前Meta FAIR研究員田淵棟共同創辦Recursive Superintelligence，6.5億美元融資、估值46.5億美元

2026年5月，一家名為Recursive Superintelligence的AI新創從隱身模式浮出水面，以6.5億美元融資金額、46.5億美元估值引發矚目。公司員工不足30人，至今尚未發佈任何產品。這個數字放在一起，說明的不是市場失去理性，而是頂級資本已經在為一個尚未發生的技術賭局定價。

公司的核心命題只有一個：AI可以工程化地改進自身，而且這個迴圈可以加速。這不是新概念，但Recursive是第一個把這個迴圈本身當作產品來賣的公司。Anthropic讓Claude寫自己的程式碼，OpenAI讓GPT-5.5設計出讓token生成速度提升逾20%的平行化方法，Google DeepMind建了AlphaEvolve演算法發現工具——但那些都是大型實驗室用來輔助主業（賣模型、賣API）的內部工具。Recursive要賣的，就是那個自我改進的引擎本身。

這輪融資由GV與Greycroft領投，Nvidia與AMD共同參與。兩家幾乎壟斷大型模型訓練算力的晶片商同時入場，意味著他們把遞迴自我改進讀作近期的算力需求，而非遠景敘事。融資嚴重超額認購。

創辦團隊的組成值得細看。執行長是Richard Socher，前Salesforce首席科學家、搜尋引擎You.com創辦人。七位共同創辦人中，田淵棟（Yuandong Tian）是前Meta FAIR研究科學家總監，主導過DarkForest Go與ELF OpenGo，後來專注強化學習與語言模型推理；Tim Rocktäschel是UCL教授、前DeepMind首席科學家，負責world model與open-endedness研究；Alexey Dosovitskiy是Vision Transformer論文的主要作者，那篇論文重塑了整個電腦視覺領域；Josh Tobin來自OpenAI；Caiming Xiong是前Salesforce資深副總裁；Jeff Clune則以「AI科學家」基礎研究聞名。顧問是Peter Norvig，《Artificial Intelligence: A Modern Approach》教科書共同作者。這份名單的密度，直接解釋了為什麼一家沒有產品的公司能拿到這筆錢。

田淵棟的技術立場有幾個地方逆著主流走。他認為chain-of-thought prompting有用，但不是最有效的機器思考形式：潛在空間中的表徵每一步能攜帶更多資訊，且可以同時探索多條推理路徑，而非逐token輸出文字。更關鍵的是他對強化學習的判斷：RL的天花板由預訓練決定，RL大多只是把模型本已能生成的正確答案浮現出來，若模型從未學到良好的內部表徵，RL找不到可以強化的「種子」。此外，他認為語言的天花板高於當前的視覺與world model系統，因為語言能夠重組、自我指涉、重新定義概念，這是像素統計做不到的。

在暴力scaling上，他的立場同樣保守。他早期關於「grokking」的研究——模型在數據跨越臨界值後從記憶突然切換至真正泛化的現象——讓他警告，算力與能源的指數級需求終將碰到物理極限，出路在於理論突破與效率突破，而這恰恰是小型實驗室能做、超大型實驗室在追相同benchmark時做不到的。

田淵棟對勞動市場的判斷毫不保留：AI已能承擔大量中階工程師的工作，這解釋了為何盈利的科技巨頭在營收持穩的同時仍持續裁員。他用「在縮小的水坑間跳躍的魚」來描述在大型雇主之間流動的工程師——當所有水坑都在縮小，跳到另一個水坑解決不了問題。他預測在GPT-4問世後幾乎所有人最終都會走向某種形式的創業，並把未來數年定性為痛苦但類似文藝復興的過渡期。

Recursive公布了分階段路線：第一個目標是具備「5萬名醫生」能力的系統，針對自動化AI研究本身；其後是「Level 1」自主訓練系統，公開發布目標訂在2026年中。Anthropic共同創辦人Jack Clark估計，到2028年底，AI系統在無人協助下訓練出更強大後繼者的概率約為60%，2027年底前為30%。市場目前給出的定價是46.5億美元——一家成立僅四個月、尚未推出任何產品的公司。這個估值說明的是：資本已不再等待產品，而是在為研究者的判斷力定價。如果遞迴自我改進的迴圈真的啟動，先佔住最好的人才，才是唯一有意義的先發優勢。