田渊栋团队获44亿投资布局递归进化AI新赛道
没有产品，只有25个人。成立不到半年，估值却冲到了46.5亿美元。更令人侧目的是，这家公司的八位联合创始人，清一色是AI领域最顶尖的研究员。他们手握6.5亿美元，赌的竟是自己这个职业的消亡。
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 👈
看看这份名单：NLP词向量奠基人、Salesforce前首席科学家Richard Socher；Salesforce AI Research前高级副总裁Caiming 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；以及OpenAI早期成员、AI客服独角兽联创Tim Shi。
这几乎就是过去十年AI关键突破的作者名录。他们的公司名叫“递归超级智能”（Recursive Superintelligence），昨天正式从“隐身模式”中走了出来。背后的投资阵容堪称豪华——GV（谷歌风投）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几周前的一句话，现在看来更像是一份战书。他提出了神经网络的“第三阶段”，并暗示这或许是最后一个阶段。
第一阶段，神经网络学会了自动提取特征，特征工程师这个岗位随之消失。第二阶段，统一大模型干掉了任务专用的架构设计，一批细分赛道的公司不见了踪影。那么第三阶段呢？答案是：AI学会训练自己。
如今打造一个前沿模型，OpenAI、Anthropic、DeepMind这些头部实验室需要动用数百人忙活好几个月。从数据筛选、训练设计，到后训练对齐、研究方向选择，每一步都高度依赖人类专家。
但问题在于，全世界真正能胜任这项工作的人，恐怕不超过几千个。而且，模型越复杂，人类理解和优化它的能力就越接近天花板。
Recursive要做的，就是把上面这条完整的研发管线自动化。评估、数据筛选、训练、后训练、研究方向选择，全部交给AI自己来完成。整条链路形成闭环，从头到尾无需人类插手。
如果这件事做成了，它将开启一个自我强化的反馈循环：AI改进自己 → 改进后的AI更擅长改进自己 → 循环不断加速。这就是所谓的“递归自我进化”（Recursive Self-Improvement, RSI），也正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，卡内基梅隆大学机器人研究所博士。在Meta FAIR工作近十年，离职前担任研究总监，领导大语言模型的推理、规划与决策方向。他主导的ELF OpenGo项目曾用单块GPU击败围棋职业选手，还孵化了StreamingLLM和GaLore等知名项目。他也是ICLR 2026递归自我进化研讨会的联合组织者。
Tim Shi
清华大学计算机科学学士（期间在MIT交换），斯坦福大学AI实验室博士，研究方向为自然语言处理与强化学习。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并担任首席技术官。
Caiming Xiong
纽约州立大学布法罗分校计算机科学博士，加州大学洛杉矶分校统计学博士后。他与Socher是MetaMind时期的老搭档，公司被Salesforce收购后，共同搭建了其AI研究体系，并担任AI研究高级副总裁，管理过NLP、计算机视觉、对话AI等多个团队。发表论文超百篇，曾获ACL 2019杰出论文奖。
Richard Socher
斯坦福大学计算机科学博士，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技术。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。离开后创办了AI搜索引擎You.com，估值一度达15亿美元。如今，他放下了这一切，投身于这家尚无产品的公司。他近期解释过自己的动机：在一次招聘中，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，现任不列颠哥伦比亚大学计算机科学教授。他是进化算法和开放式AI系统领域的先驱，曾在Uber AI Labs担任创始成员，后于OpenAI担任研究管理职务。他在Sakana AI主导的达尔文·哥德尔机研究，首次证明了AI智能体可以自主重写自身代码以提升基准测试性能。
Alexey Dosovitskiy
莫斯科国立大学数学博士。他最广为人知的成就是提出了Vision Transformer（ViT），那篇题为《一张图像值16x16个词》的论文是过去五年计算机视觉领域被引用最多的研究之一，直接将Transformer架构从NLP引入视觉领域，重塑了整个技术路线。
Tim Rocktäschel
柏林洪堡大学计算机科学硕士，伦敦大学学院博士。现任伦敦大学学院人工智能教授，曾在Meta FAIR担任研究经理，后加入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，加州大学伯克利分校计算机科学博士。读博期间即在OpenAI担任研究员三年，一手搭建了OpenAI的机器人能力，参与了著名的AI解魔方机械手项目。离开后联合创办了机器学习监控公司Gantry。他的专长在于将研究成果转化为可用的工程系统。
这八个人，背景横跨Meta FAIR、Google DeepMind、OpenAI、Salesforce AI、Uber AI等顶尖机构，研究方向覆盖进化算法、世界模型、视觉Transformer、强化学习、机器人、自然语言处理等核心领域。他们从不同的路径出发，却独立得出了同一个结论：AI的下一步，是让AI自己创造模型。目标不是更大，而是更自主。
这种“殊途同归”的故事，向来是投资人最爱听的剧本。显然，GV和英伟达也听进去了。
不是科幻：有人已经跑通了一半
Recursive的野心并非凭空而来。过去一年，“AI自我进化”正从学术设想一步步走向可操作的工程方向。
2025年5月，Google DeepMind发布了AlphaEvolve。这个系统以大语言模型为核心引擎，通过进化搜索来设计和优化算法。它证明了一件事：AI在算法设计领域，已经能做出人类研究员级别的工作。
几乎在同一时间，Jeff Clune在Sakana AI发布了达尔文·哥德尔机。这个项目更为激进，它让AI智能体自主重写自己的优化函数和代码，然后在基准测试上验证改进效果。有效则保留，无效则回滚，这个循环可以无限进行下去。
再看近处，2026年5月，国际学习表征大会在里约热内卢举办了首个专门研究“AI递归自我进化”的学术研讨会。一个领域从“有人在做”发展到“拥有顶会专属研讨会”，通常意味着它已越过概念验证，进入了工程化竞赛的新阶段。
用Jeff Clune的话说：“我们正处在递归自我进化系统的拐角处。”
当然，也有不同的声音。AI2的知名研究员Nathan Lambert在今年3月提出了一个对立概念——“有损自我进化”。他的观点是，模型越复杂，优化就越困难，投入再多的算力和智能体也会产生巨大的冗余损耗。顶级模型的训练成本已是数十亿美元量级，不会有人放任AI在无人监督的情况下烧掉这么多钱。进步会有，但更可能是线性的，而非指数级的。
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训练AI”还只是实验室里的遥远构想，不妨看看产品端正在发生什么。
最近，Claude Code的产品负责人Cat Wu也描述了一个三阶段演进图景：第一阶段是“同步开发”，即人类写代码，AI实时辅助，这是去年的常态。第二阶段是“自动化常规任务”，现在正在发生，用户将重复性工作交给Claude自动处理。而第三阶段，她称之为“主动预判”。
在她看来，下一个突破口就是“主动性”。AI将能理解你正在进行的工作，然后主动帮你把相应的自动化流程搭建好。你甚至还没开口，它就已经动手了。
Cat Wu说这番话时，Anthropic的年化收入刚刚突破300亿美元，实现了80倍的增长。Claude Code的年化收入超过25亿美元，企业订阅数量从年初至今翻了四倍。
这些数字和这种产品态度说明了一件事：“AI从被动走向主动”已经不再是概念，而是在产生真金白银的收入。
于是，局面变得清晰起来：在实验室一端，Recursive在构建让AI自己做研究的系统；在产品一端，Anthropic在打造让AI主动替人类干活的工具。两条战线看似相隔甚远，但终点指向同一个未来：AI不再等待人类按下按钮。
这一场，赌的是整条赛道
从AGI（通用人工智能）终极竞赛的视角来看，这件事的味道就完全不同了。
当前Claude与GPT的双强对决，比拼的是研究团队、算力储备和企业客户。每一个百分点的性能提升，背后都是数千人苦干数月的成果。
而Recursive想要做的事，如果成功了，无异于将这场游戏的规则彻底掀翻重写。它赌的不是某个模型的胜利，而是整个AI研发范式的碘伏。
相关攻略
腾讯2026年第一季度总收入1964 6亿元，净利润679 1亿元。游戏业务仍是核心收入来源，广告业务因AI推荐模型升级与微信生态闭环推动，收入同比大增20%。金融科技及企业服务平稳增长。公司首次披露新AI产品投入巨大，导致经营利润减少约88亿元，资本开支与技术成本显著上升，显示AI已从研发前沿进入大规模投入。
罗博特科股价大涨，市值近千亿，因其二次递表港股。公司通过收购德国ficonTEC，业务从光伏设备转向硅光与半导体“双轮驱动”，2025年相关收入占比已超光伏。硅光业务受益于AI需求，市场份额领先，但公司整体营收下滑且出现亏损，高估值面临商业化与整合挑战。
当我们面对一个新问题时，往往会不自觉地回想过去处理类似情况的经验。修水管时想起上次漏水的处理方法，做菜时借鉴之前成功的调味心得——这种基于经验的学习和推理，是人类智能的天然优势。然而，当前的AI系统在应对复杂的视觉推理任务时，却往往像个“失忆症患者”，每次都要从头开始分析，无法有效利用过往的成功经验
当你试图让ChatGPT处理一份几万字的报告时，是否发现它要么处理得很慢，要么干脆“消化不良”？这个问题困扰着无数AI用户。现在，来自俄勒冈州立大学和DeepSolution公司的研究团队带来了一个巧妙的解决方案。这项发表于2026年3月的研究，为我们展示了一种全新的“智能压缩”技术。 目前的AI系
4月7日，阿里巴巴旗下AI助手通义千问宣布，其核心的“深度研究”专业能力迎来重磅升级。本次升级不仅新增了财经分析等关键模块，更接入了覆盖A股、港股、美股等市场超过1 3万支股票的实时行情数据，以及近百万家上市公司的财报与公告信息。在当前AI高阶功能普遍转向付费订阅的行业趋势下，千问团队选择将此次升级
热门专题
热门推荐
这项由清华大学、美团、香港大学等多家顶尖机构联合开展的研究，于2026年3月以预印本论文（arXiv:2603 25823v1）的形式发布。它直指当前AI视觉生成领域一个被长期忽视的核心问题：这些能画出“神作”的模型，到底有多“聪明”？研究团队为此构建了一套全新的测试基准——ViGoR-Bench，
人工智能的浪潮席卷了各个领域，机器在诸多任务上已展现出超越人类的能力。然而，有一个看似寻常却异常复杂的领域，始终是AI研究者们渴望攻克的堡垒——让机器像真正的学者那样，撰写出一篇结构严谨、逻辑自洽、图文并茂的完整科学论文。这远比下棋或识图要困难得多。 2026年3月，一项由中科院AgentAlpha
这项由法国Hornetsecurity公司与里尔大学、法国国家信息与自动化研究院(Inria)、法国国家科学研究中心(CNRS)以及里尔中央理工学院联合开展的研究，发表于2026年3月31日的计算机科学期刊，论文编号为arXiv:2603 29497v1。 在信息爆炸的今天，我们每天都在网上留下数字
当你满怀期待地拆开一台全新的智能设备，最令人困扰的往往不是如何使用它，而是如何让它真正“理解”指令并智能地执行任务。如今，一个更为优雅的解决方案可能已经出现。来自清华大学深圳国际研究生院与哈尔滨工业大学（深圳）的联合研究团队，近期取得了一项极具前瞻性的突破：他们成功训练人工智能自主“撰写”并精准理解
2026年3月，来自华盛顿大学、艾伦人工智能研究所和北卡罗来纳大学教堂山分校的研究团队，在图像智能矢量化领域取得了一项突破性进展。这项研究（论文编号：arXiv:2603 24575v1）开发了一个名为VFig的AI系统，它能够将静态的栅格图像智能地转换为可自由编辑的矢量图形，如同一位“图形考古学家