田渊栋新创RSI获6.5亿融资，谷歌英伟达AMD领投

离开Meta后的AI顶尖专家田渊栋，其动向始终备受瞩目。

就在刚刚，他正式宣布开启创业之旅。

25位顶尖的研究人员与工程师，共同加入了Recursive Superintelligence（递归超级智能，RSI）这艘大船。

他们笃信“打造能自动挖掘知识并递归优化自身的人工智能”，是未来最为关键的任务。

RSI甫一成立，便成功融资6.5亿美元（约合44亿元人民币），投后估值达46.5亿美元（约合316亿元人民币）。此次由谷歌GV与Greycroft联合领投，英伟达、AMD等巨头亦参与跟投。

8位联合创始人，阵容堪称豪华。

Richard Socher：吴恩达弟子，ImageNet与Glove的缔造者，MetaMind及You.com创始人

田渊栋：前Meta FAIR研究总监，强化学习与围棋AI领域的专家

施天麟：姚班杰出校友，Cresta联合创始人兼前CTO，曾主导独角兽企业从0到1的创业历程

Alexey Dosovitskiy：Vision Transformer (ViT) 的原创作者

Tim Rocktäschel：前DeepMind首席科学家，Rainbow Teaming方法的提出者

Josh Tobin：OpenAI早期核心成员，曾领导Deep Research、代码智能体及ChatGPT Agents团队

Caiming Xiong：前Salesforce研究负责人

Jeff Clune：AI安全领域的先驱，Darwin Gödel Machine论文作者

谢赛宁也特意发来祝贺消息。

今日，一场全新的进化正在科技界悄然上演。人工智能正开始学习编写底层架构代码，开启自我迭代与无尽的科学探索之旅。

RSI团队立志构建真正开放式的架构，使智能体能够自主学习并升级代码。研发团队的初始目标，是打造出相当于5万名科研博士级别的研究能力，以此逐个攻克人类面临的最具挑战性的科学难题。

人类大脑历经数千年漫长进化，已演变成一个高度复杂且精妙的处理系统。支撑全脑庞大运算量的能耗仅为20瓦，大致等同于普通家用灯泡的功率。

生物进化是一个完全开放的过程，每一次生物学创新都在前人发现的基础上不断累积。生命进化机制没有绝对天花板，始终在向未知领域试探与创新。

深入理解空气动力学背后的物理原理，让人类制造出了飞行速度远超鸟类的现代飞机。

提炼出智能发展的基本逻辑原则，同样能使工程师建立起思维速度远超人类大脑的自动化运转系统。

人工智能行业正站在关键的十字路口。依赖堆叠庞大算力与海量数据的传统预训练规律，正在向外释放出惊人的潜能。

仅凭现有的预训练架构已显不足。业界亟需探索一条与过往截然不同的发展曲线，方能在机器上实现真正的逻辑推理与科学发现。

将大自然无边界的进化机制引入算法底层，已成为寻找科技突破口的核心方向。

如何实现AI的自我进化？

CEO Richard Socher给出的答案是：“AI即代码，而现在的AI能够编写代码。”

随着计算能力和数据量的持续增长，机器学习领域呈现出一个清晰的趋势。

过去依赖人类工程师手动设计与优化的算法模型，正被系统自动化驱动的流程彻底取代。

代码构成了人工智能，而人工智能如今也能自行编写代码。将这两者无缝衔接，系统自我完善的闭环便彻底打通。

基于底层运作逻辑，研发团队正在构建的智能系统已具备自主设定实验的能力。

AI系统会主动发掘自身存在的局限，自行编写严苛的测试基准，并主动重写底层代码库以持续提升整体能力。通往超级智能的最快路径，正是让系统通过开放式算法进行递归式自我改进，推动无休止的科学探索。

一家能定义行业新标准的初创企业，其核心驱动力永远是顶尖的人才组合。

首席执行官Richard Socher召集了一支优秀的7人联合创始人团队。

超过25人的研发团队仍在不断壮大。团队汇聚了来自UCL（伦敦大学学院）、UBC（不列颠哥伦比亚大学）、Google DeepMind（谷歌DeepMind）以及Google Brain（谷歌大脑）等顶尖学术机构的智慧结晶。

团队成员曾在OpenAI、Meta、Salesforce和Uber担任核心要职，创立过估值超10亿美元的科技企业，并在多家顶级科技巨头内部主导了人工智能研究实验室的早期建设。

在人工智能研究的前沿阵地，团队不仅推动了Vision Transformer等结构性架构的突破，还开创了如rainbow teaming等持续性的系统安全评估方法。

他们在开放端算法、质量多样性算法、基础世界模型以及检索增强生成等核心技术领域，均留下了深刻的印记。

团队中有4位成员曾共同发表过关于Darwin Gödel Machine（达尔文哥德尔机）的开创性学术论文。

团队设定了一个清晰且震撼的初始目标。

他们计划集中算力训练出一个具备5万名博士同等工作能力的智能系统。

起步阶段的焦点将完全集中在人工智能科学本身。让机器去研究机器运转的逻辑，让系统去自主改进系统代码。

一旦自动运行的科学发现引擎全面启动，团队就会将算力引向人类面临的最复杂的前沿定量问题上。掌握了科学发现方法论的智能系统，会去自动执行那些曾经需要人类科研工作者耗费几十年甚至上百年才能完成的基础性研究。

自动化科学发现的未来充满无限生机与潜力。

加速创新药物的研发进程、寻找攻克绝症的有效疗法，设计下一代高效电池的化学分子结构，解开高级核聚变物理学的终极奥秘。

原本停留在科幻小说里的震撼情节，都将随着机器自动化的自我演进而变得触手可及。

参考资料：

https://www.gv.com/news/recursive-superintelligence-self-improving-ai

https://www.recursive.com/