获 6.5 亿美元融资，Recursive 研发 AI 自动研究系统

曾任 Salesforce 首席科学家的 AI 研究者 Richard Socher 创办新公司 Recursive Superintelligence（Recursive），获 6.5 亿美元融资并与亚马逊云科技签下 4.1 亿美元算力协议。该公司集结八位 AI 领域顶尖联合创始人及一众资深研究人员，目标并非打造聊天机器人，而是构建能实现递归自我改进（RSI）的超级智能「尤里卡机器」，让知识发现自动化，核心是推动 AI 研究本身的自动化。Socher 基于二十多年 AI 研究经历，发现 AI 发展规律是不断用可学习、可扩展系统替代人类手工环节，而当前 AI 研究的整套循环仍需人工完成，Recursive 希望将这一循环交给 AI，目前其系统已实现「自动研究」，是通往 RSI 的里程碑。Recursive 的技术路线受进化论和开放式学习影响，区别于传统固定目标优化，强调持续探索。其早期系统已在 nanochat、nanoGPT 及 GPU 内核优化等 AI 研究任务中取得成果，能自主寻找已有技术组合改进方案，但现阶段仍需人类提供研究起点和问题定义，核心是提升实验搜索的速度和规模，改变前沿模型成本曲线。不过，AI 自动研究面临「奖励钻空子」难题，AI 优化能力越强，越易寻找评测漏洞，任务时间跨度越长，奖励设计和验证越困难，这是走向递归自我改进的关键门槛。Recursive 当前路线较为克制，重点聚焦「用 AI 研究 AI」，提升模型训练和推理效率，未来计划将系统应用于物理、化学、生物学等领域，但这些领域受现实实验约束，Socher 判断约 3~5 年后机器人和 AI 能力或能打通 AI 设计实验、机器人执行的链路，且他不认同脱离物理约束的「瞬间智能爆炸」，认为算力、芯片等会成为递归改进的现实边界，公司更押注让 AI 找到更高效使用算力、设计模型和开展研究的方法。目前 Recursive 公开的系统只是「尤里卡机器」0.1 版本，距离真正的 RSI 和开放式科学研究仍有距离，后续需解决可靠评估、奖励漏洞、研究方向选择等诸多问题，而 AI 开始主导研究决策后，人类研究员在研发循环中的位置变化也成为重要议题。