顶级AI科学家集体出走大厂创办Recursive，押注让AI自我进化的未来

行业震动：零产品初创公司获巨额融资

就在2026年5月13日，人工智能行业迎来了一件足以载入史册的事件。一家成立不到半年、没有任何产品且团队仅25人的初创公司，正式从隐身模式中走出并公开亮相。这家公司名为 Recursive Super Intelligence（简称 Recursive），其一亮相便宣布完成了6.5亿美元的融资。这一轮融资由谷歌风投GV和Greycraft联合领投，AMD Ventures和英伟达跟投。值得注意的是，黄仁勋与苏姿丰这两位芯片巨头同时下注，显示了行业核心力量对这一方向的高度关注。目前Recursive在旧金山和伦敦设有办公室，其估值直接冲到了46.5亿美元（约合人民币316亿元）。

“他一亮相就宣布完成了六点五亿美元的融资，估值直接冲到了四十六点五亿美元。”

这一事件之所以具有冲击力，并非因为又一家大厂高管出来做竞品或拿到大额融资，而是因为它标志着人工智能行业最聪明的一群人已经集体转向了下一个战场。这八位联合创始人都是过去十年里亲手缔造今天AI时代的顶尖大脑。他们烧着投资人给的6.5亿美元，赌的不是下一个爆款应用或千亿大模型，而是他们自己这个职业会在未来几年内彻底消失。这种集体转向预示着AI行业游戏规则可能被彻底改写。

梦幻阵容：横跨顶级机构的八位联合创始人

Recursive的核心震撼力来自于其8位联合创始人的恐怖阵容。这些成员横跨了Meta AI、Google DeepMind、OpenAI、Salesforce AI和Uber AI等几乎所有顶级研究机构，覆盖了进化算法、世界模型、视觉Transformer等多个关键技术分支。每一位成员都是各自领域的奠基者或领军人物，他们的研究方向几乎涵盖了今天AI行业的每一个关键技术节点。

“这二十五个人的含金量可能比很多几百人的AI实验室还要高。”

这些科学家并非由某一人拉拢组队，而是各自在不同机构、沿不同研究路径独立走到同一结论。这个共同结论是：AI的下一阶段不是更大的模型，而是让AI自己造模型。这正是Recursive名字的由来，也是他们押上全部职业生涯的方向：递归自我改进（Recursive Self-Improvement, RSI）。

核心逻辑：从规模定律到自动化研发流水线

Richard Socher指出，神经网络发展已进入第三个阶段。第一阶段是特征提取自动化（消灭了特征工程师职业）；第二阶段是统一模型取代任务专用架构（导致细分赛道公司消失）。目前行业处于第二阶段的末期，而第三阶段的核心是：AI学会训练自己。

当前大模型研发面临巨大痛点。OpenAI、Anthropic等头部实验室需要数百名顶尖研究员耗时数月，完成数据筛选、训练设计、后训练对齐等工作。然而，全球能从事此类工作的人不超过几千人。随着模型复杂度增加，人类优化能力接近天花板，规模定律的边际收益快速下降——需投入十倍算力和数据仅换来几个百分点的性能提升。GPT-5训练成本超百亿美元，Claude 3 Opus也花费数十亿。

“现在我们已经看到规模定律的边际收益正在快速下降，你需要投入十倍的算力和数据才能换来几个百分点的性能提升。”

Recursive的目标是将整条研发流水线自动化。其核心逻辑是构建一个闭环：评估、数据筛选、训练、后训练、研究方向选择全部由AI自主完成。如果成功，将启动正反馈循环：AI改进自身 -> 改进后的AI更擅长自我改进 -> 循环加速。这不仅是技术升级，更是将人类从核心研发环节中解放出来的根本性变革。

技术验证：从学术设想到工程化竞赛

RSI并非纯粹科幻，过去一年已有多项成果证明其可行性。2025年5月，Google DeepMind发布Alpha Evolve系统。该系统以LLM为核心引擎，通过进化搜索设计和优化算法。其关键证明是：AI可以在算法设计领域做出人类研究员级别的工作。

几乎同时，Jeff Clune在Sakana AI发布了Darwin-Godel Machine。该系统更为激进： 1. 自主重写代码：AI智能体自动优化自身的函数和源代码。 2. 基准测试验证：在标准测试中验证改进效果。 3. 无限循环机制：有效则保留新代码，无效则回滚。这一过程可无限次运行。

“我们现在就站在递归自我进化系统的拐角处。”

近期，ICLR（国际学习表征大会）在里约热内卢举办了历史上首个专门研究AI递归自我进化的学术Workshop。田渊洞本人是该Workshop的联合组织者。从有人做到有顶会专门研讨，标志着该技术已度过概念验证阶段，正式进入工程化竞赛。尽管存在争议（如Nathan Lambert提出的“有损自我进化”观点，认为系统复杂会导致冗余损耗），但Recursive已通过巨额融资和顶级团队押注另一侧。

行业隐喻：寻找规模定律外的第二增长曲线

Recursive的意义远超独角兽诞生，它标志着AI行业集体寻找规模定律之外的第二条增长曲线。过去几年逻辑简单粗暴：更大模型、更多数据、更强算力。但训练成本指数级上升已超性能提升速度，物理和经济极限迫近。

谷歌和英伟达的投资本质上是对冲技术颠覆风险。若RSI可行，OpenAI和Anthropic的核心资产（数千顶尖研究员）可能瞬间变为沉没成本。作为既得利益者，谷歌和英伟达深知技术革命不眷顾守成者，因此必须在被颠覆前投资潜在颠覆者。

“谷歌自己有DeepMind，英伟达是所有人的军火商……他们必须在别人颠覆自己之前，先投资那个可能颠覆自己的人。”

产品端也在发生类似变化。Anthropic Cloud Code负责人吴凯特提出三阶段演进理论： 1. 同步开发（去年常态）：AI实时辅助，一问一答。 2. 自动化常规任务（当前阶段）：用户将重复工作交给AI自动处理。 3. 主动预判（未来方向）：AI理解用户意图，主动搭建自动化流程。

Anthropic年化收入刚突破30亿美元（80倍年增长），其中Cloud Code年化超25亿，企业订阅数量翻四倍。这证明AI从被动走向主动已产生真金白银的收入。实验室端（Recursive）与产品端（Anthropic）虽路径不同，但终点一致：AI不再等待人类按按钮。

估值逻辑与团队互补性分析

Recursive在无产品情况下获46.5亿美元估值，看似是“投资人买人”，实则极具性价比。八位联合创始人中任意一人单独创业均可撑起10亿美元以上独角兽。8人合计估值46.5亿，人均不到6亿。

更重要的是，团队能力组合为RSI方向量身定做： - Richard Socher：懂产品与商业化。 - Tian Yuandong：精通大模型推理与效率优化。 - Jeff Clune：专精进化算法。 - Alexey Dosovitskiy：视觉领域专家（ViT作者）。 - Tim Rocktäschel：世界模型核心研究员。 - Josh Tobin：工程落地与机器人专家。 - Xiong Caicheng：多模态研究管理者。 - Shi Tianlin：企业级应用落地专家（Cresta CTO）。

“没有任何一个多余的人，也没有任何一个关键的环节被漏掉。”

团队并非临时凑合，许多人合作十余年（如Socher与熊彩明从MetaMind时期起）。这表明RSI方向是一群最聪明的人经独立思考后共同做出的选择，而非某人的狂想。这种级别的团队在AI历史上前所未有。

风险挑战与行业大背景：科学家出走潮

RSI之路充满未知。Richard Socher承认建成系统需数年，且无成功保证。最大挑战在于定义与控制：如何定义“更好”？如何确保改进方向符合人类意愿？如何避免循环偏差导致不可控结果？“有损自我进化”风险依然存在：系统越复杂，迭代损耗越大。若AI花费大量算力改进后性能提升不如人类手动调优，则方向可能失败。

“最有价值的突破永远都发生在没有人能保证成功的地方。”

从2025年起，AI行业出现顶级科学家集体出走大厂创办AGI实验室的趋势。David Silver离开DeepMind创立Innaffable Intelligence（种子轮11亿，估值51亿）；Ilya Sutskever离开OpenAI创立Safe Super Intelligence；Yann LeCun离开Meta创立AMI Labs（募资10亿）；现又加上田渊洞和Richard Socher的Recursive。

这些科学家离开大厂并非为了钱，而是因大厂的短期KPI约束阻碍了前沿探索。田渊洞在Meta的经历即为典型：Llama 4发布前两个月，高层强制其团队停止长期研究转做后训练等“脏活”，最终Llama 4市场反应平平，团队遭大规模裁员。田渊洞感叹：“真正应该负责解决问题的人，并不是被裁掉的人。”

“他们离开是因为大厂已经给不了他们想要的东西了，那种不受短期KPI约束、自由探索人类知识边界的自由。”

资本清楚下一时代门票不在大厂手中，而在这些懂技术的人手里。AI行业站在十字路口：有人押注世界模型、多模态或智能体，而Recursive押注递归自我改进。无论哪条路成功，都将彻底改变行业与人类文明进程。Jeff Clune曾言：“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。”这正是这一代研究者用职业生涯赌一个让自己失业的未来的浪漫与悲壮。