī)科學(xué)博士，UCLA統(tǒng)計(jì)學(xué)博后。

跟Socher是MetaMind時(shí)期的老搭檔，一起被Salesforce收購(gòu)后搭建了整個(gè)AI研究體系，做到了AI Research高級(jí)副總裁（SVP），管過NLP、計(jì)算機(jī)視覺、對(duì)話AI等多個(gè)方向的研究團(tuán)隊(duì)。

發(fā)表超100篇深度學(xué)習(xí)研究，拿過ACL 2019杰出論文獎(jiǎng)。

Richard Socher

斯坦福計(jì)算機(jī)科學(xué)博士。NLP領(lǐng)域被引用最多的研究者之一，發(fā)明了最早一批被廣泛使用的詞向量和上下文向量，在很多人還不知道prompt engineering這個(gè)詞之前就在做這件事了。

2014年創(chuàng)辦MetaMind，2016年被Salesforce收購(gòu)后出任首席科學(xué)家和執(zhí)行副總裁，一手搭建了Salesforce的AI研究實(shí)驗(yàn)室和產(chǎn)品體系。

離開后創(chuàng)辦了AI搜索引擎You.com，估值15億美元，融了超過2億。現(xiàn)在他扔下了You.com的一切，去造一個(gè)連產(chǎn)品都沒有的公司。

他不久前解釋過自己為什么做這件事。最近一次招聘，候選人拒絕了offer，理由是「AI研究員這個(gè)崗位幾年內(nèi)就會(huì)被自動(dòng)化」。Socher聽完，決定親自去驗(yàn)證這個(gè)判斷。

Jeff Clune

密歇根大學(xué)哲學(xué)學(xué)士，密歇根州立大學(xué)計(jì)算機(jī)科學(xué)博士。現(xiàn)任UBC計(jì)算機(jī)科學(xué)教授、CIFAR AI Chair，也是進(jìn)化算法和開放式AI系統(tǒng)領(lǐng)域的先驅(qū)。

曾在Cornell做博后，后來先后加入U(xiǎn)ber AI Labs（創(chuàng)始成員）和OpenAI擔(dān)任研究管理層。

他在Sakana AI主導(dǎo)的Darwin G?del Machine研究，第一次證明了AI Agent可以自主重寫自己的代碼來提升benchmark性能。

Alexey Dosovitskiy

莫斯科國(guó)立大學(xué)數(shù)學(xué)博士。先后在Freiburg大學(xué)（博后，導(dǎo)師Thomas Brox）、Intel Labs和Google Research做深度學(xué)習(xí)研究。

他最廣為人知的成果是Vision Transformer（ViT），那篇「An Image is Worth 16x16 Words」是過去五年計(jì)算機(jī)視覺領(lǐng)域被引用最多的研究之一，直接把Transformer架構(gòu)從NLP搬進(jìn)了視覺，重塑了整個(gè)CV領(lǐng)域的技術(shù)路線。

Tim Rockt?schel

柏林洪堡大學(xué)計(jì)算機(jī)科學(xué)碩士，UCL博士（獲Google博士獎(jiǎng)學(xué)金和微軟研究博士獎(jiǎng)學(xué)金）。現(xiàn)任UCL人工智能教授。

在牛津做過博后，之后加入Meta FAIR擔(dān)任研究經(jīng)理和Area Lead，再到Google DeepMind擔(dān)任高級(jí)研究科學(xué)家，參與了Genie世界模型項(xiàng)目。

Josh Tobin

哥倫比亞大學(xué)數(shù)學(xué)學(xué)士，UC Berkeley計(jì)算機(jī)科學(xué)博士（導(dǎo)師Pieter Abbeel）。

讀博期間同時(shí)在OpenAI做了三年研究員，一手搭建了OpenAI的機(jī)器人能力，參與了那個(gè)著名的AI解魔方機(jī)械手項(xiàng)目。

離開后聯(lián)合創(chuàng)辦了ML監(jiān)控公司Gantry，也創(chuàng)建了Full Stack Deep Learning課程。

他的專長(zhǎng)是把研究成果落地成可用的工程系統(tǒng)。

八個(gè)人，橫跨Meta FAIR、Google DeepMind、OpenAI、Salesforce AI、Uber AI，研究方向覆蓋進(jìn)化算法、世界模型、視覺Transformer、強(qiáng)化學(xué)習(xí)、機(jī)器人、NLP、核心訓(xùn)練，但他們各自獨(dú)立走到了同一個(gè)結(jié)論。

AI的下一步，是讓AI自己造模型。不是更大，是更自主。

這種「不同路徑匯聚到同一個(gè)終點(diǎn)」的故事，投資人最愛聽。GV和英偉達(dá)顯然也聽進(jìn)去了。

不是科幻

有人已經(jīng)跑通了一半

Recursive的野心不是憑空冒出來的。

過去一年，「AI自我進(jìn)化」從學(xué)術(shù)設(shè)想一步步變成了可操作的工程方向。

2025年5月，Google DeepMind發(fā)布了AlphaEvolve。

這個(gè)系統(tǒng)用LLM作為核心引擎，通過進(jìn)化搜索來設(shè)計(jì)和優(yōu)化算法。

AlphaEvolve證明了一件事，AI可以在算法設(shè)計(jì)這個(gè)領(lǐng)域做出人類研究員級(jí)別的工作。

擴(kuò)展閱讀：突破300年數(shù)學(xué)難題！陶哲軒出題，DeepMind通用科學(xué)AI智能體一夜屠龍

幾乎同一時(shí)間，Jeff Clune在Sakana AI發(fā)布了Darwin G?del Machine。

DGM更激進(jìn)，它讓AI Agent自主重寫自己的優(yōu)化函數(shù)和代碼，然后在benchmark上驗(yàn)證改進(jìn)效果。

如果改進(jìn)有效，新代碼被保留；如果無效，回滾。這個(gè)循環(huán)可以無限次運(yùn)行。

擴(kuò)展閱讀：AI已學(xué)會(huì)改自己代碼，性能提升100%，還會(huì)「改績(jī)效」！程序員，還不慌？

再往近看，2026年5月，ICLR在里約熱內(nèi)盧舉辦了第一個(gè)專門研究「AI遞歸自我進(jìn)化」的學(xué)術(shù)Workshop。

一個(gè)領(lǐng)域從「有人在做」到「有專門的頂會(huì)Workshop」，通常意味著它已經(jīng)過了概念驗(yàn)證階段，進(jìn)入了工程化競(jìng)賽。

Jeff Clune：我們就在遞歸自我進(jìn)化系統(tǒng)的拐角處。

與之相對(duì)的，來自AI2的知名研究員Nathan Lambert今年3月提了一個(gè)對(duì)立概念「有損自我進(jìn)化」（Lossy Self-Improvement）。

他的觀點(diǎn)是，模型越復(fù)雜優(yōu)化越難，扔越多計(jì)算和Agent上去冗余損耗也越大，頂級(jí)模型訓(xùn)練成本已經(jīng)是幾十億美元級(jí)別，不會(huì)有人讓AI在沒人盯著的情況下燒這么多錢。

進(jìn)步會(huì)有，但更可能是線性的，不是指數(shù)的。

文章地址：https://www.interconnects.ai/p/lossy-self-improvement

這個(gè)判斷是否正確，Recursive用6.5億美元和八個(gè)頂級(jí)大腦押上了另一邊的賭注。

Anthropic已經(jīng)在賺這筆錢了

如果你覺得「AI自己訓(xùn)練AI」還只是實(shí)驗(yàn)室里的事，往產(chǎn)品端看一眼。

最近，Claude Code產(chǎn)品負(fù)責(zé)人Cat Wu也提出了一個(gè)三階段演進(jìn)。

• 第一階段，同步開發(fā)。去年的常態(tài)。你寫代碼，AI實(shí)時(shí)輔助，一問一答。

• 第二階段，自動(dòng)化routine。現(xiàn)在正在發(fā)生。用戶把重復(fù)性任務(wù)（比如回復(fù)客服工單）交給Claude自動(dòng)處理。

• 第三階段，主動(dòng)預(yù)判。

在她看來，下一個(gè)突破口就是「主動(dòng)性」。Claude理解你在做什么工作，然后主動(dòng)幫你把這些自動(dòng)化流程搭建好。

你還沒開口，它就已經(jīng)動(dòng)手了。

Cat Wu說這話的時(shí)候，Anthropic的年化收入剛剛突破300億美元，80倍年增長(zhǎng)。Claude Code的年化收入超過25億，企業(yè)訂閱數(shù)量從年初到現(xiàn)在翻了四倍。

這些數(shù)字和這個(gè)態(tài)度說明一件事，「AI從被動(dòng)走向主動(dòng)」已經(jīng)在產(chǎn)生真金白銀的收入。

實(shí)驗(yàn)室端，Recursive在造讓AI自己做研究的系統(tǒng)。

產(chǎn)品端，Anthropic在造讓AI主動(dòng)替你干活的工具。

兩條線看起來隔著十萬八千里，但終點(diǎn)是同一個(gè)。AI不再等人類按按鈕。

這一場(chǎng)，賭的是整條賽道

從ASI決賽的視角看，味道完全不一樣。

Claude和GPT兩強(qiáng)對(duì)決，拼的是研究團(tuán)隊(duì)、算力儲(chǔ)備、企業(yè)客戶。每一個(gè)百分點(diǎn)的進(jìn)步都是幾千人苦干幾個(gè)月?lián)Q來的。

Recursive要做的事，如果成了，等于把這個(gè)游戲的規(guī)則掀掉重寫。

GV是谷歌的錢，英偉達(dá)是所有人的軍火商。

這兩家同時(shí)下注Recursive，是在對(duì)沖一種可能性，如果遞歸自我進(jìn)化可行，OpenAI和Anthropic龐大的研究團(tuán)隊(duì)可能在一夜之間從核心資產(chǎn)變成沉沒成本。

Jeff Clune在一次采訪里承認(rèn)過：「如果有一天機(jī)器取代了我作為AI科學(xué)家的角色，我可能會(huì)有點(diǎn)難過。但回報(bào)可能值得。」

這場(chǎng)決賽，雙方都在拼命往賽道上加速。

但Recursive想干的事情，是把賽道本身換掉。

參考資料：

https://x.com/jeffclune/status/2054554755955937615?s=20

https://www.nytimes.com/2026/05/13/technology/notable-researchers-join-4-billion-effort-to-build-self-improving-ai.html?searchResultPosition=1

https://x.com/TechCrunch/status/2054645155446284786