田渊栋AI创业估值315亿，老黄苏妈都投了，姚班施天麟也是合伙人
一句话看懂：前Meta研究科学家总监田渊栋加入AI创业公司Recursive Superintelligence（RSI），这家不到30人的初创近期完成6.5亿美元融资，估值达46.5亿美元（约315亿人民币），投资方包括谷歌GV、Greycroft、英伟达和AMD。公司核心方向是“递归式自我改进”，试图让AI系统能自己设计实验、写代码、优化自身，走出一条不同于预训练Scaling Law的新路。
事件核心：发生了什么
2026年5月14日，一家名为Recursive Superintelligence（RSI）的AI公司正式公开，由8位联创共同成立，其中最为国内读者熟悉的是田渊栋（前Meta FAIR研究科学家总监）和清华姚班校友施天麟。公司首轮早期融资由谷歌GV和Greycroft联合领投，英伟达、AMD等硬件巨头跟投，总融资额6.5亿美元，估值46.5亿美元，直接跨越独角兽门槛，进入高估值初创行列。
公司目前团队总人数不超过30人，其技术路线定义为“递归式自我改进”（recursive self-improvement）：第一阶段目标是训练出一个能力堪比“50000名博士”的系统，能够自动化AI科学研究本身，进而将其应用到药物研发、电池材料、核聚变物理等具体领域。CEO Richard Socher曾创办You.com和Salesforce AI，并且是早期神经网络应用于NLP的重要推动者之一。
为什么重要
这起融资和团队阵容标志着AI行业正在出现一条清晰的结构性转型：顶级科学家集体出走大厂，资本集体押注“后大模型时代”的下一条技术曲线。目前预训练Scaling Law的边际收益已经放缓，RSI、David Silver的Ineffable Intelligence（种子轮11亿美元）、Ilya Sutskever的SSI、Yann LeCun的AMI Labs等多家大模型“老将”创立的公司，都在从不同角度寻求下一次能力跃迁。
RSI选择的路径最为激进：它不是让AI写代码，而是让AI发现自己的短板、设计实验、修改代码库，形成一个自我改进的闭环。这种做法如果成功，将直接改写AI研发的组织方式——不再依赖人类研究员主导的大规模实验循环，而是由AI系统自主完成部分甚至全部流程。这也解释了为什么英伟达和AMD同时投资：自我改进的AI如果成立，算力需求将不再受限于数据增长，而是受限于递归循环本身。
对用户/开发者/创作者的影响
对于普通开发者，RSI目前尚未发布具体产品或API，短期内没有直接影响。但需要注意，这类公司释放出的方向信号值得关注：如果你使用大模型做应用开发，未来一年可能会看到一类“自我优化”智能体产品，它们能自动识别自己推理中的错误，并主动更新自身代码或提示词策略。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对于AI科研人员和创业公司，RSI的路线有参考意义。CEO Socher明确说“AI是代码，现在AI可以写代码”，意味着过去人类主导的模型改进循环（提出想法→写实验→训练→评估→迭代）正在被部分自动化的可能性打开。这会推动开源社区和学术团队开始探索AI自我改进的实验框架，类似RLHF之后的“自我优化RL”方向。
值得关注的后续
第一，RSI第一阶段“50000名博士”系统何时落地、以何种形式发布（API、开源还是闭源产品）是最大悬念。目前公开信息显示，团队在刻意保持“小而精”结构，最终目标是把大部分工作交给Agent，这意味着产品形态可能不是聊天机器人，而更像一个可调用的科研自动化平台。
第二，同类公司的差异化竞争值得跟踪。RSI估值46.5亿美元对应不到30人团队，每股人才价值极高，但能否兑现全看递归自我改进的效果。与David Silver、Ilya Sutskever、Yann LeCun的初创相比，谁会率先跑通这条路径将决定下一轮资本配置方向。
第三，算力硬件行业是否会因为递归改进路线而出现新的需求变化。如果AI自我改进确实有效，对训练算力的消耗方式可能从“预训练曲线”转向“自我迭代曲线”，英伟达和AMD作为本轮投资者显然有所布局。
来源：量子位 · 每日最新
