田渊栋履新：联手多位AI大牛，6.5亿美元押注“会自我进化的AI”

作者声明：该图片由AI生成
Recursive公司联合创始人田渊栋，图片经由AI处理

文丨李海伦

编辑丨徐青阳

离职Meta后的田渊栋履新了。

2025年10月，Meta一刀裁掉了AI研究部门约600人，时任FAIR（基础AI研究团队）的研究科学家总监田渊栋也在其中。消息一出，OpenAI、Anthropic等头部AI公司纷纷向其抛出橄榄枝。但田渊栋没去任何一家，而是选择了创业。

美国当地时间5月13日，他以联合创始人身份现身Recursive Superintelligence（递归超级智能），在X平台宣布了新动向。这家由多位曾在AI大厂任职的核心人物创立的Recursive Superintelligence公司，当天正式亮相。

Recursive联合创始人田渊栋发帖

这家仅成立六个月、团队不足30人的公司，已经手握6.5亿美元融资，估值高达46.5亿美元。本轮融资由GV（谷歌风投）和Greycroft领投，AMD Ventures和英伟达跟投。这笔资金将被用于在旧金山和伦敦扩大算力基础设施和运营。

田渊栋在X上表示，团队正在打造一个能自动发现知识、递归自我改进的AI，这将从根本上改变科学与技术的进步方式。

01 打造“AI梦之队”

Recursive的背后，是一份堪称豪华的创始团队名单。

公司由八位联合创始人共同建立，包括田渊栋、前Salesforce首席科学家Richard Socher、Caiming Xiong、Tim Shi和Josh Tobin均在其中。他们此前分别在OpenAI、Google DeepMind、Meta、Salesforce等顶尖实验室担任研究负责人或核心职务。

Recursive八位联创，包括Alexey Dosovitskiy、Caiming Xiong、Jeff Clune、Josh Tobin、Richard Socher、Tim Rocktaschel、Tim Shi以及田渊栋

团队成员的专业知识覆盖了智能体AI科学家、架构与算法设计、世界模型、优化以及可解释性等多个关键领域。

他们中的许多人还是各自研究方向的先驱，曾主导或引领了开放式算法、质量多样性算法、生成式AI算法、自我改进的编码智能体、自动化红队测试与能力发现、基础世界模型、深度学习、视觉Transformer、检索增强生成等一系列重大进展。

如今，这群人因为一个共同的信念走到了一起：实现AI的递归式自我改进！

02 将“进化论”写进代码里

递归式自我改进的理论并不复杂。Recursive联合创始人兼CEO Richard Socher

解释称：“AI就是代码。而现在，AI已经能够编码。各项要素已经具备。”

他背后的逻辑是，既然AI本身由代码构成，而现在的AI又具备了编写代码的能力，那么让AI来改进自己的代码，逻辑上完全说得通。

在他看来，机器学习这些年走的路已经很清楚了：算力越多，数据越多，原先靠人手工设计的方法，正一步步被AI自己驱动的方法所取代。Recursive要做的，就是沿着这条路一直走到头。

Recursive联合创始人兼CEO Richard Socher

为了解释公司的技术哲学，Recursive的公告从自然智能的诞生讲起。人类的智能是由两个开放式过程共同创造的：达尔文式的生物进化和文化进化。这两个过程不断积累着有趣且各不相同的发现档案，每一项新发明都建立在此前的成果之上。

其中，生物进化塑造了我们的躯体、视觉和简单反射，文化进化则在这些硬件基础上发展出推理、语言和科学。这个过程没有天花板，创新会永远持续下去。

Recursive认为，AI科学同样遵循这种开放式创新的规律，只不过此前的发现一直由人类科学家推动。而现在，接力棒该交到AI自己手上了。

因此，Recursive认定，通往超级智能的最快路径，将由能够递归式自我改进的AI实现，而这种改进必须依托于能够驱动无尽创新的开放式算法。他们计划先从AI自身的科学研究起步，创造一个能改进AI的AI，随后再将这套方法论迅速扩展到更广阔的科学领域。

Socher在社交平台上写道：“AI之于生物学，就如同微积分之于物理学——它是一种新的语言和思维方式，用于处理复杂系统，并帮助我们更好地理解和设计它们”。

03 自己研究、自己改进的AI

那么，这样一个能够自我改进的AI系统具体是如何运作的？

根据公司披露的信息，Recursive开发的AI将在“一个开放式的自动化科学发现过程”中进行模拟，自己提出实验想法、进行测试并验证结果。

它的改进范围远超一般的代码优化，不仅包括改进自身的代码，还包括改进其“工具套件”，也就是那套AI提供商用来增强算法输出的辅助程序。

Recursive官方发文宣布走出“隐身模式”公开亮相

更进一步，这个系统还将寻找改进其训练和推理基础设施的方法。在Recursive的规划中，这些自我改进实验能够在一个开放式的循环中持续生成并优化新能力，实现独立发现更好的学习方法，而无需持续的人工监督。

当然，在整个过程中，安全被摆在了首要位置。Recursive明确表示会设置安全护栏，确保系统通过最大化收益、降低风险来帮助人类繁荣发展，防止软件产生有风险的输出结果。

对于Recursive而言，这场通往超级智能的漫长征途，现在才刚刚迈出第一步。

特约编译金鹿对本文亦有贡献