8個AI頂流科學(xué)家，300億估值：他們要讓AI自我進化

離開 Meta 后，田淵棟的下一站終于塵埃落定。

就在今天，AI 初創(chuàng)公司 Recursive Superintelligence（以下簡稱 Recursive）正式結(jié)束隱身狀態(tài)，公開了包括田淵棟在內(nèi)的八位聯(lián)合創(chuàng)始人名單。與此同時，公司宣布完成 6.5 億美元 A 輪融資，估值達到 46.5 億美元。領(lǐng)投方為 GV（Google Ventures，谷歌風(fēng)投）和 Greycroft，AMD Ventures 與 NVIDIA 參投。

作為前 Meta FAIR 的研究科學(xué)家總監(jiān)。田淵棟因主導(dǎo) ELF OpenGo 項目而廣為人知。作為該項目的首席科學(xué)家與工程負責(zé)人，他帶領(lǐng)團隊開源復(fù)現(xiàn)了 AlphaZero 算法，并取得了 20:0 戰(zhàn)勝職業(yè)棋手的戰(zhàn)績，為社區(qū)留下了寶貴的代碼、模型及自博弈數(shù)據(jù)。

這段經(jīng)歷顯然影響了 Recursive 的技術(shù)路線。圍棋 AI 的核心在于通過 self-play（自博弈），讓系統(tǒng)在反復(fù)試錯中生成新策略；而 Recursive 試圖將這種“通過反饋改進自身”的機制，從棋盤擴展至 AI 研發(fā)本身。簡言之，過去的 AI 學(xué)會了下棋和游戲，現(xiàn)在的目標是讓它學(xué)會提出研究問題、設(shè)計實驗、編寫代碼并進行自我評估。

從“下棋”到“科研”：遞歸自我改進的現(xiàn)實化

在官方文章中，Recursive 的定位非常明確：構(gòu)建一種能夠以安全方式進行實驗并改進自身的 AI。公司旨在通過開放式自動化科學(xué)發(fā)現(xiàn)過程，推動 self-improving AI（自我改進型人工智能）的發(fā)展。

這一愿景的核心概念是 Recursive Self-Improvement（RSI，遞歸自我改進）。在計算機科學(xué)中，“遞歸”指過程將自身結(jié)果作為輸入不斷推進。在 AI 語境下，RSI 意味著系統(tǒng)不僅能輸出答案，還能優(yōu)化產(chǎn)生答案的方法，甚至自主提出假設(shè)、執(zhí)行實驗并修改自身架構(gòu)，形成閉環(huán)。最激進的版本是一個幾乎不需要人類介入的自主進化系統(tǒng)。

在此前與 DeepTech 的采訪中，田淵棟已經(jīng)談到過這種研究方式的變化。他表示，AI 現(xiàn)在更像一個“博聞強記的博士生”，能夠提供大量候選想法和執(zhí)行代碼、實驗等“臟活累活”，但真正的價值判斷仍需要人來完成；人的角色也會從親自寫代碼，逐漸轉(zhuǎn)向提出問題、篩選方向和把控研究路徑。

（來源：田淵棟主頁）

然而，目前的 RSI 仍處于初級階段。在近期報道中指出，嚴格意義上的 RSI 要求系統(tǒng)在無人類指令下改進自身，而當前大多數(shù)系統(tǒng)仍依賴人類設(shè)定目標和定義成功標準，決定哪些改變值得保留。這也是理解 Recursive 這類公司的關(guān)鍵：它們并非已經(jīng)造出“超級智能”，而是試圖將 AI 研發(fā)流程中越來越多的環(huán)節(jié)自動化。

這一方向之所以在 2026 年變得更具可行性，主要得益于 AI 代碼能力的躍遷。隨著 OpenAI、Anthropic 等公司的模型在編程、調(diào)試及軟件工程自動化方面取得突破，“AI 寫代碼”已成為現(xiàn)實。Recursive CEO Richard Socher 也表示：“AI 本質(zhì)是代碼，而現(xiàn)在 AI 可以編寫代碼。”因此，實現(xiàn)遞歸自我改進的關(guān)鍵條件正在成熟。

超級實驗室陣容：不只是寫代碼

Recursive 的團隊構(gòu)成更像是一個圍繞研究范式聚合的“超級實驗室”，而非傳統(tǒng)的產(chǎn)品型公司。

CEO Richard Socher 曾任 Salesforce 首席科學(xué)家，也是 You.com 創(chuàng)始人；Jeff Clune 長期研究開放式算法，關(guān)注 AI 如何持續(xù)產(chǎn)生新能力；Tim Rockt?schel 來自 Google DeepMind，方向是智能體和世界模型；Josh Tobin、Tim Shi 來自 OpenAI，偏 AI 系統(tǒng)和工程落地；Caiming Xiong 來自 Salesforce AI，熟悉自然語言處理與企業(yè)級 AI；Alexey Dosovitskiy 是 Vision Transformer 的共同作者之一，在視覺模型領(lǐng)域影響很大。

換句話說，這支團隊不是圍繞某個單點產(chǎn)品組建的，而是沖著“自動化 AI 研發(fā)”這條路線來的。

此外，Recursive 還聘請了前 Google 研究總監(jiān)、經(jīng)典教材《人工智能：一種現(xiàn)代方法》合著者 Peter Norvig 擔(dān)任顧問。目前，團隊成員已超過 25 人，并仍在持續(xù)招募中，已經(jīng)吸引了諸葛鳴晨等一眾優(yōu)秀小將。他關(guān)注代碼智能體與遞歸自我改進，近期提出“神經(jīng)計算機”設(shè)想，認為 AI 的下一步不只是調(diào)用軟件，而可能是把部分軟件能力內(nèi)化進模型自身。

（來源：論文）

與主流大模型公司關(guān)注 scaling law 和產(chǎn)品化不同，Recursive 聚焦于上游的“開放式算法”（open-ended algorithms）。這類系統(tǒng)不以單一固定目標為終點，而是持續(xù)探索、生成多樣化解法并積累發(fā)現(xiàn)檔案。公司認為，人類智能源于達爾文演化和文化演化等開放式過程，AI 研發(fā)也應(yīng)遵循類似邏輯，讓后來的創(chuàng)新建立在前序創(chuàng)新之上。

這也是 Recursive 與一些主流大模型公司的細微差別。過去幾年，大模型行業(yè)的主線很大程度上圍繞算力、數(shù)據(jù)和產(chǎn)品化展開，訓(xùn)練更大的模型并部署到搜索、辦公等場景中。而 RSI 關(guān)注的問題更靠近上游：能否讓 AI 幫助產(chǎn)生新的模型結(jié)構(gòu)、新的訓(xùn)練方法、新的評測方式，甚至新的研究問題。它試圖自動化的不只是軟件工程，而是科學(xué)研究中較難被標準化的一部分。

產(chǎn)業(yè)信號：研發(fā)自動化的下一步

Recursive 的出現(xiàn)還標志著 AI 投資正從應(yīng)用層、模型層向“研發(fā)自動化層”延伸。

此前，一些企業(yè)已有類似嘗試。例如 Google DeepMind 去年發(fā)布的 AlphaEvolve，被描述為一種用于科學(xué)與算法發(fā)現(xiàn)的 coding agent（編程智能體），可以借助大語言模型引導(dǎo)解法演化，用于優(yōu)化神經(jīng)網(wǎng)絡(luò)架構(gòu)、數(shù)據(jù)中心調(diào)度和芯片設(shè)計等問題。盡管人類仍需決定問題和評估標準，但它顯示出 AI 能在算法發(fā)現(xiàn)中提供不一般的貢獻。

（來源：Google Cloud）

另一類主要是“AI Scientist”的系統(tǒng)，嘗試自動生成研究想法、運行實驗、撰寫論文并進行評審，例如日本 AI 獨角獸 Sakana AI。雖然離真正的人類科學(xué)家仍有距離，但已經(jīng)把“研究循環(huán)”中若干原本由人完成的步驟連接起來。Jeff Clune 曾參與相關(guān)工作，并長期主張開放式探索和演化算法將成為 RSI 的關(guān)鍵組件。

當然，這條道路所面對的挑戰(zhàn)也不小。CEO Socher 承認，實現(xiàn)構(gòu)想需要數(shù)年時間。此前，Clune 也曾表示當前 AI 在提出真正有價值的創(chuàng)新想法、處理復(fù)雜工程依賴方面仍不穩(wěn)定。

更重要的是，AI 研發(fā)并不是一個純粹的軟件循環(huán)。前沿模型訓(xùn)練牽涉算力采購、芯片供應(yīng)、數(shù)據(jù)中心建設(shè)、電力、數(shù)據(jù)治理、安全評估和組織決策，許多環(huán)節(jié)無法簡單交給一個模型自動完成。前景如何，還需持續(xù)觀望。

本輪融資中，NVIDIA 和 AMD 的參投也值得注意。這說明 Recursive 所押注的方向已經(jīng)不只是研究圈內(nèi)部的興趣，也開始進入算力產(chǎn)業(yè)鏈的視野。不過，從已公開信息看，NVIDIA 和 AMD 的投資更多體現(xiàn)為對前沿 AI 研發(fā)方向的財務(wù)與戰(zhàn)略關(guān)注，至于雙方是否會在芯片、系統(tǒng)軟件或模型訓(xùn)練層面展開更深合作，目前并未披露。

1.https://www.nytimes.com/2026/05/13/technology/recursive-superintelligence-funding-ai.html

2.https://spectrum.ieee.org/recursive-self-improvement

運營/排版：何晨龍

注：封面/首圖由 AI 輔助生成