田淵棟AI創業估值315億，老黃蘇媽都投了，姚班施天麟也是合伙人

離職Meta后的田淵棟，現身獨角獸聯創名單，成了AI創業合伙人。

Recursive Superintelligence（RSI），不到30人，剛從隱身狀態走出來，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聯合領投這輪早期融資，英偉達、AMD等也參與其中。

8位聯創亮相，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，直到超級智能。

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

再把這臺”尤里卡機器”指向藥物研發、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：

預訓練Scaling Law仍然重要，但如果只靠更多數據、更多算力、更多參數，邊際收益已經沒有過去那么陡。

AI行業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行業現在最焦慮的問題，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，而現在AI可以寫代碼?！?/p>

過去，AI研發的循環大體還是人類主導。研究員提出想法，工程師寫實驗，團隊跑訓練，評估模型，再根據結果調下一輪方向。

RSI把這個循環的一部分交給AI。

它們設想中的系統，不只是回答問題，也不只是幫人寫代碼。它要能發現自己的能力短板，設計新的實驗，寫新的benchmark，然后主動重寫自己的代碼庫，讓下一版系統更強。

傳統AI優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，永遠不停下來，永遠有新發明。

一個AI改進另一個AI；改進后的AI繼續改進后面的AI。

Socher自己很清楚這個賭注的分量。

如果你是學術研究者且超前于時代，你最終會被稱作遠見者。但如果你是創業者且超前于時代，你的公司就死了。

他是NLP領域早期神經網絡派代表人物之一。2010年，他試圖把一篇神經網絡論文投給NLP頂會，結果被拒。審稿人的理由是神經網絡沒用，你為什么要把這玩意投給NLP會議？

15年后，神經網絡不僅主導了NLP，而且Socher就是奠定這一基礎的人之一。

那么創辦RSI，為什么是現在？

Socher判斷，AI領域正在觸及對數級收益遞減。你需要增加一兩個數量級的數據，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。

頂級科學家集體出走、資本集體押注，已經成為2025年以來AI領域最明確的結構性浪潮。

8位聯創干出頂級獨角獸

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，相當于8位聯創平均每人值0.58個獨角獸。

Richard Socher，吳恩達在斯坦福的博士生，ImageNet和Glove作者，谷歌學術引用量超過24萬次。在創立Recursive之前，他創辦了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前研究科學家總監，長期做強化學習、基礎模型效率和神經網絡理解。更早之前，他還做過ELF OpenGo，把AlphaZero式訓練重新開源實現到圍棋場景里；最近幾年，他的研究線又轉向Llama推理、長序列加速、低成本訓練等更貼近大模型系統瓶頸的問題。

施天麟是清華姚班校友，Cresta聯合創始人之一，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專家。他是UCL人工智能教授，也曾在Google DeepMind擔任開放式研究方向負責人，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，而是讓系統持續生成更多樣、更有效的對抗提示。現在幾乎所有的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，證明視覺任務不一定非要卷積網絡做底座。

Josh Tobin是OpenAI早期成員，OpenAI Agents Research Team負責人之一；

Caiming Xiong曾在Salesforce負責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系統修改自身代碼、再用benchmark驗證改進是否有效。

8個人分別對應強化學習和大模型效率、開放式算法、安全紅隊、視覺Transformer、智能體產品化、企業AI落地、創業組織和自我改進研究。

8位聯創，再加少量創始團隊，RSI總人數不超過30人，Socher在采訪中還特別強調：

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。