Recursive 估值 46.5 億美元拿下 6.5 億融資：押注自主進化的 AI

如果把現在的頂尖大模型比作人類歷史上最聰明的一批學生，那他們現在做科研的方式，其實還是靠人類導師在旁邊手把手喂資料、調架構。

剛從隱身狀態走出來的創業公司 Recursive 想換個玩法。他們不想只做下一代模型，而是想做一套能自己給自己做實驗、不斷修改並提升自己的系統。

這家自稱 Recursive SI 的團隊一口氣拿下了 6.5 億美元融資，估值直接推到了 4.65 億美元。這筆超額認購由 GV（Google Ventures）和 Greycroft 領投，晶片巨頭 NVIDIA 和 AMD Ventures 也罕見地同時出現在投資方名單裡。

一支從幾大實驗室出走的 25 人團隊

Recursive 目前只有二十多位成員，辦公室設在舊金山和倫敦，但簡歷拉出來相當搶眼。

團隊核心成員此前曾建立過 Salesforce 和 Uber 的 AI 研究院，並在 OpenAI、DeepMind、Google Brain 和 Meta AI 帶過核心研發團隊。其中不少人之前還創辦過多度過獨角獸階段的公司，有兩家最終被上述巨頭收購。

在技術背景上，他們把賭注押在幾個相對小眾但硬核的方向上，包括開放式演算法、質量多樣性演算法、AI 生成演算法，以及自我改進的程式碼 Agent、自動化紅隊對抗和 AI 科學家系統。

說白了，他們不想再靠幾百個工程師手動寫 prompt 或調引數，而是想把 AI 研究這門科學本身交給演算法自動化運轉。

讓 AI 像達爾文進化那樣自己迭代

Recursive 提出的邏輯很直接：人類智慧不是誰一步設計出來的，而是達爾文進化和文化演化這種開放式過程跑出來的結果。

在他們看來，從單細胞到眼睛，再到語言和推理，進化一直在一個沒有上限的檔案庫裡累積發現。AI 研發也是同理，過去幾十年一直是人類科學家在推動，但隨著算力和資料爆炸，手工設計的方法遲早會被機器驅動的自我探索取代。

團隊給自己的路線圖分了兩步。第一步是「讓 AI 來改進 AI」，先在 AI 自身的演算法、訓練挑戰和世界模型上做自我迭代；第二步，再把這套自動化科學發現的玩法搬到其他自然科學領域。

他們把這稱為通往超智慧最快的路徑，並強調在讓系統自我提升的同時，會把安全和紅隊測試作為整個閉環的核心。

為什麼重要

對普通開發者和終端使用者來說，Recursive 現在還沒有提供任何立即可用的 API 或客戶端產品。它的技術還在非常前沿的研發階段，眼下普通人沒法拿來幹活，也不需要著急去蹲測試資格。

但在行業層面，這家公司的動向釋放了一個明確訊號：大模型靠堆算力預訓練的邊際收益正在放緩，資本和頂級研究員開始認真押注「自我博弈」與「自動化研發」。NVIDIA 和 AMD 同時掏錢，也說明算力廠商不想錯過下一代無需海量人工干預、可能極度消耗推演算力的新範式。

我們認為，Recursive 的聰明之處在於選對了切入點。如果一開始就讓 AI 跑去搞生物或材料，驗證閉環太慢、成本太高；而把第一戰場選在「寫程式碼、調模型」的 AI 本身，所有反饋都能在純數字環境裡瞬間完成，演算法驗證效率極高。

但這裡的隱患也顯而易見。自我改進（Recursive Self-Improvement）在學術界一直是個既誘人又危險的概念。系統一旦缺乏嚴格的人類監督，很容易陷入邏輯漂移、模型崩潰，甚至出現無法預測的行為。一家 25 人的團隊拿到 46.5 億美元的高估值，看起來是在直接用頂尖人才溢價對賭一條未被驗證的捷徑，一旦自我迭代的收益見頂，商業化落地的壓力會比傳統模型公司大得多。