「把人从循环里移走」
自学习AI的融资神话，正揭示出一个现象——这场AI军备竞赛，连研究员自身都被卷入其中。1956年，一批科学家齐聚达特茅斯，首次正式探讨「机器能否思考」，他们乐观地认为一个夏天就能解决此问题。七十年过去了，这个问题依旧没有答案。然而，有一家刚成立四个月的公司，就获得了5亿美元融资，估值达40亿美元——只因它宣称找到了让AI学会自主研究、自我进化的途径。这家公司名为Recursive Superintelligence，由Google风投GV领投，英伟达跟投。这两家在AI生态中地位显著的公司，同时投资一家尚未公开产品的初创公司，背后逻辑值得深入剖析。
「把人从循环里移走」
先了解Recursive Superintelligence的业务。该公司由前Salesforce首席科学家Richard Socher创立，核心团队来自Google DeepMind和OpenAI。过去两年，从顶级实验室离职创业的工程师和研究员形成了一股潮流。Richard Socher并非常见的「大厂出来镀金」的创始人。他1983年生于德国，在斯坦福大学师从AI先驱Andrew Ng和NLP权威Christopher Manning，2014年完成博士论文，获当年斯坦福计算机系最佳博士论文奖。
Richard Socher是将神经网络方法引入自然语言处理领域的关键人物之一，其早期关于词向量、上下文向量和提示工程的研究，奠定了如今BERT、GPT系列模型的技术基础，谷歌学术引用量超18万次。博士毕业当年，他创立AI初创公司MetaMind，两年后被Salesforce战略并购。此后，他以首席科学家兼执行副总裁身份主导Salesforce AI战略多年，推动了Einstein GPT等企业级AI产品线落地。离开Salesforce后，他于2020年创立AI搜索引擎You.com，2025年完成C轮融资，估值达15亿美元。此次，他将目光转向更底层的命题。
像Thinking Machines Lab、Safe Superintelligence等众多公司，都打着「前XX大模型核心团队」的旗号，讲述「下一代AI」的故事。但Recursive的切入点更为激进，其核心命题是「自学习AI」——不是让AI更智能地回答问题，而是让AI自主完成科学研究全流程，包括提出假设、设计实验、评估结果、迭代方向，即把人类研究员从这个循环中完全移除。这并非新方向，但Recursive将其置于现实的商业逻辑中。当前顶级AI研究员年薪高达1500万到2000万美元，若一套系统能以更低成本、更快速度完成相同工作，前沿研究的经济模型将彻底改变。投资人显然看到了这一逻辑，该融资轮超额认购，最终规模可能达10亿美元。
Google和英伟达同时下注
GV领投、英伟达跟投的投资人组合传递出一个信号。Google的投资逻辑不难理解，DeepMind多年来一直是「AI for Science」方向的重要探索者，如AlphaFold破解蛋白质折叠问题，AlphaGeometry在数学竞赛中击败人类顶尖选手。但DeepMind是用AI解决具体科学问题，而Recursive要做更底层的事——让AI系统自主推动科学发现的过程。这对Google而言，既是竞争关系，也是值得下注的对冲。
更重要的是，本月初Google刚与Intel宣布多代AI基础设施合作协议，表明Google在AI基础设施层面的布局全面加速。对Recursive的投资，是其大布局中的一步，无论哪家模型领先，Google都想参与。英伟达的逻辑更直接，自学习AI的核心瓶颈是算力，若AI要自主开展实验、迭代模型，所需GPU集群规模呈指数级增长。英伟达投资Recursive，某种程度上是在投资自身未来订单。两家公司同时出手，也暗示这个赛道可能已到「不投就落后」的阶段。
四个月估值40亿，合理吗
当人们首次看到40亿美元的估值时，第一反应或许是「又来泡沫了」。AI创业估值泡沫近年来屡见不鲜，一个PDF、一个demo、几张幻灯片，加上几位顶级实验室人员，就能吸引数亿美元投资，这在硅谷和伦敦已成为常态。但Recursive有几点与普通「PPT独角兽」不同。
其一，创始团队实力雄厚。Richard Socher在NLP领域有扎实学术积累，并非仅靠「前大厂」光环。核心团队在DeepMind和OpenAI的经历，使其切实了解前沿研究痛点。其二，融资超额认购，表明市场需求旺盛，投资人主动争抢份额，而非被说服投资。然而，40亿美元对于一家成立仅四个月且无公开产品的公司来说，定价依据是预期而非现实，本质是为一个方向付费，而非为产品或收入付费。这种定价逻辑在AI时代愈发普遍，背后是投资人对「错过下一个OpenAI」的担忧。Safe Superintelligence也曾在几乎无产品时获得天价估值，Ilya Sutskever的声誉就是有力支撑。Recursive正复制这一路径，这是客观现实。
「自学习」这扇门，背后是什么
Recursive Superintelligence这个名字体现了公司的野心。「Recursive」意为递归，在计算机科学中，递归是函数调用自身的结构，是许多复杂算法的核心机制。在AI研究中，「递归超级智能」意味着系统能不断自我优化、螺旋上升。这一概念并不新鲜，其极端形式是「智能爆炸」——系统超越某个临界点后，能自主加速进化，达到人类难以理解的智能水平，这也是AI安全领域长期关注的问题。
但Recursive目前的目标远未达到此程度，更现实的是，它试图构建一个能自主驱动科学探索循环的系统，以降低AI研究的人力和时间成本。若能实现，影响将不仅局限于AI领域，药物研发、材料科学、物理学等领域都可能进入「无需人类科学家参与也能快速发展」的阶段。当然，这只是「如果」，从宣称到实现，在AI行业并非一蹴而就。
浪潮的逻辑
2025年下半年以来，从顶级实验室离职创业的浪潮不断涌现，Recursive是其中最新且目前估值最高的公司。背后原因很简单，OpenAI、Anthropic、Google DeepMind等头部实验室日益像大公司，有KPI、合规和政治因素。真正想探索激进方向的研究员，认为自主创业更自由。
同时，资本市场也推动了这一趋势。对于有大厂背景的顶级研究员来说，当前可能是创业的最佳时机，投资人更愿意为「方向」买单。这场浪潮的核心问题不是「谁会成功」，而是「成功的定义是什么」。若Recursive证明了自学习AI的可行性，将改写AI研究范式；若失败，5亿美元资金耗尽后，留下的将是又一个被过度炒作的概念。两种可能都存在。四个月、40亿美元估值，这个数字既令人兴奋，也让人警惕。AI军备竞赛发展至今，「如何做研究」本身也成为竞争焦点。科学家在达特茅斯讨论的问题，如今有人打算用AI来解答——用AI研究AI，以递归方式迈向超级智能。这条路通向何方，无人知晓，但显然Google和英伟达已决定参与其中。
