谷歌、英伟达押注 这家估值40亿美元的AI公司 想把科学家直接干掉

（由多段落组成）：

1956年夏天，在美国达特茅斯学院的一间简朴教室里，一群青年科学家围坐讨论一个看似天真却注定改写人类文明的问题：“机器能否思考？”他们乐观地相信——这个问题，一个暑假就能解决。
七十年过去，答案仍未揭晓。但就在2025年，一家成立仅四个月的AI新锐公司，以“让AI自己做科研”为使命，一举斩获5亿美元A轮融资，估值飙升至40亿美元。它没有公开产品，没有营收数据，甚至尚未发布技术白皮书——却吸引了Google风投（GV）领投、英伟达战略跟投。这不是资本的盲目狂欢，而是一场面向AI终极范式的集体押注。

这家公司名为Recursive Superintelligence（RSI），中文可译为“递归式超级智能”。其创始人Richard Socher，是NLP领域公认的奠基人之一：斯坦福博士，师从吴恩达（Andrew Ng）与曼宁（Christopher Manning）；早年提出的词向量与上下文嵌入方法，直接催生了BERT、GPT等划时代模型；学术引用超18万次，曾执掌Salesforce AI战略，主导Einstein GPT落地；后创办You.com并完成15亿美元估值C轮融资。这一次，他不再满足于“用AI服务人”，而是转向更底层的命题——构建能自主提出假设、设计实验、验证结论、迭代进化的“自研AI系统”。

与当前多数AI初创聚焦应用层不同，RSI的切入点极为激进：它不追求更聪明的聊天机器人，而是试图将人类科学家从“科学发现闭环”中完整移出。在药物研发动辄耗时十年、成本数十亿的今天，若一套AI系统能以1/10成本、1/3周期完成同等研究任务，整个前沿科技产业的投入产出比将被彻底重写。这正是其商业逻辑的硬核支点——不是讲愿景，而是直击全球顶尖AI研究员年薪1500–2000万美元的现实痛点。

GV与英伟达的罕见联手，绝非偶然。Google DeepMind已用AlphaFold、AlphaGeometry证明AI在科学领域的巨大潜力，但其路径仍是“人设问题、AI求解”；RSI则挑战“AI自主定义问题、驱动探索”的新范式——对Google而言，这是技术纵深的战略卡位，更是基础设施生态提前布局的关键一子。而英伟达的参与更具指向性：自学习AI的本质是算力吞噬机——每一次自主实验、每一轮模型迭代，都意味着GPU集群需求呈指数跃升。投资RSI，等于提前锁定下一代AI科研基建的“最大客户”。

面对40亿美元估值，市场难免质疑：四个月、零产品、纯概念，是否又一场PPT泡沫？但细察RSI的差异化底牌：一是创始人兼具学术厚度（非光环型CEO）、工业落地经验（Salesforce/You.com双实战）与顶级团队背书（DeepMind+OpenAI核心成员联合创业）；二是本轮融资出现显著超额认购，资金抢筹而非推销，反映真实供需失衡；三是其技术叙事锚定在“可验证的科研提效”这一刚性需求上，而非缥缈的AGI终点。这种估值，本质是为“AI科研工业化”这一确定性趋势支付的早期门票。

“Recursive”一词，远不止是公司名。在计算机科学中，递归代表系统自我调用、自我优化的螺旋上升机制；在AI语境下，它隐喻着一种新型智能演进路径——无需人类持续干预，即可实现能力的持续内生增长。尽管距离科幻中的“智能爆炸”尚有鸿沟，但RSI正务实推进一个阶段性目标：打造首个能闭环运行AI基础研究的自治系统。一旦突破，影响将远超技术圈——新材料发现周期可能压缩70%，临床前药物筛选效率翻倍，甚至基础物理模型的验证速度迎来数量级提升。

这场由顶尖实验室人才密集出走掀起的创业浪潮，正在重塑AI创新地图：Thinking Machines Lab、Safe Superintelligence、Ineffable Intelligence……名单不断延长。背后是双重推力：一方面，OpenAI、DeepMind等巨头日益科层化，KPI与合规挤压前沿探索空间；另一方面，资本市场对“方向型创业者”的容忍度空前提高——只要团队够硬、命题够深、路径够实，投资人愿为“下一个十年的基础设施”提前买单。RSI的高估值，不是终点，而是这个结构性拐点最鲜明的注脚。

回望达特茅斯那个充满理想主义的夏天，当年的争论从未真正落幕。今天，有人选择用AI来回答那个问题——不是让AI模仿人类思考，而是让它学会如何思考、如何提问、如何自我进化。这条路没有地图，也没有先例。但当Google与英伟达同时亮出筹码，我们至少可以确信：人类正站在一个新纪元的门槛上——AI不仅改变世界，也开始重新定义“如何发现新知”本身。

5个热门Tags：
自学习AI,Recursive Superintelligence,Richard Socher,AI科研自动化,大模型创业浪潮

本文来源： 快科技【阅读原文】