前Meta总监田渊栋创业获谷歌英伟达投资研发自我进化AI
前Meta FAIR研究科学家总监田渊栋近日在社交平台X上正式宣布，其创立的新公司Recursive_SI已正式亮相。这家聚焦递归超级智能的初创企业，自成立之初便备受业界瞩目。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
Recursive_SI的起步堪称梦幻。公司成立仅数月，在产品尚未正式发布的情况下，便已完成超过6.5亿美元的巨额融资，估值高达约46.5亿美元。其投资者阵容极为豪华，汇聚了Google Ventures、NVIDIA、AMD、Greycroft等全球顶级投资机构。
如此备受资本青睐，源于Recursive_SI所瞄准的宏大愿景：实现递归超级智能。公司核心观点认为，通往超级智能的最快路径，是让人工智能通过递归方式进行自我改进，并依靠开放式算法驱动持续不断的创新循环。
这一命名方式也引发了行业内的有趣讨论。有网友好奇地表示：“先是递归智能，现在又出现了递归超级智能，未来的命名逻辑该如何延续？”
这类“套娃”式术语确实容易造成概念混淆。简单区分而言，递归智能通常指AI能够改进自身的推理、工具使用及工作流程，形成“自我增强”的闭环。而递归超级智能则是一个更为前沿和激进的概念，它意味着AI不仅能自我优化，还能通过持续迭代，最终达到远超人类智能的超级水平。
那么，这家初创公司究竟凭借什么成为“超级种子轮选手”？让我们深入剖析其背后的逻辑与团队。
获得行业领袖广泛认可的规模定律
要理解Recursive_SI的破局思路，首先需要审视其试图挑战的“旧范式”。长期以来，规模定律被视为AI领域最核心的经验法则之一：即模型参数规模越大、训练数据越多、算力投入越强，模型能力就会获得持续提升。
这一观点得到了多位行业领袖的公开支持。谷歌DeepMind首席执行官Demis Hassabis曾表示，规模定律总体上仍然有效，增加算力、数据和模型规模确实能持续提升能力。OpenAI总裁Greg Brockman则将规模定律比作持续生效的“自然法则”，认为模型能力的提升似乎未见天花板。埃隆·马斯克也常被业界视为规模定律的重要支持者。
规模定律面临瓶颈？Recursive_SI选择最激进的“破局之路”
然而，近期业界开始出现另一种声音：规模定律可能即将“撞墙”。更准确地说，并非定律本身失效，而是“持续扩大规模的边际成本正呈指数级上升”，效益递减问题日益凸显。
正是在此背景下，Recursive_SI选择了一条最为激进的创新路径：递归式自我改进。其核心理念可理解为构建一个由AI模型自身驱动的闭环进化系统。在该系统中，人工智能不再仅仅是执行预设任务的工具，而是能够持续生成、评估并优化下一代能力提升路径，实现真正的自主进化与迭代。
顶尖天团集结，这支AI初创团队阵容有多豪华？
当然，仅有宏大愿景并不足够，顶尖的团队才是将愿景转化为现实的关键。田渊栋曾在过往访谈中透露，若他创业，团队规模或许无需太大。Recursive_SI的现状印证了这一点——团队仅约25人，却堪称“精英荟萃”，汇聚了来自Meta、OpenAI、Google DeepMind、Salesforce等顶尖机构的研发人才。
公司的八位联合创始人名单更是星光熠熠：Richard Socher、Tim Rocktäschel、Yuandong Tian（田渊栋）、Jeff Clune、Josh Tobin、Tim Shi、Caiming Xiong、Alexey Dosovitskiy。
其中任何一位的资历都足以独当一面。例如，Richard Socher是早期深度学习在自然语言处理领域商业化的重要推动者，曾担任Salesforce首席科学家，并创办了AI搜索公司You.com。Alexey Dosovitskiy则是Vision Transformer架构的核心作者之一，其工作成功将Transformer引入计算机视觉领域，深刻影响了后续视觉与多模态模型的发展。而Jeff Clune长期专注于“让AI自动进化AI”的开放式学习与进化算法研究，是该方向的代表性学者。
业界展望：或将成为人工智能未来最重要的研究方向之一
对于Recursive_SI的成立，业界与技术社区反响热烈。X平台上有网友乐观预测：“如果递归式自我改进系统能够实现安全可靠，那么它必将成为人工智能研究未来最重要的方向之一。”
同时，也有网友提出了更深入的思考。有人指出，递归式自我改进的最终效果，根本上取决于其优化的目标函数。真正的挑战或许不在于递归机制本身，而在于如何稳定、精准地定义“更好”的衡量标准，以确保整个进化循环不会偏离预设的安全与价值目标。
总结与展望
回到最初的问题：Recursive_SI为何能成为超级种子轮选手？答案已逐渐清晰：一方面，它精准地把握了AI行业在规模定律之外寻求新增长路径的关键节点；另一方面，一个由顶尖人才构成的“全明星团队”为其提供了强大的技术执行力与行业信誉背书。
“递归超级智能”能否成为下一代人工智能的核心热词？目前下定论为时尚早。但可以观察到，这已非一家公司的孤军探索。一批领先企业正在或计划踏上类似的道路：OpenAI在其技术路线图中提出了“AI研究实习生”的构想，旨在让AI从工具逐步演变为能协助设计实验的研究助手，最终迈向“自动研究者”形态；Anthropic在其技术文档的“AI for AI R&D”章节中，也明确探讨了递归式自我改进的潜力；2025年创立的Recursive Intelligence公司，则尝试在AI芯片层面构建“递归自我改进循环”。
众多顶尖力量不约而同地布局此赛道，至少揭示了一个明确趋势：在规模扩张遭遇瓶颈的讨论声中，赋予人工智能自我进化与迭代的能力，正被视为一条极具想象力且至关重要的技术新前沿。这条赛道的未来发展，值得所有关注人工智能演进的人持续保持关注。
相关攻略
前Meta FAIR研究科学家总监田渊栋近日在社交平台X上正式宣布，其创立的新公司Recursive_SI已正式亮相。这家聚焦递归超级智能的初创企业，自成立之初便备受业界瞩目。 Recursive_SI的起步堪称梦幻。公司成立仅数月，在产品尚未正式发布的情况下，便已完成超过6 5亿美元的巨额融资，估
项目定位：Web3 创作者经济新范式 在传统内容平台上，创作者的控制权往往有限，收益分配也常被诟病不公。FAIR3的出现，正是瞄准了这些痛点，它秉持一个核心原则：数据和收入，本就该属于创作者。这个项目通过支持链上内容发布和代币化打赏，构建了一种新范式——粉丝可以直接使用FAIR3代币即时赞赏创作者，
2026年4月22日-24日，由深圳市机器人协会发起举办的FAIR plus机器人全产业链接会将在深圳会展中心（福田）9号馆隆重启幕。FAIR plus是一个专注于机器人全产业链技术和开发资源的平台
热门专题
热门推荐
本文梳理了2026年主流数字资产交易平台的特点与选择策略。重点从安全性、资产丰富度、交易体验、创新功能及合规性等维度进行分析，旨在帮助用户根据自身需求，在众多平台中做出明智选择，而非简单罗列排名。选择平台需综合考量资金安全、操作习惯与长期发展愿景。
本文梳理了2026年现货交易所的竞争格局，从交易深度与流动性、资产安全与合规性、用户体验与产品创新三个维度进行深度分析。文章指出，头部平台在合规与技术创新上持续领跑，新兴交易所在细分市场寻求突破，行业整体呈现出专业化、合规化与用户体验并重的发展趋势，为不同需求的用户提供了多元选择。
本文梳理了2026年主要数字资产交易平台的综合表现，从安全性、资产多样性、用户体验及创新服务等维度进行分析。榜单反映了行业向合规与专业化发展的趋势，头部平台在技术架构与风控体系上持续投入，新兴平台则凭借细分领域创新获得关注。投资者需结合自身需求，理性评估平台特点与风险。
今年四月，AI网络初创公司Aria Networks携1 25亿美元融资高调登场，并向业界抛出了一个直指核心的判断：下一阶段AI基础设施的竞争，焦点已不仅仅是堆砌更多的GPU，而在于能否构建一个能充分释放这些算力潜能的“神经网络”。 这家由前Arista和Juniper高管创立、总部位于帕洛阿尔托的
仅凭一张家用RTX 4090显卡的24GB显存，就能流畅运行一个拥有320亿参数的AI大模型，一口气读完6份长文档并自动生成周报？这并非极客魔改，而是来自MIT、英伟达与浙江大学研究者的最新突破。 这项名为TriAttention的技术，精准瞄准了大模型推理中的核心瓶颈——KV缓存显存占用。其核心思