赌自己会失业！田渊栋八人天团狂揽44亿元，杀入「递归进化」赛道

新智元报道

编辑：好困

【新智元导读】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SVPCaiming 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 Rocktäschel

• 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。

扩展阅读：田渊栋被Meta卸磨杀驴，但全网疯狂发offer！OpenAI冲来抢人了

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 Gödel 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 Rocktäschel

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。

扩展阅读：突破300年数学难题！陶哲轩出题，DeepMind通用科学AI智能体一夜屠龙

几乎同一时间，Jeff Clune在Sakana AI发布了Darwin Gödel 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。

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

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。

参考资料：

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