賭自己會失業！田淵棟八人天團狂攬44億元，殺入「遞歸進化」賽道

新智元報道

編輯：好困

【新智元導讀】8個締造AI輝煌的超級大腦，帶著谷歌英偉達巨資狂暴入場。他們要讓AI自己訓練自己，然后把AI研究員這個職業徹底干掉。

沒有產品。25個人。

成立不到半年。估值46.5億美元。

更離譜的是，這家公司的八個聯合創始人，全是AI領域最頂尖的研究員。

他們燒著6.5億美元，賭的是自己這個職業會消失！

• NLP詞向量奠基人、Salesforce前首席科學家Richard Socher

• Salesforce AI Research前SVPCaiming Xiong

• Meta FAIR前研究總監田淵棟

• Vision Transformer（ViT）第一作者Alexey Dosovitskiy

• 達爾文·哥德爾機作者、進化算法先驅Jeff Clune

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

• OpenAI機器人團隊搭建者Josh Tobin

• OpenAI早期成員、AI客服獨角獸聯創Tim Shi

這份名單攤開來，幾乎就是過去十年AI關鍵突破的作者列表。

他們的公司叫Recursive Superintelligence，昨天正式從「隱身模式」中走出來。

背后投資陣容非常豪華——GV（Google Ventures）和Greycroft領投，AMD Ventures和英偉達跟投。

八個頂級AI研究員

燒6.5億美元賭自己失業

Socher幾周前說過一句話，現在看來更像是宣戰。

神經網絡的第三階段，也許是最后一個階段。

• 第一階段，神經網絡學會了自己提取特征，特征工程師失業了。

• 第二階段，統一模型干掉了任務專用架構，一堆細分賽道的公司消失了。

• 第三階段，AI學會訓練自己。

現在造一個前沿模型，OpenAI、Anthropic、DeepMind這些頭部實驗室需要幾百人忙幾個月。數據篩選、訓練設計、后訓練對齊、研究方向選擇，每一步都靠人。

但問題是，全世界能做這件事的人不超過幾千個。而且，模型越復雜，人類理解和優化它的能力越接近天花板。

Recursive要做的，就是把上面這整條pipeline自動化。

評估、數據篩選、訓練、后訓練、研究方向選擇，全部交給AI自己來。

整條鏈路閉環，從頭到尾不需要人。

如果這件事成了，它意味著一個反饋循環。AI改進自己 → 改進后的AI更擅長改進自己 → 循環加速。

這就是「遞歸自我進化」（Recursive Self-Improvement，RSI）。也是這家公司名字的由來。

全明星首發陣容

田淵棟

上海交通大學本碩，CMU機器人研究所博士。

在Meta FAIR工作近十年，最后的職位是研究總監，領導LLM推理、規劃和決策方向。2025年10月Meta裁員被波及后離開。

他主導的ELF OpenGo項目用單塊GPU就擊敗了圍棋職業選手，還帶出了StreamingLLM和GaLore等明星項目。

他也是ICLR 2026遞歸自我進化Workshop的聯合組織者。

擴展閱讀：田淵棟被Meta卸磨殺驢，但全網瘋狂發offer！OpenAI沖來搶人了

Tim Shi

清華大學計算機科學學士（期間在MIT交換），Stanford AI Lab博士方向研究NLP和強化學習。

2016年作為早期成員加入OpenAI，參與核心模型開發。后來聯合創辦了AI客服公司Cresta并擔任CTO。

Caiming Xiong

紐約州立大學布法羅分校計算機科學博士，UCLA統計學博后。

跟Socher是MetaMind時期的老搭檔，一起被Salesforce收購后搭建了整個AI研究體系，做到了AI Research高級副總裁（SVP），管過NLP、計算機視覺、對話AI等多個方向的研究團隊。

發表超100篇深度學習研究，拿過ACL 2019杰出論文獎。

Richard Socher

斯坦福計算機科學博士。NLP領域被引用最多的研究者之一，發明了最早一批被廣泛使用的詞向量和上下文向量，在很多人還不知道prompt engineering這個詞之前就在做這件事了。

2014年創辦MetaMind，2016年被Salesforce收購后出任首席科學家和執行副總裁，一手搭建了Salesforce的AI研究實驗室和產品體系。

離開后創辦了AI搜索引擎You.com，估值15億美元，融了超過2億。現在他扔下了You.com的一切，去造一個連產品都沒有的公司。

他不久前解釋過自己為什么做這件事。最近一次招聘，候選人拒絕了offer，理由是「AI研究員這個崗位幾年內就會被自動化」。Socher聽完，決定親自去驗證這個判斷。

Jeff Clune

密歇根大學哲學學士，密歇根州立大學計算機科學博士。現任UBC計算機科學教授、CIFAR AI Chair，也是進化算法和開放式AI系統領域的先驅。

曾在Cornell做博后，后來先后加入Uber AI Labs（創始成員）和OpenAI擔任研究管理層。

他在Sakana AI主導的Darwin G?del Machine研究，第一次證明了AI Agent可以自主重寫自己的代碼來提升benchmark性能。

Alexey Dosovitskiy

莫斯科國立大學數學博士。先后在Freiburg大學（博后，導師Thomas Brox）、Intel Labs和Google Research做深度學習研究。

他最廣為人知的成果是Vision Transformer（ViT），那篇「An Image is Worth 16x16 Words」是過去五年計算機視覺領域被引用最多的研究之一，直接把Transformer架構從NLP搬進了視覺，重塑了整個CV領域的技術路線。

Tim Rockt?schel

柏林洪堡大學計算機科學碩士，UCL博士（獲Google博士獎學金和微軟研究博士獎學金）。現任UCL人工智能教授。

在牛津做過博后，之后加入Meta FAIR擔任研究經理和Area Lead，再到Google DeepMind擔任高級研究科學家，參與了Genie世界模型項目。

Josh Tobin

哥倫比亞大學數學學士，UC Berkeley計算機科學博士（導師Pieter Abbeel）。

讀博期間同時在OpenAI做了三年研究員，一手搭建了OpenAI的機器人能力，參與了那個著名的AI解魔方機械手項目。

離開后聯合創辦了ML監控公司Gantry，也創建了Full Stack Deep Learning課程。

他的專長是把研究成果落地成可用的工程系統。

八個人，橫跨Meta FAIR、Google DeepMind、OpenAI、Salesforce AI、Uber AI，研究方向覆蓋進化算法、世界模型、視覺Transformer、強化學習、機器人、NLP、核心訓練，但他們各自獨立走到了同一個結論。

AI的下一步，是讓AI自己造模型。不是更大，是更自主。

這種「不同路徑匯聚到同一個終點」的故事，投資人最愛聽。GV和英偉達顯然也聽進去了。

不是科幻

有人已經跑通了一半

Recursive的野心不是憑空冒出來的。

過去一年，「AI自我進化」從學術設想一步步變成了可操作的工程方向。

2025年5月，Google DeepMind發布了AlphaEvolve。

這個系統用LLM作為核心引擎，通過進化搜索來設計和優化算法。

AlphaEvolve證明了一件事，AI可以在算法設計這個領域做出人類研究員級別的工作。

擴展閱讀：突破300年數學難題！陶哲軒出題，DeepMind通用科學AI智能體一夜屠龍

幾乎同一時間，Jeff Clune在Sakana AI發布了Darwin G?del Machine。

DGM更激進，它讓AI Agent自主重寫自己的優化函數和代碼，然后在benchmark上驗證改進效果。

如果改進有效，新代碼被保留；如果無效，回滾。這個循環可以無限次運行。

擴展閱讀：AI已學會改自己代碼，性能提升100%，還會「改績效」！程序員，還不慌？

再往近看，2026年5月，ICLR在里約熱內盧舉辦了第一個專門研究「AI遞歸自我進化」的學術Workshop。

一個領域從「有人在做」到「有專門的頂會Workshop」，通常意味著它已經過了概念驗證階段，進入了工程化競賽。

Jeff Clune：我們就在遞歸自我進化系統的拐角處。

與之相對的，來自AI2的知名研究員Nathan Lambert今年3月提了一個對立概念「有損自我進化」（Lossy Self-Improvement）。

他的觀點是，模型越復雜優化越難，扔越多計算和Agent上去冗余損耗也越大，頂級模型訓練成本已經是幾十億美元級別，不會有人讓AI在沒人盯著的情況下燒這么多錢。

進步會有，但更可能是線性的，不是指數的。

文章地址：https://www.interconnects.ai/p/lossy-self-improvement

這個判斷是否正確，Recursive用6.5億美元和八個頂級大腦押上了另一邊的賭注。

Anthropic已經在賺這筆錢了

如果你覺得「AI自己訓練AI」還只是實驗室里的事，往產品端看一眼。

最近，Claude Code產品負責人Cat Wu也提出了一個三階段演進。

• 第一階段，同步開發。去年的常態。你寫代碼，AI實時輔助，一問一答。

• 第二階段，自動化routine。現在正在發生。用戶把重復性任務（比如回復客服工單）交給Claude自動處理。

• 第三階段，主動預判。

在她看來，下一個突破口就是「主動性」。Claude理解你在做什么工作，然后主動幫你把這些自動化流程搭建好。

你還沒開口，它就已經動手了。

Cat Wu說這話的時候，Anthropic的年化收入剛剛突破300億美元，80倍年增長。Claude Code的年化收入超過25億，企業訂閱數量從年初到現在翻了四倍。

這些數字和這個態度說明一件事，「AI從被動走向主動」已經在產生真金白銀的收入。

實驗室端，Recursive在造讓AI自己做研究的系統。

產品端，Anthropic在造讓AI主動替你干活的工具。

兩條線看起來隔著十萬八千里，但終點是同一個。AI不再等人類按按鈕。

這一場，賭的是整條賽道

從ASI決賽的視角看，味道完全不一樣。

Claude和GPT兩強對決，拼的是研究團隊、算力儲備、企業客戶。每一個百分點的進步都是幾千人苦干幾個月換來的。

Recursive要做的事，如果成了，等于把這個游戲的規則掀掉重寫。

GV是谷歌的錢，英偉達是所有人的軍火商。

這兩家同時下注Recursive，是在對沖一種可能性，如果遞歸自我進化可行，OpenAI和Anthropic龐大的研究團隊可能在一夜之間從核心資產變成沉沒成本。

Jeff Clune在一次采訪里承認過：「如果有一天機器取代了我作為AI科學家的角色，我可能會有點難過。但回報可能值得。」

這場決賽，雙方都在拼命往賽道上加速。

但Recursive想干的事情，是把賽道本身換掉。

參考資料：

https://x.com/jeffclune/status/2054554755955937615?s=20

https://www.nytimes.com/2026/05/13/technology/notable-researchers-join-4-billion-effort-to-build-self-improving-ai.html?searchResultPosition=1

https://x.com/TechCrunch/status/2054645155446284786