黄仁勋苏姿丰，投了田渊栋！

来源：智东西

刚刚，田渊栋组了支“AI复联”。

编译 | 江宇

编辑 | 心缘

智东西5月14日报道，昨日，Meta FAIR前研究科学家总监田渊栋、“提示工程之父”Richard Socher联合OpenAI、Google DeepMind、Meta等公司的多位AI老将，正式官宣新公司Recursive Superintelligence（简称Recursive）。

与此同时，Recursive也同步宣布完成6.5亿美元（约合人民币44亿元）融资，估值达到46.5亿美元（约合人民币315.7亿元），投资方包括Google Ventures、Greycroft，以及AMD Ventures、英伟达等资本，团队规模目前超过25人，办公地点位于旧金山和伦敦。

这家公司一出手，就瞄准了AI行业里一个讨论多年的方向——“递归式自我改进（Recursive Self-Improvement）”。他们希望构建一种能够自动发现知识、持续优化自身能力的AI系统。

田渊栋为此写道：“我们正在构建一种能够自动发现知识、并递归式自我提升的AI系统，这将从根本上改变科学和技术进步的方式。”

Recursive的创始团队同样值得关注。8位联合创始人覆盖OpenAI、Meta、DeepMind、Google Brain、Salesforce AI等多家核心AI机构。

除田渊栋外，另一位华人成员，是清华姚班出身、曾任OpenAI研究员、AI独角兽Cresta联合创始人兼前CTO的施天麟（Tim Shi）。

创始团队成员还包括：DeepMind开放式智能方向负责人Tim Rocktäschel、Salesforce AI前负责人Caiming Xiong，以及Vision Transformer相关研究者Alexey Dosovitskiy。

顾问和研究人员名单中，也出现了谷歌前研究总监、《Artificial Intelligence: A Modern Approach》作者Peter Norvig，以及谷歌研究科学家Jeffrey Pennington等名字。

从团队背景来看，这家公司几乎集齐了当前AI行业里Agent、强化学习、开放式智能、世界模型和自动化研究等多个热门方向的研究者。

01.

AI自己研究AI

这家公司盯上了“递归自我改进”

Recursive把重点放在了“Open-endedness（开放式演化）”和“Recursive Self-Improvement（递归式自我改进）”。

团队预测，未来的AI系统能够持续生成新想法、验证结果、调整自身能力，并长期迭代。

当前AI研究里的很多流程，仍然依赖人工完成，包括模型设计、实验验证和优化方法选择。随着模型能力增强，以及代码生成能力快速提升，越来越多研发流程已经能够交给AI参与。

Recursive联合创始人兼CEO Richard Socher提到：“AI本身就是代码，而现在AI已经能够写代码。”

在他看来，当前行业已经接近AGI阶段，大模型具备了通用推理和代码能力，不过距离“超级智能”仍有明显差距。Recursive希望进一步推动AI持续优化自身训练、测试和研究过程。

Socher称，他们希望构建一种能够长期学习、持续提出新想法、自动验证结果的系统，并将其应用于科学研究、药物发现等领域。

根据官网信息，Recursive当前首先聚焦“AI改进AI”，后续会扩展至更广泛的科学问题。

与此同时，团队多次强调“安全性”，会优先关注系统安全，希望在提升能力的同时降低风险。

02.

OpenAI、Meta、DeepMind老兵

组了一支豪华团队

相比技术方向，Recursive更先吸引外界注意的，是创始团队履历。

联合创始人兼CEO Richard Socher则是硅谷AI行业里的知名人物。他曾是“AI教父”吴恩达在斯坦福大学的博士生，参与ImageNet、GloVe等经典研究工作，谷歌学术引用量超过24万次。

在自然语言处理领域，Richard Socher也是早期“神经网络派”代表人物之一。后来，神经网络逐渐成为NLP主流技术方向，Socher也被视作这一波技术演进的重要奠基人。

他还被不少人称为“提示工程之父”，是业内较早系统提出“Prompt Engineering（提示工程）”概念的研究者。

▲联合创始人兼CEO Richard Socher接受Google Ventures的采访

创业经历方面，他创办的MetaMind后来被Salesforce收购，此后又创办AI搜索引擎You.com，其估值达到15亿美元（约合人民币101.8亿元）。

田渊栋此前在Meta FAIR工作近十年，担任研究科学家总监。

他出生于上海，本硕毕业于上海交通大学，2013年于卡内基梅隆大学（CMU）机器人研究所获得博士学位。

他的研究方向覆盖强化学习、多智能体学习、大模型推理与规划决策、深度学习理论分析等多个领域，长期担任NeurIPS、ICML等AI顶会领域主席。

近几年，他还深度参与了Llama系列大模型相关研究，以及Meta在世界模型、推理优化等方向的核心项目。

施天麟则曾在OpenAI担任研究员。他本科毕业于清华姚班，专业成绩排名第一，曾获得“姚班金奖”，后进入斯坦福大学攻读AI方向博士，并在2017年选择退学创业。

同年，他联合创办AI公司Cresta并担任CTO，聚焦AI客服与销售场景，背后投资方包括a16z、红杉、Greylock等硅谷知名机构，估值已达到百亿。

来自DeepMind的Tim Rocktäschel，长期研究强化学习和开放式智能方向，曾先后在Meta与DeepMind担任研究科学家一职，现担任UCL人工智能教授，同时也是ELLIS Fellow。

Recursive CTO Josh Tobin此前在OpenAI负责Agent相关研究，也创办过机器学习基础设施公司Gantry。

Caiming Xiong则在Salesforce AI工作接近10年，从研究负责人一路升至SVP，长期负责Applied AI与大模型相关业务。

他也曾与Richard Socher共事，双方共同署名过CTRL等可控文本生成相关研究工作。

Jeff Clune曾担任DeepMind高级研究顾问、OpenAI研究团队负责人，也是Uber AI Labs创始成员之一。

他长期研究深度强化学习、开放式演化（Open-endedness）与AI-generating algorithms等方向，是当前“开放式智能”领域的重要研究者之一。

此外，团队成员中还包括Vision Transformer相关研究者Alexey Dosovitskiy、谷歌前研究总监Peter Norvig，以及在谷歌工作超过11年的Jeffrey Pennington。

▲Alexey Dosovitskiy

▲Peter Norvig

▲Jeffrey Pennington

03.

硅谷重新聚焦“AI自动化科研”

“递归自我改进”并不是新概念。这一方向长期存在于AGI和超级智能相关讨论中，核心想法是：如果AI能够持续优化自身能力，系统性能可能会出现更快增长。

近一年，随着代码生成模型和Agent能力提升，硅谷对这一方向的关注明显增加。

《纽约时报》报道称，Anthropic、OpenAI等公司也在推进类似研究。

Sam Altman此前曾提到，OpenAI希望在今年秋天前，推出能够承担“初级研究员”工作的自动化AI研究系统。目前，其内部也在推进“Automated AI Researcher（自动化AI研究员）”相关项目。

Recursive则希望进一步扩大AI参与科研的范围，将更多实验设计、验证和优化流程交给模型完成。

与此同时，行业内也存在不少争议。

部分研究者认为，目前AI距离持续自主创新仍有明显距离，无论是提出原创理论，还是构建长期稳定的新研究框架，人类研究员依然承担核心角色。

Recursive也提及，实现团队设想中的系统，仍然需要多年时间。

值得注意的是，目前市场上还有一家名字相近的公司Ricursive Intelligence，后者主要聚焦AI芯片方向，也拥有约40亿美元估值，两家公司容易混淆。

04.

结语：大模型之后，AI行业

把目光投向“下一次能力跃迁”

过去两年，大模型行业围绕参数规模、训练数据和推理能力展开了一轮高速竞争。

Scaling Law增速放缓、训练成本持续攀升、模型能力提升逐渐趋于平缓，已经成为AI圈反复出现的话题。

Recursive押注的“递归式自我改进”，某种程度上正好回应了这种行业焦虑。

至少在当前阶段，硅谷已经有人愿意为“AI自己升级AI”这个方向，投入真金白银。