田渊栋八人天团狂揽44亿元：杀入“递归进化”

8个缔造AI辉煌的超级大脑，带着谷歌英伟达巨资狂暴入场。他们要让AI自己训练自己，然后把AI研究员这个职业彻底干掉。

没有产品。25个人。

成立不到半年。估值46.5亿美元。

更离谱的是，这家公司的八个联合创始人，全是AI领域最顶尖的研究员。

他们烧着6.5亿美元，赌的是自己这个职业会消失！

NLP词向量奠基人、Salesforce前首席科学家Richard Socher

Salesforce AI Research前SVP Caiming Xiong

Meta FAIR前研究总监田渊栋

Vision Transformer（ViT）第一作者Alexey Dosovitskiy

达尔文·哥德尔机作者、进化算法先驱Jeff Clune

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

OpenAI机器人团队搭建者Josh Tobin

OpenAI早期成员、AI客服独角兽联创Tim Shi

这份名单摊开来，几乎就是过去十年AI关键突破的作者列表。

他们的公司叫Recursive Superintelligence，昨天正式从“隐身模式”中走出来。

背后投资阵容非常豪华——GV（Google Ventures）和Greycroft领投，AMD Ventures和英伟达跟投。

八个顶级AI研究员

烧6.5亿美元赌自己失业

Socher几周前说过一句话，现在看来更像是宣战。

神经网络的第三阶段，也许是最后一个阶段。

第一阶段，神经网络学会了自己提取特征，特征工程师失业了。

第二阶段，统一模型干掉了任务专用架构，一堆细分赛道的公司消失了。

第三阶段，AI学会训练自己。

现在造一个前沿模型，OpenAI、Anthropic、DeepMind这些头部实验室需要几百人忙几个月。数据筛选、训练设计、后训练对齐、研究方向选择，每一步都靠人。

但问题是，全世界能做这件事的人不超过几千个。而且，模型越复杂，人类理解和优化它的能力越接近天花板。

Recursive要做的，就是把上面这整条pipeline自动化。

评估、数据筛选、训练、后训练、研究方向选择，全部交给AI自己来。

整条链路闭环，从头到尾不需要人。

如果这件事成了，它意味着一个反馈循环。AI改进自己 → 改进后的AI更擅长改进自己 → 循环加速。

这就是“递归自我进化”（Recursive Self-Improvement，RSI）。也是这家公司名字的由来。

全明星首发阵容

田渊栋

上海交通大学本硕，CMU机器人研究所博士。

在Meta FAIR工作近十年，最后的职位是研究总监，领导LLM推理、规划和决策方向。2025年10月Meta裁员被波及后离开。

他主导的ELF OpenGo项目用单块GPU就击败了围棋职业选手，还带出了StreamingLLM和GaLore等明星项目。

他也是ICLR 2026递归自我进化Workshop的联合组织者。

Tim Shi

清华大学计算机科学学士（期间在MIT交换），Stanford AI Lab博士方向研究NLP和强化学习。

2016年作为早期成员加入OpenAI，参与核心模型开发。后来联合创办了AI客服公司Cresta并担任CTO。

Caiming Xiong

纽约州立大学布法罗分校计算机科学博士，UCLA统计学博后。

跟Socher是MetaMind时期的老搭档，一起被Salesforce收购后搭建了整个AI研究体系，做到了AI Research高级副总裁（SVP），管过NLP、计算机视觉、对话AI等多个方向的研究团队。

发表超100篇深度学习研究，拿过ACL 2019杰出论文奖。

Richard Socher

斯坦福计算机科学博士。NLP领域被引用最多的研究者之一，发明了最早一批被广泛使用的词向量和上下文向量，在很多人还不知道prompt engineering这个词之前就在做这件事了。

2014年创办MetaMind，2016年被Salesforce收购后出任首席科学家和执行副总裁，一手搭建了Salesforce的AI研究实验室和产品体系。

离开后创办了AI搜索引擎You.com，估值15亿美元，融了超过2亿。现在他扔下了You.com的一切，去造一个连产品都没有的公司。

他不久前解释过自己为什么做这件事。最近一次招聘，候选人拒绝了offer，理由是“AI研究员这个岗位几年内就会被自动化”。Socher听完，决定亲自去验证这个判断。

Jeff Clune

密歇根大学哲学学士，密歇根州立大学计算机科学博士。现任UBC计算机科学教授、CIFAR AI Chair，也是进化算法和开放式AI系统领域的先驱。

曾在Cornell做博后，后来先后加入Uber AI Labs（创始成员）和OpenAI担任研究管理层。

他在Sakana AI主导的Darwin G?del Machine研究，第一次证明了AI Agent可以自主重写自己的代码来提升benchmark性能。

Alexey Dosovitskiy

莫斯科国立大学数学博士。先后在Freiburg大学（博后，导师Thomas Brox）、Intel Labs和Google Research做深度学习研究。

他最广为人知的成果是Vision Transformer（ViT），那篇“An Image is Worth 16x16 Words”是过去五年计算机视觉领域被引用最多的研究之一，直接把Transformer架构从NLP搬进了视觉，重塑了整个CV领域的技术路线。

Tim Rockt?schel

柏林洪堡大学计算机科学硕士，UCL博士（获Google博士奖学金和微软研究博士奖学金）。现任UCL人工智能教授。

在牛津做过博后，之后加入Meta FAIR担任研究经理和Area Lead，再到Google DeepMind担任高级研究科学家，参与了Genie世界模型项目。

Josh Tobin

哥伦比亚大学数学学士，UC Berkeley计算机科学博士（导师Pieter Abbeel）。

读博期间同时在OpenAI做了三年研究员，一手搭建了OpenAI的机器人能力，参与了那个著名的AI解魔方机械手项目。

离开后联合创办了ML监控公司Gantry，也创建了Full Stack Deep Learning课程。

他的专长是把研究成果落地成可用的工程系统。

八个人，横跨Meta FAIR、Google DeepMind、OpenAI、Salesforce AI、Uber AI，研究方向覆盖进化算法、世界模型、视觉Transformer、强化学习、机器人、NLP、核心训练，但他们各自独立走到了同一个结论。

AI的下一步，是让AI自己造模型。不是更大，是更自主。

这种“不同路径汇聚到同一个终点”的故事，投资人最爱听。GV和英伟达显然也听进去了。

不是科幻

有人已经跑通了一半

Recursive的野心不是凭空冒出来的。

过去一年，“AI自我进化”从学术设想一步步变成了可操作的工程方向。

2025年5月，Google DeepMind发布了AlphaEvolve。

这个系统用LLM作为核心引擎，通过进化搜索来设计和优化算法。

AlphaEvolve证明了一件事，AI可以在算法设计这个领域做出人类研究员级别的工作。

几乎同一时间，Jeff Clune在Sakana AI发布了Darwin G?del Machine。

DGM更激进，它让AI Agent自主重写自己的优化函数和代码，然后在benchmark上验证改进效果。

如果改进有效，新代码被保留；如果无效，回滚。这个循环可以无限次运行。

扩展阅读：AI已学会改自己代码，性能提升100%，还会“改绩效”！程序员，还不慌？

再往近看，2026年5月，ICLR在里约热内卢举办了第一个专门研究“AI递归自我进化”的学术Workshop。

一个领域从“有人在做”到“有专门的顶会Workshop”，通常意味着它已经过了概念验证阶段，进入了工程化竞赛。

Jeff Clune：我们就在递归自我进化系统的拐角处。

与之相对的，来自AI2的知名研究员Nathan Lambert今年3月提了一个对立概念“有损自我进化”（Lossy Self-Improvement）。

他的观点是，模型越复杂优化越难，扔越多计算和Agent上去冗余损耗也越大，顶级模型训练成本已经是几十亿美元级别，不会有人让AI在没人盯着的情况下烧这么多钱。

进步会有，但更可能是线性的，不是指数的。

这个判断是否正确，Recursive用6.5亿美元和八个顶级大脑押上了另一边的赌注。

Anthropic已经在赚这笔钱了

如果你觉得“AI自己训练AI”还只是实验室里的事，往产品端看一眼。

最近，Claude Code产品负责人Cat Wu也提出了一个三阶段演进。

第一阶段，同步开发。去年的常态。你写代码，AI实时辅助，一问一答。

第二阶段，自动化routine。现在正在发生。用户把重复性任务（比如回复客服工单）交给Claude自动处理。

第三阶段，主动预判。

在她看来，下一个突破口就是“主动性”。Claude理解你在做什么工作，然后主动帮你把这些自动化流程搭建好。

你还没开口，它就已经动手了。

Cat Wu说这话的时候，Anthropic的年化收入刚刚突破300亿美元，80倍年增长。Claude Code的年化收入超过25亿，企业订阅数量从年初到现在翻了四倍。

这些数字和这个态度说明一件事，“AI从被动走向主动”已经在产生真金白银的收入。

实验室端，Recursive在造让AI自己做研究的系统。

产品端，Anthropic在造让AI主动替你干活的工具。

两条线看起来隔着十万八千里，但终点是同一个。AI不再等人类按按钮。

这一场，赌的是整条赛道

从ASI决赛的视角看，味道完全不一样。

Claude和GPT两强对决，拼的是研究团队、算力储备、企业客户。每一个百分点的进步都是几千人苦干几个月换来的。

Recursive要做的事，如果成了，等于把这个游戏的规则掀掉重写。

GV是谷歌的钱，英伟达是所有人的军火商。

这两家同时下注Recursive，是在对冲一种可能性，如果递归自我进化可行，OpenAI和Anthropic庞大的研究团队可能在一夜之间从核心资产变成沉没成本。

Jeff Clune在一次采访里承认过：“如果有一天机器取代了我作为AI科学家的角色，我可能会有点难过。但回报可能值得。”

这场决赛，双方都在拼命往赛道上加速。

但Recursive想干的事情，是把赛道本身换掉。