有的人创业，是因为自己想创业。
有的人创业，是因为投资人比自己还想创业。
在创投圈，后者并不罕见。投资人紧盯大厂顶尖人才，主动提供方向、合伙人与资金，甚至在对方尚未辞职时便已规划好其创业路径。过去是创业者寻资，如今则是资本追逐AI研究员。
29岁的姚顺宇近期成为焦点。作为清华物理系本科、斯坦福博士，他转行AI仅两年便参与了Claude和Gemini的研发。9月起，市场传闻机构正接触其打听创业计划。
照片来自公开网络
10月13日消息进一步指出，姚顺宇拟开启RSI（递归式自我改进）方向创业，专注于企业定制化模型开发，估值约20亿美元，主要投资方来自海外。需注意，上述信息目前仍属市场传闻，未获本人或相关机构正式确认，具体融资金额亦未披露。
尽管筹备细节未明，但资本对顶级AI研究员的兴趣已显性化。随着田渊栋、Jeff Dean等人相继创业，AI实验室的工位正逐渐成为投资人发掘下一个独角兽的前沿阵地。
从理论物理天才到AI先锋
进入AI领域前，姚顺宇已是学术界的“天才”人物。2018年，尚在清华读本科的他以第一作者身份在《Physical Review B》《Physical Review Letters》等顶级期刊发表三篇论文，其中一篇获编辑推荐，并斩获清华大学本科生特等奖学金。
随后，他赴斯坦福攻读理论物理博士，研究量子混沌与黑洞问题，毕业后在伯克利从事博士后研究。按常规路径，他本应争取教职，延续学术研究。
然而，他对理论物理的研究反馈速度感到不满。姚顺宇在博客中表示，该领域缺乏新实验验证，理论价值难以客观评估。相比之下，AI领域虽充满未知，但能通过频繁实验快速获得结果反馈。经过对量子计算等方向的考量，他最终选择转入AI行业。
2024年10月，姚顺宇加入Anthropic，参与Claude 3.7的智能体编程、工具调用研究及Claude 4系列的强化学习基础工作。他得以亲眼见证研究成果迅速转化为模型能力并被用户实际应用。
但在任职不到一年后，他再次选择离开。
因立场分歧离职，积累核心研发经验
姚顺宇的离职并非简单的“个人原因”。2025年9月4日，Anthropic宣布加强服务限制，将受不支持地区实体控股的企业纳入限制范围，并在公告中将中国称为“敌对国家”。
姚顺宇随后在博客中明确反对公司这一表态。他将离职原因归结为两部分：约40%与此政治立场有关，其余60%涉及内部不便公开的因素。他强调，许多同事同样不认同该表述。
作为一名参与训练Claude的中国研究员，因公司涉华立场而离开，这一事件本身具有强烈的冲突色彩。尽管存在分歧，姚顺宇仍肯定了在Anthropic的经历，认为其适合理工科博士开启AI研究，同时也希望通过加入其他实验室避免经验单一化。
2025年9月29日，他加入Google DeepMind。
对于投资人而言，这种横跨两家顶尖AI实验室的经历极具价值。真正参与前沿模型研发的人才稀缺，其关于方法有效性、资源浪费规避及团队组织的研究经验，无法仅通过阅读论文获取。
然而，挑战依然存在：在大平台依托算力与工程团队取得的成果，能否在初创环境中复制，尚待验证。创业者需重新构建基础设施，并证明其具备组建高效研发团队的能力。
RSI赛道升温，全球巨头纷纷入局
姚顺宇传闻中的创业方向为RSI（Recursive Self-Improvement，递归式自我改进）。其核心逻辑是让AI参与改进AI，并将提升后的能力应用于下一轮研究。通过自动化写代码、运行实验和分析结果，小团队有望完成更多研究工作。
该赛道已吸引多位行业巨擘下场：
今年5月，田渊栋参与创办的Recursive Superintelligence宣布融资6.5亿美元，估值达46.5亿美元，投资方包括GV、Greycroft、英伟达和AMD。
8月，Jeff Dean联合Sanjay Ghemawat等人创办Discovery Loop，聚焦自动化机器学习研究，Radical Ventures领投。媒体曾报道其洽谈融资10亿美元、估值约100亿美元，但该数据尚未确认为已完成融资。
以下是截至2026年10月16日的全球代表公司融资情况汇总：
| 公司 | 主要方向 | 已公开融资情况 | 对应估值 |
|---|---|---|---|
| Recursive Superintelligence | 自动化AI研究 | 2026年5月公布6.5亿美元融资 | 46.5亿美元 |
| Ricursive Intelligence | AI设计芯片，推动软硬件共同改进 | 累计3.35亿美元，其中A轮3亿美元 | A轮投后40亿美元 |
| Sakana AI | AI科学家、自进化系统，设有RSI Lab | B轮扩充至2亿美元，官网披露累计约4.12亿美元 | B轮投后约27亿美元 |
| 超衍智能 | 自进化基础模型、科学研究 | 天使轮及天使+轮合计近4亿元人民币 | 未披露 |
| Inherent | 人类与自改进AI协作开展科研 | 5000万美元种子轮 | 未披露 |
| Poetiq | 围绕现有模型持续优化专业智能体 | 4580万美元种子轮 | 未披露 |
国内方面，清华助理教授陈勇超创办的超衍智能于9月公布近4亿元融资；刘子鸣创办的元环智能也在10月中旬被报道完成数亿元融资。值得注意的是，超衍强调自进化基础模型，而元环则主张通过“元模型”减少试错，二者技术路线存在差异。
尽管目标一致——让AI辅助研发更好的AI，但行业在技术实现上尚未形成共识。无论是修改基础模型、优化外围智能体，还是从芯片层面入手，赛道火热背后仍是技术方案的多元探索。
自动化研究的高昂账单
在Recursive的投资方中，谷歌旗下GV的出现颇具深意。前沿实验室人才创业，科技巨头资本介入，芯片厂商下注，使得竞争格局复杂化：各方既是对手，也可能是股东和客户。
今年7月，Recursive与AWS达成价值4.1亿美元的多年合作，为自动化研究系统提供基础设施。需澄清的是，这是算力合作协议，并非一次性股权投资，且金额代表长期投入上限。
这一巨额数字揭示了一个事实：研究自动化并不等同于省钱。以往受人力限制，每日尝试方案有限；如今AI可开展海量实验，算力需求随之激增。即使失败实验运行速度加快，资源消耗依然巨大。
若有效实验比例未显著提升，自动化反而可能加速资金消耗。这也是Sakana等团队强调计算效率的原因，旨在有限资源下提升自我改进效率，避免单纯依赖算力堆砌。
因此，该赛道的核心竞争力不仅在于融资规模，更在于同等预算下谁能获得更多有效结果。
企业定制化的挑战与交付困境
传闻姚顺宇拟面向企业提供定制化模型服务。这一方向看似务实，但竞争对手早已入场。2025年10月，前OpenAI CTO米拉·穆拉蒂创办的Thinking Machines Lab推出Tinker平台，支持开发者控制训练算法和数据，平台负责底层基础设施，当时已支持阿里Qwen等大模型。
虽然Tinker不完全等同于RSI，且姚顺宇产品尚未发布，但客户必然追问：既然已有成熟训练服务，为何选择新方案？潜在答案可能在于将更多专家判断、实验调试过程自动化。
真正的难点在于交付。企业数据往往不完整，验收标准多变，且常要求私有部署。若每个项目均需研究员长期跟进，即便收入增长，人力成本也将同步攀升。
一家高估值AI公司若最终沦为依靠昂贵研究员进行项目制交付的服务商，其商业难度将远超融资故事。此外，通用模型迭代迅速，定制开发的短期优势易被下一代模型抹平。客户不会仅因团队履历光鲜而为同质化效果持续买单。
公司必须积累可复用的技术、工具和行业经验，以提升后续项目的交付效率。否则，随着客户增加，研究员陷入繁忙交付，真正用于研发的时间将被压缩。
对姚顺宇而言，若创业属实，其工作重心将从单纯的模型研究转向招人、买算力、找客户及处理交付等全方位经营。面对田渊栋的重金投入、Jeff Dean的资深团队以及米拉的工具化布局，姚顺宇既有参照亦有追赶压力。
目前，市场最值得期待的，是他的正式回应及首款产品的亮相。