作者｜桦林舞王
编辑｜靖宇
1956 年，一批科学家聚在达特茅斯，第一次正式讨论「机器能否思考」。他们乐观地以为，用一个夏天就能解决这个问题。
七十年后，这个问题依然没有答案。但有一家公司，刚刚成立四个月， 就拿到了 5 亿美元融资，估值达到 40 亿美元 ——只因为它宣称，自己找到了一条路，让 AI 学会自己做研究、自己进化。
这家公司叫 Recursive Superintelligence。
Google 风投 GV 领投，英伟达跟投。两家公司在 AI 生态里的地位不需要赘述。它们同时出手，押注一家连产品都还没有公开的初创公司，背后的逻辑值得认真拆解。
01「把人从循环里移走」
先说说 Recursive Superintelligence 到底在做什么。
公司由前 Salesforce 首席科学家 Richard Socher 创立，核心团队来自 Google DeepMind 和 OpenAI。这不是什么陌生的组合——过去两年，从顶级实验室出走创业的工程师和研究员，已经形成了一股明显的浪潮。
Richard Socher 的 X 个人主页，Altman 显然关注了这位人才｜图片来源：X
Socher 并非硅谷常见的那种「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，拿下当年斯坦福计算机系最佳博士论文奖。
Richard Socher 是将神经网络方法真正带入自然语言处理领域的关键人物之一——他早期关于词向量、上下文向量和提示工程的研究，直接奠定了今天 BERT、GPT 系列模型的技术基础，谷歌学术引用量已超 18 万次。
博士毕业当年，他创立了 AI 初创公司 MetaMind，两年后被 Salesforce 以战略并购的方式收入麾下。此后他以首席科学家兼执行副总裁的身份主导 Salesforce AI 战略长达数年，主导了 Einstein GPT 等企业级 AI 产品线的落地。
离开 Salesforce 后，他又在 2020 年创立了 AI 搜索引擎 You.com，2025 年完成 C 轮融资，估值达 15 亿美元。这一次，他把目光从搜索转向了更底层的命题。
Thinking Machines Lab、Safe Superintelligence、Ineffable Intelligence、Advanced Machine Intelligence Labs……每一家都拿着「前 XX 大模型核心团队」的标签出现，每一家都在讲一个「下一代 AI」的故事。
但 Recursive 的切入点，比大多数同行更激进。
它的核心命题是「自学习 AI」—— 不是让 AI 更聪明地回答问题，而是让 AI 自主完成科学研究的全流程 ：提出假设、设计实验、评估结果、迭代方向。换句话说，它想把人类研究员从这个循环里完整地移走。
这不是一个新鲜的方向，但 Recursive 把它放到了一个极其现实的商业逻辑里。现在顶级 AI 研究员的年薪动辄 1500 万到 2000 万美元，如果一套系统能以更低的成本、更快的速度完成同样的工作，前沿研究的经济模型就会彻底改写。
投资人显然看到了这个逻辑。融资轮据报道超额认购，最终规模可能达到 10 亿美元。
02Google 和英伟达同时下注
GV 领投，英伟达跟投。这个投资人组合本身就是一个信号。
Google 的逻辑不难理解。DeepMind 多年来一直是「AI for Science」方向最重要的探索者，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 的路径是用 AI 解决具体的科学问题，Recursive 想做的是更底层的事—— 让 AI 系统自主推进科学发现的过程本身 。这对 Google 来说既是竞争关系，也是一个值得押注的对冲。
更重要的是，就在本月初，Google 刚刚与 Intel 宣布了多代 AI 基础设施的合作协议。这说明 Google 在 AI 基础设施层面的布局正在全面提速。对 Recursive 的投资，是这个大棋局里的一颗棋子——谁来跑在最前面的模型上，Google 都想有份。
英伟达的逻辑则更直接。自学习 AI 的核心瓶颈不是算法，是算力。如果 AI 要自主跑实验、迭代模型，背后需要的 GPU 集群规模是指数级增长的。 英伟达投 Recursive，某种程度上是在投自己的未来订单 。
两家公司同时出手，也释放了一个更微妙的信号——这个赛道，可能已经到了「不投就来不及」的阶段。
03四个月估值 40 亿，合理吗
估计当所有人第一次看到 40 亿美元这个数字的时候，第一反应是「又来了」。
AI 创业估值泡沫这两年已经不是新鲜话题。一个 PDF、一个 demo、几张幻灯片，加上几个来自顶级实验室的名字，就可以撬动几亿美元——这在硅谷和伦敦已经不是传说，而是日常。
但仔细看 Recursive 的情况，有几点和普通的「PPT 独角兽」不太一样。
第一， 创始团队的分量 。Richard Socher 在 NLP 领域有真实的学术积累，不是纯粹靠「前大厂」光环包装。核心团队在 DeepMind 和 OpenAI 的经历，也意味着他们切实接触过前沿研究的痛点。
第二， 融资超额认购的事实 。这意味着市场需求远超供给，投资人在抢着进来，而不是被说服进来。
但 40 亿美元的估值，对于一家四个月、尚无公开产品的公司来说，定价的依据是预期，不是现实。这本质上是在为一个方向付费，而不是为一个产品或收入付费。
这种定价逻辑在 AI 时代正变得越来越普遍，背后是投资人对「错过下一个 OpenAI」的深层恐惧 。Safe Superintelligence 当年也是以几乎没有产品的状态拿到了天价估值，Ilya Sutskever 的名字就是最硬的资产。
Recursive 在复制同样的路径。这不是批评，而是一个客观的观察。
04「自学习」这扇门，背后是什么
Recursive Superintelligence 这个名字，其实已经把公司的野心说得很清楚了。
「Recursive」是递归的意思。在计算机科学里，递归是一个函数调用自身的结构，是很多复杂算法的核心机制。放到 AI 研究上，「递归超级智能」暗示的是一个系统能够不断优化自身、螺旋上升的过程。
这个概念并不新鲜，它的极端版本就是「智能爆炸」—— 一个系统一旦超过某个临界点，就能自主加速自身的进化，最终达到人类无法理解的智能层级 。这是 AI 安全领域长期以来最核心的担忧之一。
但 Recursive 现在做的，应该远没有到这个层面。更现实的解读是，它在尝试构建一个可以自主驱动科学探索循环的系统，目标是大幅降低 AI 研究的人力成本和时间成本。
如果它真的能做到，影响不会只停留在 AI 圈。它意味着药物研发、材料科学、物理学等领域，都可能迎来一个「没有人类科学家参与也能快速推进」的阶段。
当然，这还是「如果」。
从声称到实现，中间的距离，在 AI 行业里从来不是线性的。
05浪潮的逻辑
2025 年下半年以来，从顶级实验室出走创业的浪潮一波接一波。Thinking Machines Lab、Safe Superintelligence、Ineffable Intelligence……这条名单还在变长。
Recursive 是这个浪潮里最新、也目前估值最高的一家。
背后的结构性原因很简单——OpenAI、Anthropic、Google DeepMind 的竞争已经让这些头部实验室变得越来越像大公司，有 KPI、有合规、有政治。
真正想押注最激进方向的研究员，反而觉得出来自己干更自由 。
与此同时，资本市场的逻辑也在强化这个趋势。对于有大厂背书的顶级研究员来说，现在创业的窗口期可能是历史上最好的时候——投资人比任何时候都更愿意为「方向」付钱。
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 的可行性，它将改写 AI 研究的底层范式。如果它没有做到，5 亿美元的弹药烧完之后，留下的会是又一个被过度炒作的概念。
两种可能都真实存在。
四个月，40 亿美元估值，这个数字让人兴奋，也让人警惕。AI 军备竞赛发展到今天，连「如何做研究」这件事本身，也变成了竞争的战场。
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，用递归的方式奔向超级智能。
这条路通向哪里，没有人真正知道。但显然，Google 和英伟达已经决定，不管通向哪里，都不能缺席。
*头图来源： techfundingnews
本文为极客公园原创文章，转载请联系极客君微信 geekparkGO
正规炒股配资提示：文章来自网络，不代表本站观点。
