八位頂尖科學家一起開公司，田淵棟首揭46.5億美元創(chuàng)業(yè)內(nèi)幕

文｜尚莞迪Lydia

在硅谷，Research正在成為產(chǎn)品，AI科學家則開始站到商業(yè)決策的中心。

7月18日，舊金山藝術宮。

在AGI Summit2026的現(xiàn)場，嘉加資本EnvisionX Capital創(chuàng)始及管理合伙人鄭泓Holly Zheng，向Recursive Superintelligence聯(lián)合創(chuàng)始人田淵棟拋出了一個略顯尖銳的問題：

“我從不懷疑八位頂級科學家的能力，但我曾擔心八個偉大的頭腦一起工作時，團隊是否能夠保持穩(wěn)定?！?/p>

兩個月前，鄭泓Holly所代表的嘉加資本參與投資了這家剛剛走出隱身狀態(tài)的AI公司。

2026年5月13日，Recursive Superintelligence正式對外亮相，公司首輪融資超過6.5億美元，投后估值達到46.5億美元。GV和Greycroft領投，英偉達、AMD Ventures等產(chǎn)業(yè)資本參與其中。產(chǎn)品尚未正式落地，便完成如此大規(guī)模的融資，即使在近年來火熱的AI創(chuàng)業(yè)潮中，這種情景也并不多見。

Recursive從官宣之日起便成為硅谷AI圈關注的焦點，其中一個重要原因，是它集結(jié)了八位來自全球頂級AI實驗室的科學家：公司CEO Richard Socher曾任 Salesforce 首席科學家，也是自然語言處理領域的重要研究者；其余聯(lián)合創(chuàng)始人分別來自Google DeepMind、OpenAI、Meta FAIR等機構(gòu)，包括Tim Rockt?schel、Alexey Dosovitskiy、Josh Tobin、Caiming Xiong、Tim Shi、Jeff Clune，以及華人頂尖AI科學家田淵棟。

他們想解決的問題只有一個：讓 AI 創(chuàng)造更強的 AI。Recursive 做的不是一個更聰明的模型，而是一套能夠參與 AI 研發(fā)的研究系統(tǒng)。這個聽起來近乎科幻的方向，已經(jīng)開始得到實驗驗證。

當一個不懂 Kernel 的人，加上 AI Agent會發(fā)生什么？

在對話開始時，鄭泓Holly問田淵棟：Recursive從提出假設走向驗證，已經(jīng)取得了哪些階段性成果？

田淵棟提到了兩個方向：

第一個是讓AI自主提出新的模型訓練方法，包括訓練 recipe 和模型架構(gòu)調(diào)整，再通過短周期實驗進行驗證。

第二個是GPU Kernel Optimization。

Kernel是模型訓練和推理過程中最底層的計算程序之一，直接決定模型運行效率。過去，這通常是經(jīng)驗豐富的 GPU 工程師才能做好的工作。

但田淵棟說，Recursive 的系統(tǒng)已經(jīng)能夠自動生成高性能 Kernel，在部分任務上的表現(xiàn)，甚至超過專業(yè)工程團隊。

但真正讓他驚訝的，并不是測試結(jié)果。

他坦言，自己并不是Kernel工程師，只了解一些底層原理和優(yōu)化思路。但和 AI Agent 一起工作后，他也能夠參與過去需要專業(yè)背景才能完成的工作。

“我加上Agent，就可以把事情做得很好?！?/strong>

團隊看到結(jié)果后非常興奮，很快決定把這個方向繼續(xù)做下去。對田淵棟來說，這件事真正有意思的地方，并不是某一次Benchmark提升了多少，而是AI Agent開始真正拓寬人的能力邊界。

AI展現(xiàn)出的，不只是替代專家的能力，而是在降低專業(yè)門檻，讓更多人能夠進入過去難以觸及的領域。

當八個頂級大腦一起共事

聊完技術，鄭泓Holly把話題轉(zhuǎn)向團隊合作：

“Recursive擁有八位聯(lián)合創(chuàng)始人，每個人都是各自領域最頂尖的AI科學家。這樣一支明星團隊，如何做決策、如何合作，本身就是外界最關心的問題之一?！?/p>

田淵棟的回答很直接：“偉大的頭腦也是聰明的頭腦，而知道如何合作，本身就是聰明的一部分。”

他認為，一個人能力再強，如果不能與他人協(xié)作，也很難稱得上真正頂尖。

在Recursive，八位聯(lián)合創(chuàng)始人并不是在同一個方向上競爭，而是各自負責不同領域。合作的前提，是每個人都清楚自己的專長，也承認自己的邊界。

“尊重別人的專業(yè)，相信他們能把事情做好，形成一種背靠背的信任?！?/strong>

這聽起來像一句再普通不過的團隊原則，卻并不容易做到。

在今天的AI行業(yè)，頂尖研究者紛紛離開大公司創(chuàng)業(yè)，前沿實驗室也在以數(shù)億美元爭奪人才。相比傳統(tǒng)創(chuàng)業(yè)公司圍繞CEO建立單一決策中心，Recursive選擇了另一種組織方式：由八位研究型聯(lián)合創(chuàng)始人共同承擔技術與戰(zhàn)略決策。

這意味著，Recursive 從創(chuàng)立之初就不是一家依賴某位明星創(chuàng)始人的公司，而更像一個由頂尖科學家組成的“超級研究團隊”。它試圖將分散在不同研究者身上的技術判斷、學術聲譽與創(chuàng)新能力，轉(zhuǎn)化為一種集體決策優(yōu)勢。投資人押注的，也不只是某一項尚未落地的產(chǎn)品，而是這支團隊持續(xù)定義問題、吸引人才并突破技術邊界的綜合能力。

為什么 AI Scientist 開始站到創(chuàng)業(yè)舞臺中央？

鄭泓Holly提出了一個投資人角度的敏銳觀察：如今硅谷最受關注的，可能已經(jīng)不是CEO，而是AI Research Scientist。

Research是否正在成為一種新的創(chuàng)業(yè)方式？

田淵棟認為，與過去十年的互聯(lián)網(wǎng)創(chuàng)業(yè)相比，這一輪AI最大的不同，是商業(yè)模式不再先于技術。

過去，企業(yè)先確定產(chǎn)品和商業(yè)目標，再由技術團隊負責實現(xiàn)；而在大模型時代，沒有人能提前知道一次訓練會帶來哪些新能力。模型能力的變化，反過來決定了產(chǎn)品形態(tài)和商業(yè)方向。

他以Anthropic為例：Claude在代碼生成和Agent任務上的能力不斷提升后，Coding Agent才逐漸成為公司的核心產(chǎn)品方向。實際上并不是商業(yè)決定了研究，而是研究推動了商業(yè)。

因此，離模型最近的人，也開始離商業(yè)機會最近。

AI Scientist 不僅決定模型能做什么，也更早知道下一代模型可能做到什么。在這一輪 AI 創(chuàng)業(yè)中，Research 不再只是產(chǎn)品研發(fā)的一環(huán)，而是開始成為產(chǎn)品發(fā)現(xiàn)的起點。

錢，是硅谷融資中最容易的部分

Recursive成立不久便完成了6.5億美元融資。面對眾多愿意下注的資本，創(chuàng)始團隊需要考慮的，或許已經(jīng)不只是“誰愿意投資”，而是“誰值得被帶上這段漫長的旅程”。

鄭泓Holly因此問田淵棟：對于創(chuàng)始人來說，如何判斷一個投資人只是愿意開出支票，還是能夠真正理解公司，并成為長期同行者？

田淵棟給出了兩條判斷標準：

第一，是否真正認同RSI方向。

遞歸式自我改進是一條周期很長的技術路線，團隊需要的是愿意長期討論技術、理解研究進展，而不是只關心短期回報的投資人。

第二，雙方能否形成長期協(xié)同。

資金可以買來算力，也可以買來時間；但產(chǎn)業(yè)資源、技術判斷和長期陪伴，并不能靠資金替代。

鄭泓Holly隨后分享了自己的觀察：“在硅谷，錢反而是最容易的部分。真正重要的是partnership，是與誰同行，投資人與創(chuàng)始團隊的結(jié)合更像是一場婚姻。這也是嘉加資本選擇Recursive的原因之一?！?/p>

對創(chuàng)始管理合伙人鄭泓Holly來說，比技術領先更重要的是人與人的匹配：團隊是否值得長期合作，創(chuàng)始人與投資人是否擁有一致的長期目標。

對于一家成立不足三年的年輕基金來說，這筆投資不僅意味著進入全球最前沿 AI 創(chuàng)業(yè)公司的核心圈層，也讓嘉加資本坐上了硅谷最受關注的 AI 融資牌桌。

硅谷頂級研究員會因為什么選擇留下?

過去一年，前沿AI人才流動越來越頻繁。很多頂尖研究員從大公司進入創(chuàng)業(yè)公司，也不斷在不同F(xiàn)rontier Lab之間流動。算力、現(xiàn)金和股權(quán)，一次次刷新人才的“市場價格”。

就此現(xiàn)象，鄭泓Holly問道田淵棟：對于頂尖科學家來說，薪酬、算力、研究方向和公司文化，究竟什么最重要？

田淵棟把文化放在第一位。

他并不否認薪酬的重要性。對于剛畢業(yè)、剛進入科技行業(yè)的年輕研究者來說，獲得經(jīng)濟上的安全感是現(xiàn)實需求。

但當這一需求得到滿足后，更多收入帶來的吸引力會逐漸減弱。真正決定他們?nèi)チ舻?，往往是研究什么問題，以及和什么樣的人一起研究。

Recursive 希望建立一種全員Hands-on的研究文化。

即使是聯(lián)合創(chuàng)始人，也要親自寫代碼、跑實驗、分析模型，再把最新的實驗結(jié)果帶回團隊討論。

田淵棟提到，就在來圣何塞參加活動之前，他還在和團隊開技術會議，分享自己與 AI Agent 一起完成的新實驗。

他說：“文化不是說出來的，而是做出來的。”

對于許多頂尖研究者而言，他們最終選擇留下，并不是因為一張更大的支票，而是因為這里仍然有值得研究的問題，也有愿意一起解決問題的人。

當 AI 會做研究，人還剩下什么？

對話接近尾聲時，鄭泓Holly問了田淵棟一個與投資無關，卻引人深思的問題：

如果有一天，AI比人類更善于定義問題、完成研究，甚至可以獨自寫小說，那么人類還剩下什么？

田淵棟著有長篇科幻小說《破曉之鐘》。作為一名持續(xù)寫作十年的小說家，他始終認為，小說創(chuàng)作仍會是 AI 最難跨越的邊界之一：人們真正想閱讀的，并不是一種統(tǒng)計意義上最合理、最流暢的表達，而是一個具體的人，基于自己獨特的人生經(jīng)歷所創(chuàng)造的內(nèi)容。

這種獨特性，并不來自更高的智力，也不完全來自更好的技巧，而是來自一個人過往的經(jīng)歷，以及如何理解這些經(jīng)歷，并用屬于自己的獨特方式呈現(xiàn)出這些經(jīng)歷。

未來，AI 或許能夠提出更好的研究方案，寫出更流暢的文字，甚至完成越來越多復雜的工作。但對于小說這樣的文學創(chuàng)作，人們真正關心的，仍然是誰在表達，以及他為什么這樣表達。

田淵棟說，未來最聰明的人，未必是與 AI 競爭的人，而是最善于使用最強 AI，并繼續(xù)與它一起產(chǎn)生新想法的人。