Recursive 估值 46.5 亿美元拿下 6.5 亿融资：押注自主进化的 AI

如果把现在的顶尖大模型比作人类历史上最聪明的一批学生，那他们现在做科研的方式，其实还是靠人类导师在旁边手把手喂数据、调架构。

刚从隐身状态走出来的创业公司 Recursive 想换个玩法。他们不想只做下一代模型，而是想做一套能自己给自己做实验、不断修改并提升自己的系统。

这家自称 Recursive SI 的团队一口气拿下了 6.5 亿美元融资，估值直接推到了 4.65 亿美元。这笔超额认购由 GV（Google Ventures）和 Greycroft 领投，芯片巨头 NVIDIA 和 AMD Ventures 也罕见地同时出现在投资方名单里。

一支从几大实验室出走的 25 人团队

Recursive 目前只有二十多位成员，办公室设在旧金山和伦敦，但简历拉出来相当抢眼。

团队核心成员此前曾创建过 Salesforce 和 Uber 的 AI 研究院，并在 OpenAI、DeepMind、Google Brain 和 Meta AI 带过核心研发团队。其中不少人之前还创办过多度过独角兽阶段的公司，有两家最终被上述巨头收购。

在技术背景上，他们把赌注押在几个相对小众但硬核的方向上，包括开放式算法、质量多样性算法、AI 生成算法，以及自我改进的代码 Agent、自动化红队对抗和 AI 科学家系统。

说白了，他们不想再靠几百个工程师手动写 prompt 或调参数，而是想把 AI 研究这门科学本身交给算法自动化运转。

让 AI 像达尔文进化那样自己迭代

Recursive 提出的逻辑很直接：人类智能不是谁一步设计出来的，而是达尔文进化和文化演化这种开放式过程跑出来的结果。

在他们看来，从单细胞到眼睛，再到语言和推理，进化一直在一个没有上限的档案库里累积发现。AI 研发也是同理，过去几十年一直是人类科学家在推动，但随着算力和数据爆炸，手工设计的方法迟早会被机器驱动的自我探索取代。

团队给自己的路线图分了两步。第一步是「让 AI 来改进 AI」，先在 AI 自身的算法、训练挑战和世界模型上做自我迭代；第二步，再把这套自动化科学发现的玩法搬到其他自然科学领域。

他们把这称为通往超智能最快的路径，并强调在让系统自我提升的同时，会把安全和红队测试作为整个闭环的核心。

为什么重要

对普通开发者和终端用户来说，Recursive 现在还没有提供任何立即可用的 API 或客户端产品。它的技术还在非常前沿的研发阶段，眼下普通人没法拿来干活，也不需要着急去蹲测试资格。

但在行业层面，这家公司的动向释放了一个明确信号：大模型靠堆算力预训练的边际收益正在放缓，资本和顶级研究员开始认真押注「自我博弈」与「自动化研发」。NVIDIA 和 AMD 同时掏钱，也说明算力厂商不想错过下一代无需海量人工干预、可能极度消耗推演算力的新范式。

我们认为，Recursive 的聪明之处在于选对了切入点。如果一开始就让 AI 跑去搞生物或材料，验证闭环太慢、成本太高；而把第一战场选在「写代码、调模型」的 AI 本身，所有反馈都能在纯数字环境里瞬间完成，算法验证效率极高。

但这里的隐患也显而易见。自我改进（Recursive Self-Improvement）在学术界一直是个既诱人又危险的概念。系统一旦缺乏严格的人类监督，很容易陷入逻辑漂移、模型崩溃，甚至出现无法预测的行为。一家 25 人的团队拿到 46.5 亿美元的高估值，看起来是在直接用顶尖人才溢价对赌一条未被验证的捷径，一旦自我迭代的收益见顶，商业化落地的压力会比传统模型公司大得多。