大家好，我是娜娜。就在最近，人工智能行业发生了一件足以载入史册的大事：一家成立不到半年、没有任何产品、只有二十五个人的初创公司，正式从隐身模式中走了出来。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，约合人民币三百一十六亿元。更离谱的是，这家公司的八个联合创始人全都是过去十年里亲手缔造了我们今天所看到的这个AI时代的顶尖大脑。他们烧着投资人给的六点五亿美元，赌的不是下一个爆款应用，不是下一个千亿大模型，而是他们自己这个职业会在未来几年内彻底消失。

这件事的冲击力已经远远超出了普通的创业新闻。它不是又一个大厂高管出来做个大模型竞品，也不是又一家公司拿到了一笔大额融资。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。而这个战场的终点可能会彻底改写整个行业的游戏规则。先给大家把这件事的基本情况讲清楚。这家公司的名字叫 Recursive Super Intelligence，简称 Recursive。昨天，也就是二零二六年五月十三日，他正式对外公开了自己的存在和创始团队。

本轮融资由谷歌风投 GV 和 Greycraft 联合领投，AMD Ventures 和英伟达跟投。没错，就是现在 AI 行业最核心的两家芯片公司黄仁勋和苏姿丰同时给这家公司投了钱。目前 Recursive 在旧金山和伦敦设有办公室，团队规模只有二十五个人，但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。

而真正让整个行业震动的是他的八位联合创始人名单。我给大家念几个名字，你就知道这个阵容有多恐怖了。CEO是理查德·Socher，NLP领域被引用最多的研究者之一，词向量技术的奠基人。很多人还不知道“提示工程”这个词的时候，他就在做相关研究了。他曾经创办MetaMind，被Salesforce收购后出任首席科学家，一手搭建了Salesforce的整个AI研究体系。离开后又创办了AI搜索引擎You.com，估值已经达到十五亿美元。现在，他扔下了自己一手创办的估值十五亿的公司，去做了一个连产品都没有的新公司。

然后是我们非常熟悉的华人科学家田渊洞，他在 Meta FAIR 工作了近十年，最后的职位是研究总监，领导大语言模型的推理、规划和决策方向。他主导的 AlphaGo 项目，用单块 GPU 就击败了围棋职业选手，还带出了 Streaming LLM 和 Galore 等多个明星项目。去年十月，他在 Meta 的大规模裁员中被波及。当时，他的评论区几乎变成了全球顶级 AI 公司的抢人现场。

OpenAI、Anthropic、XAI、字节跳动、谷歌，几乎所有你能想到的大厂都向他抛出了橄榄枝，但他全部拒绝了。接下来是阿列克谢·多斯维茨基 Vision Transformer，也就是 ViT 的第一作者。他那篇 An Image is Worth 16x16 Words 是过去五年计算机视觉领域被引用最多的论文，直接把 Transformer 架构从自然语言处理搬进了视觉领域，彻底重塑了整个 CV 行业的技术路线。

还有杰夫·克伦进化算法和开放式 AI 系统领域的先驱达尔文哥德尔基的作者。他曾经在 Uber AI Labs 和 OpenAI 担任研究管理层。去年在 Sakana AI 发布的 Darwin Go Dog Machine 第一次证明了 AI 智能体可以自主重写自己的代码来提升基准测试性能。剩下的几位也都是各自领域的顶尖人物，来自 Salesforce 的熊彩明，曾经是 Salesforce AI Research 的高级副总裁。

管过 NLP、计算机视觉、对话 AI 等多个方向的研究团队，来自 DeepMind 的蒂姆·罗克塔谢尔，GPT 世界模型的核心研究员；来自 OpenAI 的乔什·托宾，一手搭建了 OpenAI 的机器人团队，参与了那个著名的 AI 解魔方机械手项目。还有同样来自 OpenAI 的施天林，清华姚班出身，后来联合创办了 AI 客服独角兽 CRESTA。并担任CTO，这八个人横跨了 Meta FAIR、Google DeepMind、OpenAI、Salesforce AI、Uber AI，几乎所有你能想到的顶级AI研究机构。

他们的研究方向覆盖了进化算法、世界模型、视觉 transformer、强化学习、机器人、自然语言处理、核心训练工程。可以说，今天 AI 行业的每一个关键技术分支，都有他们留下的印记。更有意思的是，他们并不是某一个人拉着其他人一起创业，而是各自在不同的机构，沿着不同的研究路径，最后独立走到了同一个结论。这个结论就是人工智能的下一个阶段，不是更大的模型，而是让AI自己造模型。这就是Recursive这家公司名字的由来，也是他们押上全部职业生涯要赌的方向：递归自我改进（Recursive Self Improvement），简称RSI。

很多人可能会觉得这听起来像是科幻小说里的概念，但其实这件事一点都不科幻，它是对当前AI行业痛点最直接的回应。理查德·所彻在几周前说过一句话，现在看来更像是对整个行业的宣战。他说，神经网络的发展已经经历了两个阶段，现在正在进入第三个，也可能是最后一个阶段。第一个阶段，神经网络学会了自己提取特征，于是特征工程师这个职业消失了。第二个阶段，统一模型干掉了任务专用架构，于是一堆做细分赛道的公司消失了。

第三个阶段，AI学会训练自己。我们现在所处的正是第二个阶段的末期。今天要训练一个前沿的大模型，OpenAI、Anthropic、DeepMind这些头部实验室，需要几百个顶尖的研究员和工程师忙上几个月甚至半年的时间。从数据筛选、训练设计、后训练对齐到研究方向的选择，每一步都离不开人。但这里有一个根本性的问题：全世界能做这件事的人加起来不超过几千个，而且更麻烦的是，模型越复杂，人类理解和优化它的能力就越接近天花板。

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要做的就是把上面这整条研发流水线全部自动化。评估、数据筛选、训练、后训练、研究方向选择，所有这些现在由人类研究员做的工作，全部交给AI自己来完成。整条链路形成一个闭环，从头到尾不需要人的干预。如果这件事成了，它就会启动一个正反馈循环，AI改进自己，改进后的AI更擅长改进自己，然后这个循环会不断加速。这就是递归自我改进的真正含义。

说到这里，很多朋友可能会问：这真的能做到吗？还是说这只是又一个被资本吹起来的概念？答案是这件事已经不是纯粹的学术设想了。过去一年里，已经有很多研究成果证明这条路是走得通的。二零二五年五月，Google DeepMind 发布了 Alpha Evolve，这个系统用大语言模型作为核心引擎，通过进化搜索来设计和优化算法。他证明了一件事：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，杰夫·克伦在 Sakana AI 发布了我们刚才提到的 Darwin Go Machine。

这个系统更激进，它让AI智能体自主重写自己的优化函数和代码，然后在基准测试上验证改进效果。如果改进有效，新代码就被保留；如果无效，就回滚。这个循环可以无限次运行。再往近看，就在这个月，ICLR，也就是国际学习表征大会，在里约热内卢举办了历史上第一个专门研究AI递归自我进化的学术workshop。田渊洞本人就是这个workshop的联合组织者。一个技术方向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，正式进入了工程化竞赛。杰夫·克伦自己也说：“我们现在就站在递归自我进化系统的拐角处。”

当然，这个方向也存在巨大的争议。来自 AI 二的知名研究员内森·兰伯特今年三月就提出了一个对立概念，叫做“有损自我进化”。他的观点是，模型越复杂，优化就越难。你扔越多的计算和智能体上去，系统的冗余和损耗也会越大。现在顶级模型的训练成本已经是几十亿美元级别，不会有任何一家公司敢让AI在没有人盯着的情况下烧这么多钱。所以他认为，即使有进步，也更可能是线性的，而不是大家想象中的指数级爆炸。这个判断是否正确，现在没有人知道。但 Recursive 已经用六点五亿美元和八个顶级大脑压上了另一边的赌注。

现在我们来深入分析一下这件事真正重要的地方到底在哪里？它的意义远远不只是又一家AI独角兽的诞生。首先，它标志着整个AI行业正在集体寻找规模定律之外的第二条增长曲线。过去几年，整个行业的逻辑非常简单粗暴：更大的模型、更多的数据、更强的算力，只要你能砸得起钱，就能获得更好的性能。这就是规模定律，它确实带来了我们今天看到的AI革命。但现在所有人都看到了规模定律的天花板，训练成本的指数级上升已经超过了性能提升的速度。

OpenAI训练GPT-5花了超过一百亿美元，Anthropic训练Claude 3 Opus也花了几十亿美元。再这么下去，只有少数几家公司能玩得起这个游戏，而且很快就会遇到物理和经济上的双重极限。所以整个行业都在问同一个问题：大模型之后，下一次能力跃迁从哪里来？而 Recursive 给出的答案是最激进也最彻底的一个。他没有试图在现有的框架里修修补补，也没有去做另一个更大的模型，他直接跳过了如何让模型更聪明这个问题，去研究让整个 AI 开发流程自动化。

如果说现在的大模型竞争是在同一条赛道上比谁跑得更快，那 Recursive 想干的事情就是把这条赛道本身换掉。这也是为什么谷歌和英伟达会同时下注这家公司。你仔细想一下就会明白，这两家的投资本质上是在对冲一种非常可怕的可能性。如果递归自我改进真的可行，那会发生什么？现在，OpenAI 和 Anthropic 最核心的资产是什么？是他们那几千人的顶尖研究团队。但如果 AI 可以自己训练自己，那这几千人可能在一夜之间就从核心资产变成了沉没成本。

谷歌自己有 DeepMind，英伟达是所有人的军火商，他们现在是行业的既得利益者，但他们比任何人都清楚，技术革命从来不会眷顾守成者。所以，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。其次，这件事不是孤立发生的，实验室端在研究让AI自己做研究，产品端其实已经在发生同样的变化。最近 Cursor 的产品负责人吴凯特也提出了一个非常相似的三阶段演进理论。第一阶段同步开发，这是去年的常态，你写代码，AI 实时辅助，一问一答。第二阶段自动化常规任务，这就是现在正在发生的事情，用户把重复性的工作，比如回复客服工单、写测试用例，交给 Cursor 自动处理。

第三阶段主动预判。AI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。他说这话的时候，Anthropic的年化收入刚刚突破三百亿美元，实现了八十倍的年增长。其中，Cursor Code的年化收入超过二十五亿美元，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，已经不是实验室里的概念了，它正在产生真金白银的收入。

实验室端 Recursive 再造让 AI 自己做研究的系统，产品端 Anthropic 再造让 AI 主动替你干活的工具。这两条线看起来隔着十万八千里，但他们的终点是同一个：AI 不再等人类按按钮。第三，我们来看看 Recursive 这个团队本身为什么他们能在没有任何产品的情况下拿到四十六点五亿美元的估值。很多人说这是投资人在买人。没错，但这不是普通的买人。这八个人随便挑一个出来，都足以单独撑起一家估值十亿美元以上的独角兽。现在他们八个人凑在一起，估值四十六点五亿，平均每个人不到六亿，其实一点都不贵。

更重要的是，他们的能力组合简直就是为了递归自我改进这个方向量身定做的。理查德 Socher 懂产品和商业化，田渊洞懂大模型推理和效率，杰夫克伦懂进化算法。阿列克谢多索维茨基懂视觉，蒂姆罗克塔谢尔懂世界模型，乔什托宾懂工程落地，熊彩明懂多模态，施天林懂企业级应用。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，而且他们不是临时凑在一起的，很多人都是合作了十几年的老搭档。比如理查德·索彻和熊彩明从MetaMind时期就在一起，后来一起被Salesforce收购，一起搭建了整个Salesforce的AI体系。这种级别的团队在整个 AI 历史上都是前所未有的。

它说明递归自我改进这个方向已经不是某一个天才的狂想，而是一群最聪明的人经过独立思考之后共同做出的选择。当然，我们也必须清醒的看到，这条路充满了未知和风险。理查德·索彻自己也承认，要建成他们设想中的系统，还需要好几年的时间，而且没有人能保证他们一定能成功。递归自我改进最大的挑战，从来都不是技术上的，而是定义上的。你怎么定义更好？你怎么保证AI的自我改进是朝着人类想要的方向前进的？

你怎么避免这个循环出现偏差，最后走向一个不可控的结果？还有刚才提到的有损自我进化的问题，系统越复杂，每一次迭代带来的损耗就越大。会不会到最后，AI花了大量的算力和时间自我改进，结果性能提升还不如人类研究员手动调出来的多？这些问题现在都没有答案。但这正是科学研究的魅力所在，最有价值的突破永远都发生在没有人能保证成功的地方。最后，我们把这件事拉回到更大的行业背景里来看。从二零二五年开始，AI行业出现了一个非常明确的趋势：顶级科学家集体出走大厂，创办自己的AGI实验室。

大卫希尔福离开 DeepMind，创办了 Innaffable Intelligence，种子轮拿了十一亿美元，估值五十一亿美元。伊利亚苏茨克维离开 OpenAI，创办了 Safe Super Intelligence。杨立昆离开 Meta，创办了 AMI Labs，募资十亿美元。现在又有了田渊洞和理查德所彻的 Recursive，这些人都是过去十年里亲手把 AI 从实验室带到现实世界的人。他们比任何人都更懂 AI，也比任何人都更清楚 AI 未来的方向。现在，他们集体选择离开大厂，用自己的职业生涯做赌注，去探索下一代 AI 范式。

这说明大厂的组织形式已经越来越不适合最前沿的 AI 研究了。大厂追求的是短期的产品交付和商业回报，而最前沿的研究需要的是长期的耐心和自由。田渊洞的经历就是最好的例子。去年年初，距离 Llama 4 发布只剩不到两个月，Meta 高层直接下令，把他带领的 FAIR 团队手头所有的长期研究全部停掉，强制抽调到生成式 AI 部门去做后训练、修 bug 这些脏活累活。最后，Llama 4 市场反应平平，扎克伯格脸一黑，直接裁掉了六百个 AI 部门的人，田渊洞和他的团队成了重灾区。

他当时在 X 上写了一句话：“真正应该负责解决问题的人，并不是被裁掉的人。”这句话里的无奈和失望，相信很多在大厂做研究的人都能体会到。所以这些顶级科学家的出走不是偶然，而是必然。他们不是为了钱，他们在大厂已经能拿到顶级的薪水和资源。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。而资本也非常清楚这一点。所以，他们愿意给这些科学家天价的估值，愿意让他们在没有任何产品的情况下烧几亿美元去做长期研究，因为他们知道下一个时代的门票不在大厂手里，而在这些真正懂技术的人手里。

现在的AI行业正站在一个历史的十字路口，过去的规模定律已经走到了尽头，未来的方向还不明确。有人押注世界模型，有人押注多模态，有人押注智能体，而Recursive押注的是递归自我改进。没有人知道哪条路能走通，但可以肯定的是，无论哪条路最后成功了，它都会彻底改变我们所知道的这个行业，也会彻底改变人类文明的进程。杰夫·克伦在一次采访里说过一句话：“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。”这可能就是这一代AI研究者最浪漫也最悲壮的地方。他们用自己的职业生涯做赌注，去创造一个可能会让自己失业的未来。而我们所有人都是这场伟大实验的见证者。

好了，以上就是本期视频的所有内容。如果你喜欢本期视频，不要忘记订阅、点赞、分享，这样就不会错过每一期的精彩内容。感谢收看，我们下期再见。