点击关注
已关注公众号
AI圈正在上演一场颠覆行业的创业狂潮。一支不到30人的团队，从隐身状态走出便拿下6.5亿美元融资，估值直冲46.5亿美元（约316亿元人民币），谷歌GV、Greycroft联合领投，英伟达、AMD两大芯片巨头同步参投，阵容堪称梦幻。
这家名为Recursive Superintelligence（简称 RSI）的初创公司，背后是 8 位顶流AI科学家组成的“全明星天团”—— 吴恩达弟子、Meta FAIR 前研究总监、姚班校友、Vision Transformer作者、前DeepMind首席科学家、OpenAI早期核心成员…… 随便一人都能撑起一家独角兽，如今却扎堆做同一件事：让AI实现递归式自我改进，最终走向超级智能。
这不是科幻，而是2026年AI行业最硬核、最烧钱、也最接近未来的一场豪赌。
6.5亿美元砸向隐身团队：AI创业为何能估值300亿+？
RSI的融资消息一出，整个硅谷都震动了。
成立仅数月、无公开产品、无商业化收入、团队规模不足30人，却拿到6.5亿美元（约44亿元人民币）早期融资，估值46.5亿美元，直接跨过独角兽门槛，跻身全球AI初创第一梯队。对比行业数据，OpenAI、Anthropic早期融资规模与速度，都难与之匹敌。
资本疯狂下注的逻辑很清晰：RSI踩中了大模型时代的终极焦虑 —— 堆参数、堆算力、堆数据的老路，已经走不通了。
过去几年，大模型遵循Scaling Law快速迭代，但如今边际收益急剧递减。投入成倍增加，性能提升却越来越平缓，行业迫切需要一条全新增长曲线。RSI 给出的答案，是递归式自我改进 —— 让AI自己研发AI，形成无限进化的闭环。
这也是英伟达、AMD同时出手的原因。两大算力巨头深知，下一代AI竞争不再是硬件alone，而是谁能定义新的算法范式与进化路径。RSI的方向，直接关系到未来算力需求的天花板与商业模式。
按照RSI的规划，这笔融资将全部投入核心研发：第一步打造具备“5万名博士”科研能力的自动化系统，先搞定AI研究本身的全流程自动化；第二步把这套“尤里卡机器”投向药物研发、电池材料、核聚变物理等硬核领域，用AI加速人类科学突破。
简单说，RSI要做的不是更好的大模型，而是能自己造出更强模型的“模型之母”。
8位联创人均半只独角兽：到底是什么神仙阵容？
RSI能在早期拿到天价估值，核心底气来自人才密度。8位联合创始人，覆盖NLP、强化学习、计算机视觉、AI安全、大模型系统、智能体、企业落地等全链条，堪称AI领域的 “梦之队”。
1. 掌舵人：Richard Socher
吴恩达斯坦福嫡系弟子，ImageNet、Glove核心作者，谷歌学术引用超24万次，是把神经网络带入NLP领域的关键人物之一。此前创办MetaMind被Salesforce收购，又做出估值15亿美元的AI搜索引擎You.com，连续创业成功率拉满，兼具学术深度与商业落地能力。
2. 强化学习与大模型效率核心：田渊栋
前Meta FAIR研究总监，围棋AI、强化学习领域顶级专家，主导过ELF OpenGo等开源项目，近年深耕Llama推理、长序列加速、低成本训练，精准命中大模型系统瓶颈，是业内公认的“工程 + 学术双栖大牛”。
3. 姚班校友 + 创业老兵：施天麟
清华姚班出身，Cresta联合创始人兼前CTO，从0到1把公司做成独角兽，擅长AI产品化与商业化落地，负责RSI的工程落地与组织架构，确保技术不悬空、能落地。
4. 视觉Transformer奠基人：Alexey Dosovitskiy
ViT核心作者，2020年颠覆计算机视觉领域，证明Transformer可直接用于图像任务，彻底改变CV技术路线，是视觉与大模型融合的关键人物。
5. 开放式智能与安全专家：Tim Rocktäschel
前DeepMind首席科学家，UCL教授，提出Rainbow Teaming，重新定义AI安全红队范式，让系统自主生成对抗样本，解决开放式智能的安全难题，是AGI安全领域的领军者。
6. OpenAI智能体核心：Josh Tobin
OpenAI早期成员，领导Deep Research、代码智能体、ChatGPT Agents团队，精通智能体架构与复杂任务执行，负责RSI的智能体系统研发。
7. 企业AI落地老将：Caiming Xiong
前Salesforce AI研究与应用负责人，与Richard Socher长期搭档，主导可控文本生成等技术，擅长企业级AI产品落地，补齐 RSI 的商业化短板。
8. AI自我改进先驱：Jeff Clune
AI安全与开放式进化专家，Darwin Gödel Machine论文作者，深耕AI自主修改代码、自我验证领域，与RSI技术路线高度契合，负责核心算法研发。
8个人、不到30人的团队，却集齐了学术顶流、工程大牛、创业老兵、安全专家，没有短板、没有缺口，这也是资本愿意砸下重金的核心原因 —— 投的不是项目，是这群人把科幻变成现实的能力。
放弃堆参数：RSI的递归自我改进，到底是什么技术？
行业都在问：大模型之后，AI的下一次跃迁在哪里？RSI的答案，藏在名字里 ——Recursive Superintelligence，递归式超级智能。
传统AI研发是 “人类主导循环”：研究员提想法→工程师写代码→训练模型→评估调优→重复迭代，效率低、成本高、高度依赖人力，成为AI进化的天花板。
RSI要彻底重构这个流程，打造AI自主研发闭环：
-
1、系统自主发现能力短板，明确优化方向； -
2、自主设计实验、生成代码、构建评测基准； -
3、自主训练、验证、迭代，直接重写自身代码库； -
4、改进后的AI继续优化下一代，形成无限递归进化。 -
Richard Socher用一句话总结：AI是代码，而现在AI可以写代码。
传统AI优化像“固定考卷刷分”，满分即终点；RSI的路径像 “生物进化”，没有终极答案，持续创新、无限变强。这不是简单的自动化，而是AI研发的范式革命，把人类从重复试错中解放，让机器专注科学突破。
为了安全可控，RSI会搭建严格的安全护栏，确保自我改进在合规、可控范围内进行，避免技术失控风险。
先造“科研机器”，再攻三大领域：落地路径有多清晰？
很多前沿AI公司停留在概念，RSI却给出了明确的落地路线图，不画饼、不空谈。
第一步：打造AI科研自动化系统
先训练出能替代“5万名博士”的系统，实现AI研究全流程自动化 —— 从提出假设、设计实验、撰写代码，到验证结果、优化模型、生成论文，全部由AI完成，大幅降低AI研发成本与周期。
第二步：切入三大硬核赛道
- ● 药物研发：用AI快速筛选靶点、设计分子、模拟实验，缩短新药研发周期，降低成本；
- ● 电池材料：自主探索新材料配方，提升电池能量密度、寿命、安全性，破解新能源瓶颈；
- ● 核聚变物理：模拟复杂反应过程，优化装置设计，加速清洁能源商业化落地。
这三个领域，都是人类科研的“卡脖子”难题，研发周期长、成本高、试错难。AI自动化科研一旦落地，将带来颠覆性突破，商业价值与社会价值不可估量。
顶级科学家集体创业：这场AI狂潮，意味着什么？
RSI不是孤例。2025年以来，AI圈掀起“科学家创业潮”：David Silver的Ineffable Intelligence种子轮11亿美元、估值51亿美元；Ilya Sutskever的SSI、Yann LeCun的AMI Labs纷纷募资，资本疯狂押注“自我改进AI” 赛道。
这背后是行业共识：大模型时代结束，自我进化时代开启。
过去，AI是人类的工具；未来，AI将成为自主科研的主体。递归自我改进，就是打开AGI大门的钥匙。当AI能自己研发自己，进化速度将呈指数级增长，彻底改变科技、产业、社会的运行逻辑。
但风险同样存在：技术落地难度极大，自我改进的安全、伦理、可控性，都是待解难题。Richard Socher也清醒意识到：学术上超前是远见，创业上超前可能死亡。这条路没有先例，每一步都是探索。
对行业而言，RSI的出现，标志着AI竞争进入底层范式之争。拼参数、拼算力的时代过去了，拼算法范式、拼自我进化能力、拼科研自动化的时代来了。
结语：300亿估值的背后，是 AI 的终极未来
不到30人、6.5亿美元融资、316亿估值，RSI的诞生，刷新了AI创业的天花板。
它不只是一家初创公司，更是AI行业转向的信号：当堆资源走到尽头，自我进化才是未来。8位顶级科学家、谷歌英伟达等资本巨头，共同押注的不是一个产品，而是AI的终极方向 —— 让机器自主探索、自主突破、自主进化。
这条路充满未知与挑战，但一旦走通，将彻底改写人类科技进程。AI不再是辅助工具，而是推动科学进步的核心力量，药物、能源、物理等领域的百年难题，或许将被AI逐一破解。
RSI的故事才刚刚开始，这场关于递归超级智能的竞赛，已经正式打响。
往期推荐
融资10亿!上海国资重仓AMD前员工
吴夏青是谁？为什么离职英伟达创业？
点赞鼓励一下
图片来源：网络
本文不作为投资建议