Recursive Superintelligence籌資6.5億美元，要打造能自我進化的AI

矽谷在兩週前幾乎沒有人聽過這家公司，它卻在5月13日悄然從隱匿狀態現身，宣布完成今年AI產業最具野心的融資之一。這家總部位於英國、在舊金山設有辦公室的AI研究機構——Recursive Superintelligence——以46.5億美元估值籌集6.5億美元，在連一個公開產品都尚未推出的情況下，躋身全球估值最高的早期AI公司之列。

領投方的份量同樣不容忽視。Alphabet旗下創投部門GV與成長型投資人Greycroft共同領投，輝達（Nvidia）與超微（AMD）作為策略投資者參與——兩大晶片巨頭同時押注，意味著整個硬體生態系都認為這家公司的研究方向是可信的。Alphabet自家的創投部門去投資一家致力於遞迴自我改進的AI實驗室，本身就是一個引人深思的訊號。

站在巨人肩膀上的創辦團隊

Recursive Superintelligence的創辦陣容，來自過去十年全球最重要的幾個AI機構。

執行長Richard Socher是深度學習領域的先驅，他在史丹佛攻讀博士期間對遞迴神經網路的研究，為現代語言模型奠定了部分理論基礎；他後來擔任Salesforce首席科學家，並共同創辦了AI搜尋引擎you.com。

共同創辦人Yuandong Tian曾任Meta基礎AI研究（FAIR）實驗室的研究主任，FAIR是全球最頂尖的應用AI研究機構之一。Tim Rocktäschel、Jeff Clune與Josh Tobin在強化學習、開放式AI及機器人領域均有深厚學術積累，Salesforce AI資深研究員Tim Shi負責工程架構。

公司目前員工人數不足30人，在舊金山與倫敦設有辦公室，至今尚未發布任何公開模型或產品。微小的團隊規模、龐大的估值，加上異乎尋常的創辦人履歷——這正是當前這代前沿AI實驗室的典型面貌：投資人在任何產品誕生之前就已押下巨注。

「遞迴」的真正含義

公司的名字並非隱喻。其核心使命是構建能夠自主發現新知識、持續優化自身訓練流程，並在開放式迴圈中不斷演化的AI系統——這種循環至少在目標上類似於生物演化應用於人工智慧的過程。

具體而言，公司將這套方法定義為「第一級自主訓練系統」（Level 1 Autonomous Training System）：一個能夠識別自身能力缺口、自動生成新訓練任務以填補缺口，並在無需持續人類指導的情況下更新自身參數的AI。公司計畫在2026年中進行有限度的公開演示，但具體形式尚未披露。

這背後的概念傳承可追溯至AI研究中最具爭議性的幾個方向。創辦人之一Jeff Clune長期倡導「AI生成演算法」——讓AI系統透過演化而非人工設計來發展能力。Tim Rocktäschel在倫敦大學學院的開放式學習環境研究也有相似的抱負。這些研究脈絡在同一家公司、同一筆資金下交匯，意味著原本停留在學術領域的想像正在加速走向工程現實。

投資人為何願意為尚未推出產品的實驗室付出46.5億美元

即便以當前AI融資環境已被通膨的標準衡量，這個估值仍然令人咋舌。一家員工不足30人、尚無公開產品的公司如何值46.5億美元？這需要一套特定的投資論述支撐。

這套論述似乎建立在兩根支柱上。第一，前沿AI研究界越來越多人公開認為，下一次重大性能突破不會來自用更多算力和資料繼續擴展現有的Transformer架構，而會來自能積極參與自身訓練過程的AI系統。現有的大型語言模型在這套觀點下是被動接收者，真正的遞迴系統則會成為自身發展的主動代理人，有可能將數年的能力進化壓縮至數月。

第二，從更實際的層面來看：如果Recursive Superintelligence的方法哪怕只有部分奏效，對任何授權或收購其技術的機構都將是決定性優勢。輝達和AMD的參與不太可能純屬財務投資——兩家晶片公司都對會大量消耗算力的研究有直接的戰略利益，而訓練自我改進系統的系統，算力消耗可能是傳統模型的數倍甚至數十倍。

AI安全的隱憂

並非所有人都將遞迴自我改進視為純粹的技術挑戰。多位AI安全研究人員私下表達了擔憂：自我改進AI的公開商業化——尤其是訂出2026年中公開演示的時程——正在將能力推進的速度拉快到對齊（alignment）研究跟不上的地步。

創辦人顯然意識到這種張力。Socher在自公司曝光以來的有限公開發言中強調，Level 1系統在人類研究員設定的明確目標函數邊界內運作，公司設有直接向董事會匯報的內部安全團隊。這套框架是否能說服那些將遞迴自我改進視為結構性風險（而非可解決的工程問題）的批評者，仍有待觀察。

英國AI安全研究所（AISI）尚未就Recursive的研究議程公開表態，但公司在倫敦的存在使其落入AISI對前沿AI系統持續評估的監管範圍之內。

前沿實驗室的新樣態

Recursive Superintelligence所代表的，首先是一個持續演進的趨勢：自從2014年DeepMind被Google收購、OpenAI的GPT系列證明了擴展定律（scaling laws）有效以來，最有野心的AI研究已從大學加速遷移至企業實體，由能夠支撐多年前收益基礎研究的私人資本所驅動。

不同之處在於速度。DeepMind 2010年成立，歷經四年以上才以AlphaGo改變了整個領域對AI可能性的預期。Recursive Superintelligence在首輪公開融資中即籌得6.5億美元，組建了足以媲美中型學術AI系的研究陣容，並承諾在數月內提供公開演示。

這場演示究竟能否兌現其宏大前提——還是又一次雄心超越技術現實的案例——將成為2026年下半年AI研究領域最受關注的事件之一。