自学习人工智能的融资传奇，揭示了一个趋势——这场AI竞赛甚至影响到了研究人员本身。
作者｜桦林舞王
在1956年，一批科学家齐聚达特茅斯学院，首次正式探讨“机器能否思考”的问题，他们当时乐观地认为，在一个夏天就能解决这个问题。
经过七十年的发展，这个问题仍然没有答案。然而，一家初创公司在成立仅四个月后便获得了五亿美元的融资，并估值达到四十亿美元——只因其声称找到了一种让AI自我学习、自我演化的途径。
这家公司名为Recursive Superintelligence。
Google风投GV领投，英伟达跟投。两家公司在这场竞赛中的地位无需赘述。他们同时押注于一家尚未公开产品的初创企业，背后的原因值得深入分析。
01
「把人从循环里移走」
让我们先来看看Recursive Superintelligence究竟在做什么。
该公司由前Salesforce首席科学家Richard Socher创立，核心团队成员来自Google DeepMind和OpenAI。这是一个不陌生的组合——过去两年间，从顶级实验室出走创业的技术人员已经形成了一股明显趋势。
Richard Socher拥有斯坦福大学博士学位，并且师承人工智能先驱Andrew Ng及自然语言处理权威Christopher Manning，在神经网络方法应用于自然语言处理领域方面做出了重要贡献。
自2014年获得斯坦福计算机系最佳博士论文奖后，Socher创立了AI初创公司MetaMind。两年之后，该公司被Salesforce以战略并购的方式收购，并成为Einstein GPT等企业级人工智能产品线的主要推动力量。
离开Salesforce后，他又在2020年创办了AI搜索引擎You.com，在2025年完成了C轮融资，估值达15亿美元。这次，他将目光转向了一个更为基础的问题领域。
Thinking Machines Lab、Safe Superintelligence等公司纷纷涌现，每一个都打着“前大模型核心团队”的旗号，并讲述着下一代人工智能的故事。
然而，Recursive的切入点显得更加激进。
该公司致力于研发能够自我学习的人工智能——不是让AI更聪明地回答问题，而是使AI自行完成科学研究的所有步骤：从假设提出到实验设计、评估结果以及迭代方向。换句话说，它希望将人类研究员完全剔除出这个流程。
这并不是一个全新的概念，但Recursive将其置于了一个非常现实的商业逻辑之中。如今顶级人工智能研究人员的年薪动辄高达千万美元，如果有一种系统能够以更低的成本和更快的速度完成相同的工作，那么前沿研究的经济模型将会被彻底重塑。
投资人显然看到了这一潜在的价值。据报道，本轮融资超额认购，并有可能达到十亿美元规模。
Google与英伟达同时押注
GV领投，英伟达跟投。这样的投资组合本身就传递了一个信号。
02
对于Google而言，DeepMind多年来一直是“AI for Science”方向的重要探索者，AlphaFold破解了蛋白质折叠问题，而AlphaGeometry在数学竞赛中击败了人类顶尖选手。
但Recursive的目标是让人工智能系统自主推进科学发现的过程本身。这不仅是对DeepMind的竞争关系，也是一次值得押注的策略布局。
更重要的是，在月初Google与Intel宣布了一项关于多代AI基础设施的合作协议，表明Google正在加快其在AI基础设施领域的步伐。对于Recursive的投资，则是这一大棋局中的一枚关键棋子——谁来运行最前沿的模型，Google都想有份参与。
英伟达方面的逻辑则更为直接。自学习AI的核心挑战在于算力而非算法本身。如果要让AI自主进行实验、迭代模型，背后所需的GPU集群规模会呈指数级增长。英伟达对Recursive的投资，在某种程度上是在为自己的未来订单买单。
两家公司同时出手，也暗示了这个赛道可能已经到了“不投就来不及”的阶段。
四个月估值40亿，合理吗
当所有人第一次听说四十亿美元的估值时，第一反应往往是“又来了”。
03
近年来，AI创业领域的估值泡沫已成常态。一个PDF、一次演示或几张幻灯片，加上几位顶级实验室背景的名字，就能撬动数亿资金——这在硅谷和伦敦已经不是秘密。
然而仔细观察Recursive的情况，有几个地方与普通的“PPT独角兽”有所不同。
首先是创始人团队的分量。Richard Socher在自然语言处理领域有深厚的学术积累，并非仅仅依赖于大厂背景的光环效应。核心团队成员来自DeepMind和OpenAI的经历意味着他们对前沿研究中的痛点有着切实的理解。
其次，融资超额认购的事实表明市场需求远超供应，投资者们争相加入而非被说服进入。
然而四十亿美元的估值对于一家成立仅四个月、尚未公开任何产品的公司来说，其定价依据主要是预期价值，而不是现实业绩。这本质上是在为一个方向付费，而非具体产品或收入。
这种定价逻辑在AI时代越来越常见，背后是投资者对“错过下一个OpenAI”的深层担忧。Safe Superintelligence就是另一个例子，它当年也是以几乎无产品的状态获得了天价估值，Ilya Sutskever的名字便是最大的资产之一。
Recursive正在复制同样的路径。这不是批评，而是一个客观的观察事实。
“自学习”这扇门后面是什么
Recursive Superintelligence这个名字已经清楚地展示了公司的野心。
04
在计算机科学中，“递归”是指一个函数调用自身的结构机制，是许多复杂算法的核心。将其应用于AI研究上，则意味着系统能够不断优化自身、螺旋式上升的过程。
这个概念并不新鲜，它的极端形式被称为“智能爆炸”，即一个系统一旦超过某临界点便能自主加速进化至人类无法理解的智慧层级——这是长期以来AI安全领域的核心担忧之一。
然而Recursive现在做的远没有达到那个层面。更现实的理解是它在尝试构建一套可以自我驱动科学研究循环的系统，目标在于大幅降低人工智能研究的人力和时间成本。
如果真的实现这一愿景，影响将不仅限于AI领域，药物研发、材料科学乃至物理学等都会迎来一个无需人类科学家参与就能迅速推进的时代。
当然，这还是假设的情况。
从声称到实现的差距，在人工智能行业从来不是线性的距离。
自2025年下半年以来，顶级实验室出走创业的现象一波接一波。Thinking Machines Lab、Safe Superintelligence等公司不断加入这个浪潮。
Recursive是这波热潮中最新也是目前估值最高的一家。
05
浪潮的逻辑
这背后的结构性原因是OpenAI、Anthropic和Google DeepMind的竞争已经让这些头部实验室越来越像大企业，它们有着考核指标、合规要求甚至内部政治。
真正想押注最激进方向的研究人员反而觉得出来创业更自由。
同时资本市场逻辑也在加强这一趋势。对于有大厂背书的顶级研究人员来说，现在可能是历史上最佳的创业窗口期——投资人比任何时候都更愿意为“方向”买单。
这场浪潮最核心的问题不是“谁会成功”，而是“成功的定义是什么”。
如果Recursive最终证明了自学习AI的可能性，它将彻底改变人工智能研究的基本范式。如果未能实现，则可能只是一个被过度炒作的概念。
四个月、四十亿美元估值的公司让人既兴奋又警惕。人工智能军备竞赛发展到今天，“如何进行研究”本身也成了竞争的一部分。
科学家们在达特茅斯争论了一个夏天的问题，现在有人打算用AI来回答——用AI研究AI，以递归的方式迈向超级智能。
两种可能都真实存在。
这条路通向何方无人知晓。但显然，Google和英伟达已经决定，无论这条道路指向何处，他们都不能缺席。
如果人工智能能够更快地提出假设、设计实验并得出结论，
人类科学家还能剩下什么价值？
*头图
本文为极客公园原创文章，转载请联系极客君微信 geekparkGO
极客一问
如果 AI 能更快地提出假设、做实验、得结论，
人类科学家还剩什么价值？
