文 | 产联社CLS网上配资的平台
AI大佬田渊栋宣布创业，黄仁勋、苏姿丰抢着投资。
5月14日，田渊栋联合创立的Recursive，宣布完成6.5亿美元融资，公司估值达到46.5亿美元。投资方名单极其豪华，GV（Google Ventures）、Greycroft领投，AMD Ventures、等跟投。
要知道，这家公司成立不到半年，团队规模还不到30人。但8位联合创始人，几乎覆盖了过去十年AI领域最核心的一批研究者：Meta FAIR、OpenAI、Google DeepMind、Salesforce AI、Uber AI等机构的重要成员全部集结。
Recursive的灵魂人物田渊栋，拥有上交大、卡内基梅隆大学等顶级学术背景、Meta核心研究员，曾参与基础模型演进，后来经历Meta内部动荡，最终离开大厂创业。
而他们这次想做的事情，也极其疯狂：让AI自己研究AI，让AI自动优化AI，最终形成递归式自我改进。某种程度上，这已经不是传统意义上的大模型创业了，而是在赌下一代AI范式。
让AI自己升级AI
Recursive的名字，已经直接写明了它的核心方向：Recursive Self-Improvement，递归式自我改进。
简单来说，他们想构建一种能够自动发现问题、设计实验、修改代码、验证结果、再继续优化自己的AI系统。过去AI的进步，本质上仍然是人类研究员驱动的：研究员提出新思路、工程师写代码、团队训练模型、评估结果，再进入下一轮迭代。
但Recursive想把这个循环里的大量工作，直接交给AI本身。
在他们的设想里，AI不只是回答问题，也不只是辅助写代码，而是能够主动发现自身能力短板、自动设计benchmark、重写自己的训练与优化流程，最终形成一个持续自我演化的系统。
CEO Richard Socher的一句话，非常能概括这个逻辑：
“AI本身就是代码，而现在AI已经能够写代码。”
在Recursive看来，大模型时代最重要的问题已经发生变化。过去行业相信的是Scaling Law，只要不断堆更多参数、更多数据、更多算力，模型能力就会持续提升。但现在，越来越多人开始意识到，边际收益正在下降。
训练成本越来越高，模型能力提升却越来越慢。
但现在，越来越多人开始意识到，光靠堆更多参数、更多数据和更多算力，模型能力已经很难再像过去那样高速提升。过去那套大力出奇迹的逻辑，正在接近瓶颈。于是，硅谷开始寻找大模型之后的下一种增长方式。
Recursive押注的，就是最激进的一种答案：让AI自己成为AI研发者。
他们甚至提出了一个极具冲击力的目标：先训练一个拥有50000名博士能力的AI系统，用来自动化AI科学研究本身。之后，再把这套系统扩展到药物研发、生物研究、电池材料、核聚变等领域。
从某种意义上说，他们想做的，不是更强的大模型，而是会自己变强的AI。
而资本市场显然非常买账。
公司刚官宣，就完成6.5亿美元融资，估值达到46.5亿美元。GV、Greycroft领投，AMD Ventures与英伟达跟投。这个融资规模，放在整个AI创业史上都属于极高规格。
背后的原因也很直接。
过去一年，AI行业已经开始集体转向自动化科研。
OpenAI正在研发Automated AI Researcher；Anthropic也在推进AI自动化研究系统；DeepMind推出了AlphaEvolve；Jeff Clune所参与的Darwin Gödel Machine，则已经开始尝试让AI自动修改自己的代码，并用benchmark验证是否有效。
整个行业都在试图回答一个问题：
如果AI已经会写代码，那么它距离“自己升级自己”还有多远？
Recursive，就是目前最激进的一支队伍之一。
Meta裁员后，整个硅谷都在抢田渊栋
在Recursive的团队里，田渊栋是最受华人AI圈关注的人物之一。
因为他的履历，本身就极具代表性。
田渊栋出生于上海，本硕毕业于，之后前往卡内基梅隆大学机器人研究所攻读博士，并于2013年获得博士学位。
随后，他进入Meta旗下FAIR（基础人工智能研究院），一待就是近十年，最终做到研究科学家总监。
他的研究方向非常硬核，覆盖强化学习、多智能体学习、大模型推理、规划与决策、深度学习理论分析等多个领域，长期担任NeurIPS、ICML等顶会领域主席。
更关键的是，他并不是只会做理论的人。
过去几年，田渊栋深度参与了Llama系列相关研究，以及世界模型、推理优化、长序列加速、低成本训练等核心方向。他还主导过ELF OpenGo项目，用单块GPU实现AlphaZero风格围棋训练，并击败职业棋手。
后来备受关注的StreamingLLM、GaLore等项目，也都与他的研究路线密切相关。
但真正让田渊栋在硅谷出圈的，反而是一场裁员。
2025年，Meta内部AI组织发生剧烈调整。为了推进Llama 4发布，FAIR团队被强制抽调去支援GenAI部门。按照田渊栋后来的回忆，他们不得不放下原本的研究工作，转而承担后训练、修bug等大量“脏活累活”。
而等到Llama4.5训练完成后，Meta AI部门却开始大规模裁员，田渊栋团队成为重灾区。
最戏剧性的地方在于，他在X上刚发完“我和部分团队成员受到裁员影响”，下一秒，各大AI公司就开始疯狂抢人。
OpenAI、xAI、Anthropic、Google DeepMind、英伟达等公司的研究人员纷纷在评论区抛出橄榄枝，硅谷AI创业公司更是几乎从评论区排到法国。
因为行业里都知道，田渊栋真正稀缺的地方，不只是技术能力。而是他同时理解基础研究和大模型工程。
这其实是今天AI行业最难得的人。
很多研究员只懂论文，很多工程团队只懂训练，但田渊栋既做强化学习理论，也做大模型推理优化，还长期参与真正的大规模模型系统工程。
更重要的是，他对于AI未来方向，有自己非常明确的判断。
他并不完全迷信大力出奇迹的Scaling Law，而更看重推理效率、可解释性以及底层理论逻辑。他曾公开表示，现在的大模型只是摸到了智能的边缘，人类真正的洞察力与创造性，仍然是AI无法掌握的部分。
而Recursive的路线：连续空间推理、推理效率、开放式演化、可解释性，几乎与他的研究兴趣完全重合。
所以，从Meta离开后，田渊栋最终没有加入任何一家大厂，而是选择创业。
某种程度上，这也是今天硅谷AI顶级研究员的一种共同趋势：不再甘心做大厂螺丝钉，而是直接下注下一代AI范式。
8位联合创始人，拼出一个AI全明星阵容
Recursive几乎把过去十年AI圈最重要的一批研究者，拉到了同一家公司。
CEO Richard Socher，就是其中最核心的人物之一。他曾是吴恩达在斯坦福的博士生，也是NLP领域最早的“神经网络派”代表人物之一。早年间，他推动神经网络进入NLP主流路线，后来创办MetaMind，并被Salesforce收购，随后又做出了AI搜索引擎You.com。
今天很多人熟悉的“Prompt Engineering（提示工程）”概念，Socher也是最早系统提出的人之一。
另一位联合创始人Caiming Xiong，则是Socher的长期搭档。他曾在Salesforce AI一路做到高级副总裁，长期负责Applied AI与大模型相关业务，也参与了CTRL等可控文本生成研究。
来自OpenAI的Josh Tobin，则是OpenAI机器人与Agents方向的重要成员之一。他曾参与著名的AI解魔方机械手项目，后来又创业做机器学习基础设施公司Gantry。
还有Tim Shi，也就是施天麟。这位清华姚班出身的华人创业者，同样极具传奇色彩。他本科成绩排名第一，拿过“姚班金奖”，后来进入斯坦福读AI博士，却在2017年退学创业，联合创办AI客服公司Cresta，并把Transformer提前应用到实时客服Agent场景。
DeepMind的Tim Rocktäschel，则长期研究开放式智能、世界模型以及自我改进系统。他还是Genie世界模型项目的重要研究者之一。
而Alexey Dosovitskiy，更是计算机视觉领域最重量级的人物之一。他参与提出了Vision Transformer（ViT），那篇《An Image is Worth 16x16 Words》几乎直接改变了整个计算机视觉领域的技术路线。
Jeff Clune也同样是位关键人物。他长期研究开放式进化、AI-generating algorithms与AI安全，并参与Darwin Gödel Machine研究。这项工作的核心，就是让AI自动修改自身代码，并验证优化是否有效。
如果把这些人的研究方向拼在一起，会发现Recursive的布局几乎完整覆盖了今天AI领域最关键的几条路线：
强化学习、世界模型、Agent、视觉Transformer、开放式演化、自我改进、推理优化、AI安全。
更重要的是，这群人最终都得出了同一个结论：AI的下一步，不只是更大，而是更自主。
所以Recursive的出现，本质上已经不只是一次普通创业，它更像是硅谷顶级AI研究员的一次集体押注，押注“AI自己研究AI”，会成为下一轮能力跃迁的起点。
而黄仁勋、苏姿丰，以及一众顶级资本，也已经提前把钱投了进去。
参考资料：
《刚刚，全AI圈疯抢的田渊栋官宣创业，黄仁勋也投了》，APPSO《田渊栋AI创业估值315亿，老黄苏妈都投了，姚班施天麟也是合伙人》，量子位《黄仁勋苏姿丰，投了田渊栋！》，智东西《田渊栋被裁后新offer排到法国！原来Llama 4.5训完后被卸磨杀驴了》，量子位《知名研究人员加入40亿美元项目，共同打造可自我改进的人工智能》，《纽约时报》《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《LeCun曝Meta作弊刷榜，田渊栋：我没想到这个结局》，量子位
华林优配提示：文章来自网络，不代表本站观点。
相关文章
热点资讯
推荐资讯
