離職Meta后的田淵棟，現(xiàn)身獨角獸聯(lián)創(chuàng)名單，成了AI創(chuàng)業(yè)合伙人。

Recursive Superintelligence（RSI），不到30人，剛從隱身狀態(tài)走出來，就拿到6.5億美元融資（約44億元人民幣），估值46.5億美元（約316億元人民幣）。

谷歌GV、Greycroft聯(lián)合領(lǐng)投這輪早期融資，英偉達、AMD等也參與其中。

8位聯(lián)創(chuàng)亮相，陣容豪華。

這些8人里隨便挑一個出來，都足以單獨撐起一家AI獨角獸。

那么，他們聚在一起要做什么？

公司名字就點明了：Recursive Superintelligence，AI自我改進的閉環(huán)，直到超級智能。

他們給出的路線圖中的第一步，是先訓(xùn)練一個具備“50000名博士”能力的系統(tǒng)，自動化AI科學(xué)研究本身。

再把這臺”尤里卡機器”指向藥物研發(fā)、電池材料和核聚變物理。

300億砸向下一條Scaling Law

RSI的成立基于一條核心判斷：

預(yù)訓(xùn)練Scaling Law仍然重要，但如果只靠更多數(shù)據(jù)、更多算力、更多參數(shù)，邊際收益已經(jīng)沒有過去那么陡。

AI行業(yè)正在找新的增長曲線。

RSI押的就是其中最激進的一條，recursive self-improvement，遞歸式自我改進。

這剛好打中了AI行業(yè)現(xiàn)在最焦慮的問題，也就是大模型之后，下一次能力躍遷從哪里來？

CEO Richard Socher在訪談中給出解釋：

“AI是代碼，而現(xiàn)在AI可以寫代碼。”

過去，AI研發(fā)的循環(huán)大體還是人類主導(dǎo)。研究員提出想法，工程師寫實驗，團隊跑訓(xùn)練，評估模型，再根據(jù)結(jié)果調(diào)下一輪方向。

RSI把這個循環(huán)的一部分交給AI。

它們設(shè)想中的系統(tǒng)，不只是回答問題，也不只是幫人寫代碼。它要能發(fā)現(xiàn)自己的能力短板，設(shè)計新的實驗，寫新的benchmark，然后主動重寫自己的代碼庫，讓下一版系統(tǒng)更強。

傳統(tǒng)AI優(yōu)化像是在固定考卷上刷分，考到100分就算到頭。RSI要的是另一條路：像生物進化一樣，永遠(yuǎn)不停下來，永遠(yuǎn)有新發(fā)明。

一個AI改進另一個AI；改進后的AI繼續(xù)改進后面的AI。

Socher自己很清楚這個賭注的分量。

如果你是學(xué)術(shù)研究者且超前于時代，你最終會被稱作遠(yuǎn)見者。但如果你是創(chuàng)業(yè)者且超前于時代，你的公司就死了。

他是NLP領(lǐng)域早期神經(jīng)網(wǎng)絡(luò)派代表人物之一。2010年，他試圖把一篇神經(jīng)網(wǎng)絡(luò)論文投給NLP頂會，結(jié)果被拒。審稿人的理由是神經(jīng)網(wǎng)絡(luò)沒用，你為什么要把這玩意投給NLP會議？

15年后，神經(jīng)網(wǎng)絡(luò)不僅主導(dǎo)了NLP，而且Socher就是奠定這一基礎(chǔ)的人之一。

那么創(chuàng)辦RSI，為什么是現(xiàn)在？

Socher判斷，AI領(lǐng)域正在觸及對數(shù)級收益遞減。你需要增加一兩個數(shù)量級的數(shù)據(jù)，卻只得到微小的改進。

RSI不是這條道路上的唯一個。

David Silver的Ineffable Intelligence種子輪拿了11億美元，估值51億美元。Ilya Sutskever的SSI，估值未披露。Yann LeCun的AMI Labs，募資10億美元。

頂級科學(xué)家集體出走、資本集體押注，已經(jīng)成為2025年以來AI領(lǐng)域最明確的結(jié)構(gòu)性浪潮。

8位聯(lián)創(chuàng)干出頂級獨角獸

Recursive能在早期拿到這個估值，一個直接原因就是創(chuàng)始團隊人才密度高。

獨角獸門檻是10億美元估值，RSI首輪估值46.5億美元，相當(dāng)于8位聯(lián)創(chuàng)平均每人值0.58個獨角獸。

Richard Socher，吳恩達在斯坦福的博士生，ImageNet和Glove作者，谷歌學(xué)術(shù)引用量超過24萬次。在創(chuàng)立Recursive之前，他創(chuàng)辦了MetaMind并被Salesforce收購，后來還做出了估值15億美元的AI搜索引擎You.com。

田淵棟，Meta FAIR前研究科學(xué)家總監(jiān)，長期做強化學(xué)習(xí)、基礎(chǔ)模型效率和神經(jīng)網(wǎng)絡(luò)理解。更早之前，他還做過ELF OpenGo，把AlphaZero式訓(xùn)練重新開源實現(xiàn)到圍棋場景里；最近幾年，他的研究線又轉(zhuǎn)向Llama推理、長序列加速、低成本訓(xùn)練等更貼近大模型系統(tǒng)瓶頸的問題。

施天麟是清華姚班校友，Cresta聯(lián)合創(chuàng)始人之一，Cresta從斯坦福AI實驗室起步，2019年就把Transformer模型用到實時客服Agent Assist里。

Tim Rockt?schel的是開放式智能和安全循環(huán)專家。他是UCL人工智能教授，也曾在Google DeepMind擔(dān)任開放式研究方向負(fù)責(zé)人，研究重點就是AGI、open-endedness和self-improvement。他和合作者把安全紅隊問題改寫成開放式搜索Rainbow Teaming：不靠人手列完攻擊方式，而是讓系統(tǒng)持續(xù)生成更多樣、更有效的對抗提示?，F(xiàn)在幾乎所有的AI安全團隊都在用

Alexey Dosovitskiy是Vision Transformer作者之一，在2020年率先把Transformer直接用到圖像patch序列上，證明視覺任務(wù)不一定非要卷積網(wǎng)絡(luò)做底座。

Josh Tobin是OpenAI早期成員，OpenAI Agents Research Team負(fù)責(zé)人之一；

Caiming Xiong曾在Salesforce負(fù)責(zé)AI Research和Applied AI，和Socher長期共事，也共同署名過CTRL等可控文本生成工作。

Jeff Clune的研究和RSI路線高度重合，他長期研究開放式進化、AI-generating algorithms和AI安全，也是Darwin G?del Machine論文作者之一。那篇論文討論的正是讓AI系統(tǒng)修改自身代碼、再用benchmark驗證改進是否有效。

8個人分別對應(yīng)強化學(xué)習(xí)和大模型效率、開放式算法、安全紅隊、視覺Transformer、智能體產(chǎn)品化、企業(yè)AI落地、創(chuàng)業(yè)組織和自我改進研究。

8位聯(lián)創(chuàng)，再加少量創(chuàng)始團隊，RSI總?cè)藬?shù)不超過30人，Socher在采訪中還特別強調(diào)：

我們將盡可能保持團隊小而精，最終把很多事情委托給我們的Agent。

參考鏈接：
[1]https://www.recursive.com

[2] https://www.gv.com/news/recursive-superintelligence-self-improving-ai

文章來源：量子位。