八位顶尖科学家一起开公司，田渊栋首揭46.5亿美元创业内幕

文 ｜ 尚莞迪Lydia在硅谷

，Research正在成为产品，AI科学家则开始站到商业决策的中心。7月18日，旧金山艺术宫。在AGI Summit2026的现场，嘉加资本EnvisionX Capital创始及管理合伙人郑泓Holly Zheng，向Recursive Superintelligence联合创始人田渊栋抛出了一个略显尖锐的问题：“我从不怀疑八位顶级科学家的能力，但我曾担心八个伟大的头脑一起工作时，团队是否能够保持稳定。

”两个月前，郑泓Holly所代表的嘉加资本参与投资了这家刚刚走出隐身状态的AI公司。2026年5月13日，Recursive Superintelligence正式对外亮相，公司首轮融资超过6.5亿美元，投后估值达到46.5亿美元。

GV和Greycroft领投，英伟达、AMD Ventures等产业资本参与其中。产品尚未正式落地，便完成如此大规模的融资，即使在近年来火热的AI创业潮中，这种情景也并不多见。Recursive从官宣之日起便成为硅谷AI圈关注的焦点，其中一个重要原因，是它集结了八位来自全球顶级AI实验室的科学家：公司CEO Richard Socher曾任 Salesforce 首席科学家，也是自然语言处理领域的重要研究者；

其余联合创始人分别来自Google DeepMind、OpenAI、Meta FAIR等机构，包括Tim Rocktäschel、Alexey Dosovitskiy、Josh Tobin、Caiming Xiong、Tim Shi、Jeff Clune，以及华人顶尖AI科学家田渊栋。

他们想解决的问题只有一个：让 AI 创造更强的 AI。Recursive 做的不是一个更聪明的模型，而是一套能够参与 AI 研发的研究系统。这个听起来近乎科幻的方向，已经开始得到实验验证。

当一个不懂 Kernel 的人，加上 AI Agent会发生什么？在对话开始时，郑泓Holly问田渊栋：Recursive从提出假设走向验证，已经取得了哪些阶段性成果？田渊栋提到了两个方向：第一个是让AI自主提出新的模型训练方法，包括训练 recipe 和模型架构调整，再通过短周期实验进行验证。

第二个是GPU Kernel Optimization。Kernel是模型训练和推理过程中最底层的计算程序之一，直接决定模型运行效率。过去，这通常是经验丰富的 GPU 工程师才能做好的工作。

但田渊栋说，Recursive 的系统已经能够自动生成高性能 Kernel，在部分任务上的表现，甚至超过专业工程团队。但真正让他惊讶的，并不是测试结果。他坦言，自己并不是Kernel工程师，只了解一些底层原理和优化思路。

但和 AI Agent 一起工作后，他也能够参与过去需要专业背景才能完成的工作。“我加上Agent，就可以把事情做得很好。”团队看到结果后非常兴奋，很快决定把这个方向继续做下去。对田渊栋来说，这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开始真正拓宽人的能力边界。

AI展现出的，不只是替代专家的能力，而是在降低专业门槛，让更多人能够进入过去难以触及的领域。当八个顶级大脑一起共事聊完技术，郑泓Holly把话题转向团队合作：“Recursive拥有八位联合创始人，每个人都是各自领域最顶尖的AI科学家。

这样一支明星团队，如何做决策、如何合作，本身就是外界最关心的问题之一。”田渊栋的回答很直接：“伟大的头脑也是聪明的头脑，而知道如何合作，本身就是聪明的一部分。”他认为，一个人能力再强，如果不能与他人协作，也很难称得上真正顶尖。

在Recursive，八位联合创始人并不是在同一个方向上竞争，而是各自负责不同领域。合作的前提，是每个人都清楚自己的专长，也承认自己的边界。“尊重别人的专业，相信他们能把事情做好，形成一种背靠背的信任。

”这听起来像一句再普通不过的团队原则，却并不容易做到。在今天的AI行业，顶尖研究者纷纷离开大公司创业，前沿实验室也在以数亿美元争夺人才。相比传统创业公司围绕CEO建立单一决策中心，Recursive选择了另一种组织方式：由八位研究型联合创始人共同承担技术与战略决策。

这意味着，Recursive 从创立之初就不是一家依赖某位明星创始人的公司，而更像一个由顶尖科学家组成的“超级研究团队”。它试图将分散在不同研究者身上的技术判断、学术声誉与创新能力，转化为一种集体决策优势。

投资人押注的，也不只是某一项尚未落地的产品，而是这支团队持续定义问题、吸引人才并突破技术边界的综合能力。为什么 AI Scientist 开始站到创业舞台中央？郑泓Holly提出了一个投资人角度的敏锐观察：如今硅谷最受关注的，可能已经不是CEO，而是AI Research Scientist。

Research是否正在成为一种新的创业方式？田渊栋认为，与过去十年的互联网创业相比，这一轮AI最大的不同，是商业模式不再先于技术。过去，企业先确定产品和商业目标，再由技术团队负责实现；

而在大模型时代，没有人能提前知道一次训练会带来哪些新能力。模型能力的变化，反过来决定了产品形态和商业方向。他以Anthropic为例：Claude在代码生成和Agent任务上的能力不断提升后，Coding Agent才逐渐成为公司的核心产品方向。

实际上并不是商业决定了研究，而是研究推动了商业。因此，离模型最近的人，也开始离商业机会最近。AI Scientist 不仅决定模型能做什么，也更早知道下一代模型可能做到什么。在这一轮 AI 创业中，Research 不再只是产品研发的一环，而是开始成为产品发现的起点。

钱，是硅谷融资中最容易的部分Recursive成立不久便完成了6.5亿美元融资。面对众多愿意下注的资本，创始团队需要考虑的，或许已经不只是“谁愿意投资”，而是“谁值得被带上这段漫长的旅程”。

郑泓Holly因此问田渊栋：对于创始人来说，如何判断一个投资人只是愿意开出支票，还是能够真正理解公司，并成为长期同行者？田渊栋给出了两条判断标准：第一，是否真正认同RSI方向。递归式自我改进是一条周期很长的技术路线，团队需要的是愿意长期讨论技术、理解研究进展，而不是只关心短期回报的投资人。

第二，双方能否形成长期协同。资金可以买来算力，也可以买来时间；但产业资源、技术判断和长期陪伴，并不能靠资金替代。郑泓Holly随后分享了自己的观察：“在硅谷，钱反而是最容易的部分。

真正重要的是partnership，是与谁同行，投资人与创始团队的结合更像是一场婚姻。这也是嘉加资本选择Recursive的原因之一。”对创始管理合伙人郑泓Holly来说，比技术领先更重要的是人与人的匹配：团队是否值得长期合作，创始人与投资人是否拥有一致的长期目标。

对于一家成立不足三年的年轻基金来说，这笔投资不仅意味着进入全球最前沿 AI 创业公司的核心圈层，也让嘉加资本坐上了硅谷最受关注的 AI 融资牌桌。硅谷顶级研究员会因为什么选择留下?过去一年，前沿AI人才流动越来越频繁。

很多顶尖研究员从大公司进入创业公司，也不断在不同Frontier Lab之间流动。算力、现金和股权，一次次刷新人才的“市场价格”。就此现象，郑泓Holly问道田渊栋：对于顶尖科学家来说，薪酬、算力、研究方向和公司文化，究竟什么最重要？

田渊栋把文化放在第一位。他并不否认薪酬的重要性。对于刚毕业、刚进入科技行业的年轻研究者来说，获得经济上的安全感是现实需求。但当这一需求得到满足后，更多收入带来的吸引力会逐渐减弱。真正决定他们去留的，往往是研究什么问题，以及和什么样的人一起研究。

Recursive 希望建立一种全员Hands-on的研究文化。即使是联合创始人，也要亲自写代码、跑实验、分析模型，再把最新的实验结果带回团队讨论。田渊栋提到，就在来圣何塞参加活动之前，他还在和团队开技术会议，分享自己与 AI Agent 一起完成的新实验。

他说：“文化不是说出来的，而是做出来的。”对于许多顶尖研究者而言，他们最终选择留下，并不是因为一张更大的支票，而是因为这里仍然有值得研究的问题，也有愿意一起解决问题的人。当 AI 会做研究，人还剩下什么？

对话接近尾声时，郑泓Holly问了田渊栋一个与投资无关，却引人深思的问题：如果有一天，AI比人类更善于定义问题、完成研究，甚至可以独自写小说，那么人类还剩下什么？田渊栋著有长篇科幻小说《破晓之钟》。

作为一名持续写作十年的小说家，他始终认为，小说创作仍会是 AI 最难跨越的边界之一：人们真正想阅读的，并不是一种统计意义上最合理、最流畅的表达，而是一个具体的人，基于自己独特的人生经历所创造的内容。

这种独特性，并不来自更高的智力，也不完全来自更好的技巧，而是来自一个人过往的经历，以及如何理解这些经历，并用属于自己的独特方式呈现出这些经历。未来，AI 或许能够提出更好的研究方案，写出更流畅的文字，甚至完成越来越多复杂的工作。

但对于小说这样的文学创作，人们真正关心的，仍然是谁在表达，以及他为什么这样表达。田渊栋说，未来最聪明的人，未必是与 AI 竞争的人，而是最善于使用最强 AI，并继续与它一起产生新想法的人。更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App