AI开始设计AI:6.5亿美元押注的＂自我进化＂赛道

5月14日，AI行业出现了一个值得停下来认真看的重要信号——不是某个产品更新，而是一种范式转移的加速。

两件事情在同一天发生，指向同一个方向。

一件大事：6.5亿美元，押注"AI自己改进自己"

Recursive Superintelligence（简称RSI）走出隐身模式，宣布获得6.5亿美元融资，投资方包括Greycroft和GV（Google Ventures）。

这家公司的目标听起来像是科幻小说：让AI能够自主识别自己的弱点，然后自己改代码修复自己，整个过程不需要任何人参与。

这不是某个PPT上的宏大叙事。它的创始人Richard Socher是You.com的创始人，也是ImageNet时代的核心人物。他的联合创始人名单包括：

• Peter Norvig —— 经典教材《AI：一种现代方法》作者，前Google研究总监
• Tim Rocktäschel —— 前Google DeepMind开放式学习团队负责人
• Josh Tobin —— OpenAI早期员工，曾领导Codex和Deep Research团队
• Tim Shi —— 独角兽公司Cresta联合创始人

这不是"又一家AI新公司"——这是DeepMind、OpenAI、Google三股核心力量在RSI议题上的汇合。

平行世界：田渊栋团队也入局了

几乎同时，中文媒体广泛报道了田渊栋（前Meta FAIR核心研究员）携八人顶级团队入局"递归进化"赛道。

田渊栋是谁？在计算机视觉领域，ResNet和Mask R-CNN的背后都有他的名字。他是华人AI科学家中极少数的"学术+工程"双修型选手。

两条线完全独立，但技术路径高度一致：用开放式演化（Open-endedness）实现递归自我改进。

这就像两个顶尖实验室在不同大陆上同时发现了同一条通往下一阶段的路径。 巧合的背面，是某种必然性。

RSI到底在解决什么问题？

当前主流AI的能力上限，被三件事锁定：

1. 人类能提供的训练数据量（人类知识快被"榨干"了）
2. 人类能写的Prompt质量（提示工程本身有天花板）
3. 人类能做的评估和调试速度（人工反馈永远不够快）

RSI的逻辑是：让AI自己生成实验方案、自己跑实验、自己分析结果、自己修改架构——形成一条不受人类速度限制的迭代闭环。

正如Richard Socher在采访中所说："整个过程——想法的产生、实现和验证——都会是自动的。AI先自动做AI研究想法，最终会自动做各种研究想法。"

一旦这个闭环运转起来，算力将成为唯一的稀缺资源。"花多少算力解决癌症，花多少算力研究核聚变"——这些将成为人类面临的核心资源配置问题。

所以，这跟我有什么关系？

如果你只是把AI当工具用，短期内RSI不会改变你的日常。但如果你是AI从业者、投资者或技术决策者，有几点值得注意：

1. 人才流向在变。OpenAI早期员工、DeepMind团队核心、Meta FAIR研究员——这些人正在用脚投票，从"做大模型"转向"做自我进化"。

2. 资本逻辑在变。6.5亿美元押注一家"还没有产品"的公司（创始人说"等几个季度，不是几年"），说明顶级VC认为RSI是比Scaling Law更值得下注的方向。

3. 上下文变了。当GitHub上科学Agent技能库（scientific-agent-skills）一周获得2万+星标、NVIDIA发布视频搜索AI蓝图的时候，整个产业都在问同一个问题：AI能不能替我做我自己都还没想明白的事？

结语

2026年5月14日，可以被标记为"RSI商业化元年"的一个节点。

这不是一个产品发布的消息，也不是某个模型的评测刷新——而是一个信号：AI行业的下一个主战场，正在从"让AI变聪明"转向"让AI自己让自己变聪明"。

当田渊栋和Richard Socher在全球两侧同时按下启动键时，我们需要思考的可能不是"他们的技术能不能成"，而是**"当他们成功的时候，我们在做什么"。**

本文基于TechCrunch深度报道、36氪、新智元等多源信息交叉验证撰写。