田渊栋领衔：6.5亿美元押注自我进化AI，多位顶尖专家深度解析

离开Meta，田渊栋的职业路径转向了一个全新的方向。

2025年10月，Meta裁撤了其AI研究部门近600个职位，时任FAIR研究科学家总监的田渊栋也在调整之列。消息公开后，OpenAI、Anthropic等顶尖AI实验室迅速向他发出邀请。但田渊栋没有选择加入任何行业巨头，而是踏上了更具不确定性的创业之路。

5月13日，他以联合创始人的身份，通过X平台正式宣布了其新动向——加入初创公司Recursive Superintelligence。这家由多位前大厂核心研究员创立的企业，由此结束了“隐身模式”，进入公众视野。

Recursive联合创始人田渊栋发帖

引人注目的是，这家成立仅半年、团队不足30人的公司，已成功融资6.5亿美元，估值达到46.5亿美元。本轮融资由GV和Greycroft领投，AMD Ventures与英伟达跟投。资金将主要用于扩展其在旧金山和伦敦两地的算力基础设施与运营团队。

田渊栋在X上阐述了团队的核心目标：构建一个能自动发现知识、并实现递归式自我演进的人工智能系统，以期从根本上加速科学与技术的进步周期。

01 组建“AI全明星”团队

支撑这一宏大目标的，是一个阵容顶尖的创始团队。

公司由八位联合创始人共同创立，除田渊栋外，还包括前Salesforce首席科学家Richard Socher、Caiming Xiong、Tim Shi及Josh Tobin等。他们此前均在OpenAI、Google DeepMind、Meta、Salesforce等机构的AI研究部门担任负责人或核心研究员。

这支团队的专业覆盖了智能体研究、系统架构、世界模型、优化算法及AI可解释性等多个关键前沿领域。

尤为关键的是，其中多位成员是其研究方向的开创者，曾主导或深度参与了开放式算法、质量多样性优化、生成式AI模型、自我改进的编码智能体、自动化红队测试、基础世界模型、深度学习、视觉Transformer及检索增强生成等多项标志性技术突破。

Recursive八位联创，包括Alexey Dosovitskiy、Caiming Xiong、Jeff Clune、Josh Tobin、Richard Socher、Tim Rocktaschel、Tim Shi以及田渊栋

如今，这群顶尖研究者因一个共同目标汇聚：实现人工智能的递归式自我改进。

02 将“进化”机制编码化

递归式自我改进，其核心逻辑清晰而直接。Recursive的联合创始人兼CEO Richard Socher给出了一个精辟的概括：“AI本质是代码。而当前，AI已具备编写代码的能力。所有基础要素都已就位。”

其思路在于：既然AI系统由代码构建，而最先进的AI已能生成代码，那么让AI优化自身代码，便成为逻辑上的必然延伸。

审视机器学习的发展轨迹，路径已然显现：随着算力与数据的指数级增长，过去依赖人工设计的方法，正逐步被数据驱动、AI自动化的方法所替代。Recursive的目标，正是将这一自动化进程推向极致。

Recursive联合创始人兼CEO Richard Socher

为深入阐释其技术理念，Recursive的官方公告从自然智能的起源切入。人类智能的涌现，源于两个开放式过程的协同：达尔文式的生物进化，以及随之而来的文化进化。这两个过程持续积累并多样化其发现，每一项新突破都构筑于前序成果之上。

其中，生物进化塑造了我们的生理硬件与基础感知，而文化进化则在此基础上，发展出了复杂的推理、语言与科学体系。这是一个没有预设终点的、可持续的创新循环。

Recursive认为，AI科学的发展同样遵循这种开放式创新范式，只是迄今为止，主要的发现引擎一直是人类研究者。现在，是时候将这一主导权逐步移交给AI系统本身。

因此，团队确信，实现超级智能的最快路径，必然由具备递归式自我改进能力的AI开辟，且这种改进必须基于能驱动无限创新的开放式算法。他们的规划是，首先从AI科学研究自身起步，构建一个能够改进AI的AI，随后将这套方法论快速拓展至更广泛的科学探索领域。

Socher在社交平台上如此类比：“AI对于生物学，就如同微积分对于物理学——它是一种用以理解与设计复杂系统的新语言与新思维范式。”

Recursive官方发文宣布走出“隐身模式”公开亮相

03 具备自主研究与演进能力的AI系统

那么，这样一个能够自我改进的AI系统，其具体运作机制是怎样的？

根据公司披露，Recursive开发的AI将在“一个开放式的自动化科学发现流程”中运行。它将自主提出实验假设、执行测试并分析验证结果。

其自我改进的范围远超常规的代码优化。系统不仅会迭代其核心算法代码，还将优化其“工具集”——即那些用于增强模型输出的辅助程序与接口。

更进一步，该系统会主动探索改进其训练与推理基础设施的路径。按照Recursive的构想，这些自我改进实验将在闭环中持续运行，不断生成并优化新能力，最终实现自主发现更高效学习方法的目标，减少对人类持续监督的依赖。

安全性是整个演进过程的基石。Recursive明确表示将部署严格的安全护栏，确保系统以最大化收益、最小化风险的方式推动进步，杜绝任何有害输出。

对Recursive而言，这场通向超级智能的漫长探索，第一步已经迈出。接下来的篇章，将由代码的自主进化来撰写。