顶尖AI创业田渊栋获投315亿：姚班施天麟加盟，老黄苏妈领投

离开Meta的田渊栋，其名字近期出现在一家AI初创公司的联合创始人名单中。这家名为Recursive Superintelligence（RSI）的公司，刚结束隐身模式便宣布完成6.5亿美元的早期融资，估值冲至46.5亿美元。

本轮领投方包括谷歌旗下的GV和风投机构Greycroft，英伟达、AMD等产业巨头也参与跟投。其创始团队的构成尤为引人注目：八位联合创始人，阵容堪称豪华。

这八位中的任何一位，其资历都足以独立支撑一家AI独角兽。他们选择联手，目标指向何处？

答案蕴含在公司名称中：递归超级智能。他们的核心目标是构建一个能够自我迭代、自我改进的AI闭环系统，最终通向超级智能。其技术路线图的第一步，是训练一个具备“五万名博士”综合研究能力的系统，实现AI科学研究的自动化。随后，这台“尤里卡机器”将被应用于药物发现、电池材料创新与核聚变物理等硬科技前沿领域。

300亿押注下一条规模定律

RSI的创立基于一个关键判断：预训练模型的规模定律虽仍有效，但仅靠堆叠数据、算力与参数所带来的边际收益已显著递减。

整个AI行业都在探寻新的增长曲线。RSI所押注的，是其中最激进的一条路径：递归式自我改进。

这直接回应了当前AI领域最深层的焦虑：大模型之后，下一次能力跃迁的突破口究竟在何处？

公司CEO Richard Socher在访谈中给出了一个精炼的概括：“AI是代码，而AI现在可以编写代码。”

传统的AI研发循环由人类主导：研究员提出假设，工程师编写实验代码，团队进行训练与评估，再根据结果调整方向。

RSI的目标，是将这个循环的核心部分交由AI自主驱动。

他们构想的系统，不止于回答问题或辅助编程。它需要能主动识别自身能力短板，自主设计实验，创建新的评估基准，进而重写自身代码库，使下一代系统持续变强。传统的AI优化如同在一张固定试卷上刷分，满分即是终点。而RSI追求的路径，更接近于生物进化：永无止境，持续发明。

一个AI改进另一个AI，改进后的AI再去改进后续的AI，形成递归增强的闭环。

Socher深知这一赌注的风险。他引用了行业内的名言：“如果你是学术研究者且超前于时代，你最终会被称作远见者。但如果你是创业者且超前于时代，你的公司就死了。”

他本人即是NLP领域神经网络派的早期奠基者之一。2010年，他尝试将一篇神经网络论文投至NLP顶会，却因审稿人认为“神经网络无用”而被拒。十五年后，神经网络不仅主导了NLP领域，Socher正是奠定这一格局的关键人物。

那么，为何选择此刻创立RSI？

Socher的判断是，AI领域正触及对数级的收益递减曲线——需要投入一两个数量级的额外资源，才能换取微小的性能提升。

值得注意的是，RSI并非这条赛道上唯一的玩家。

David Silver创立的Ineffable Intelligence种子轮融资11亿美元，估值51亿；Ilya Sutskever的SSI虽未披露估值但备受瞩目；Yann LeCun的AMI Labs也募资10亿美元。顶级AI科学家集体出走创业，资本巨量押注，这已成为2025年以来AI领域最明确的结构性趋势。

8位联创构筑顶级独角兽基石

RSI能在早期获得超高估值，其创始团队惊人的人才密度是关键。独角兽的门槛是10亿美元估值，而RSI首轮估值46.5亿美元，相当于八位联合创始人平均每人“贡献”了0.58个独角兽的估值基础。

以下是这支“全明星”阵容的详细拆解：

Richard Socher，师从吴恩达，是ImageNet与Glove词向量模型的作者，谷歌学术引用量超24万次。在创立RSI前，他创办的MetaMind被Salesforce收购，其后又打造了估值15亿美元的AI搜索引擎You.com。

田渊栋，Meta FAIR前研究科学家总监，长期深耕强化学习、基础模型效率与神经网络可解释性。他曾主导ELF OpenGo项目，开源复现了AlphaZero式的围棋训练；近年研究聚焦于Llama推理优化、长序列加速与低成本训练等大模型系统瓶颈课题。

施天麟，清华姚班校友，Cresta联合创始人。Cresta从斯坦福AI实验室孵化，早在2019年便将Transformer模型应用于实时客服的智能体辅助场景。

Tim Rocktäschel，开放式智能与安全循环专家。他是伦敦大学学院人工智能教授，曾任Google DeepMind开放式研究方向负责人，研究重点为AGI、开放终结与自我改进。他与合作者将安全红队问题重构为开放式搜索“Rainbow Teaming”，该方法能持续生成多样且有效的对抗提示，已被众多AI安全团队采用。

Alexey Dosovitskiy，Vision Transformer（ViT）的作者之一。他在2020年率先将Transformer架构直接应用于图像块序列，证明了视觉任务无需依赖卷积网络作为基础架构。

Josh Tobin，OpenAI早期成员，曾负责OpenAI智能体研究团队。

Caiming Xiong，曾在Salesforce负责AI研究与应用AI，与Socher长期共事，也是可控文本生成模型CTRL等工作的共同作者。

Jeff Clune，其研究方向与RSI的技术路线高度重合，长期研究开放式进化、AI生成算法与AI安全，也是探讨AI系统如何修改自身代码的“Darwin Gödel Machine”论文作者之一。

八位创始人的专长覆盖了强化学习与大模型效率优化、开放式算法、AI安全红队、视觉Transformer架构、智能体产品化、企业AI落地、创业组织以及自我改进研究等关键领域。

目前，RSI总人数控制在30人以内。Socher在采访中特别强调：“我们将尽可能保持团队的精简与高效，最终将大量工作委托给我们自主开发的智能体。”