Meta离职后的AI技术大牛田渊栋，去向一直备受关注。

刚刚，他亲自官宣了创业。

25名顶级研究人员和工程师，踏上了同一条船Recursive Superintelligence（递归超级智能，RSI）。

他们坚信“构建自动发现知识并递归改进自身的人工智能”，是接下来最最重要的事情。

RSI刚成立，就拿到6.5亿美元融资（约44亿元人民币），估值46.5亿美元（约316亿元人民币）。谷歌GV、Greycroft联合领投，英伟达、AMD等也参与其中。

8位联创，阵容豪华。

• Richard Socher：吴恩达学生，ImageNet、Glove 作者，MetaMind/You.com 创始人

• 田渊栋：前 Meta FAIR 研究总监，强化学习与围棋 AI 专家

• 施天麟：姚班校友，Cresta 联合创始人兼前 CTO，参与独角兽从 0 到 1 的创业

• Alexey Dosovitskiy：Vision Transformer (ViT) 作者

• Tim Rocktäschel：前 DeepMind 首席科学家，Rainbow Teaming 提出者

• Josh Tobin：OpenAI 早期成员，领导过 Deep Research、代码智能体与 ChatGPT Agents 团队

• Caiming Xiong：前 Salesforce 研究负责人

• Jeff Clune：AI 安全先驱，Darwin Gödel Machine 论文作者

谢赛宁也发来了祝贺。

今天，一场全新的进化正在科技世界静悄悄地发生。人工智能正在学习编写底层的架构代码，开启自我迭代与无止境的科学探索之路。

RSI团队致力于构建一个真正开放式的架构，让智能体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，去逐一攻克人类面对的最具挑战性的科学难题。

进化的灵感

人类的大脑经过了数千年的漫长进化，变成了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，大致等同于一个普通家用灯泡的功率。

生物进化是一个完全开放式的过程，每一次生物学创新都在前人的发现上不断积累。生命进化机制没有绝对的天花板，永远都在向未知的领域不断试探与创新。

了解空气动力学背后的物理原理，让人类造出了比鸟类飞得快得多的现代飞机。

提取出智能发展的基本逻辑原则，同样能够使工程师建立起思维速度远远超越人类大脑的自动化运转系统。

人工智能行业正处于关键的十字路口。依靠堆叠庞大算力和海量数据的传统预训练规律，正在向外释放出惊人的能力。

单纯依靠现有的预训练架构已经不够。业界迫切需要探索与以往完全不同的发展曲线，才能在机器上实现真正的逻辑推理和科学发现。

把大自然无边界的进化机制引入到算法底层，成为了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是代码，而现在AI可以写代码。”

计算能力和数据量不断增加，机器学习领域出现了一个清晰的趋势。

以往依赖人类工程师手动设计和优化的算法模型，正在被系统自动化驱动的流程彻底取代。

代码构成了人工智能，人工智能现在也能自己写代码。将两种现实无缝连接起来，系统自我完善的闭环就彻底打通了。

基于底层运作逻辑，研发团队正在构建的智能系统具备了自主设定实验的能力。

AI系统会主动去发掘自身存在的局限性，自己编写严苛的测试基准，主动重写底层代码库来不断提升整体能力。通往超级智能最快的路径，正是让系统通过开放式的算法进行递归式自我改进，推动无休止的科学探索。

顶尖团队的底气

一家能够定义行业新标准的初创企业，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人的研发团队还在不断壮大。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，创立过估值超过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等结构性架构突破，还开创了诸如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，都留下了深刻的印记。

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，团队就会把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/