田渊栋创业公司首个成果：GPU内核优化，英伟达官方榜单SOTA

继2025年10月被Meta裁员后，前FAIR研究总监田渊栋火速集结八位AI全明星级联合创始人，于2026年初正式创办Recursive。公司仅成立不到半年、团队不足30人，便完成6.5亿美元融资，估值高达46.5亿美元，投资方包括GV、Greycroft、AMD Ventures及英伟达。这轮融资的豪华程度在AI创业史上极为罕见，也侧面印证了田渊栋在业界的号召力——他在被裁当天就收到了从OpenAI到Google DeepMind的汹涌橄榄枝，最终选择联合创业。

八位联合创始人拼出一支AI“复仇者联盟”

Recursive的创始团队几乎覆盖了过去十年AI核心研究机构的关键人物。CEO Richard Socher是吴恩达博士生、NLP神经网络派先驱，曾创办MetaMind后被Salesforce收购，后又推出AI搜索引擎You.com。Caiming Xiong是Socher的长期搭档，曾任Salesforce AI高级副总裁，主导可控文本生成研究。来自OpenAI的Josh Tobin参与过AI解魔方机械手项目，并创办机器学习基础设施公司Gantry。清华姚班出身的施天麟（Tim Shi）曾退学创办AI客服公司Cresta，早于行业将Transformer应用于实时客服Agent。DeepMind的Tim Rocktäschel长期研究开放式智能与世界模型。Alexey Dosovitskiy是Vision Transformer（ViT）的共同提出者，一篇《An Image is Worth 16x16 Words》重塑了计算机视觉技术路线。Jeff Clune深耕开放式进化与AI自我修改算法。田渊栋本人则横跨强化学习、大模型推理、可解释性等多个硬核方向，曾用单块GPU实现AlphaZero风格围棋训练并击败职业棋手。

这八位联合创始人的研究方向——强化学习、世界模型、Agent、视觉Transformer、开放式演化、自我改进、推理优化、AI安全——几乎覆盖了AI最前沿的每一条技术路径，而他们的共同结论是：AI的下一步，不是更大，而是更自主。

用递归式自我改进突破Scaling Law瓶颈

Recursive的名字直接点明了其核心路线：Recursive Self-Improvement（递归式自我改进）。该公司要构建一种能够自动发现问题、设计实验、修改代码、验证结果、再继续优化自己的AI系统，让AI自己研究AI、自己优化AI。在田渊栋看来，过去大力出奇迹的Scaling Law边际收益正在下降，光靠堆参数和算力已经难以维持高速增长，下一代AI范式必须转向更自主的迭代方式。

他们提出的目标极具冲击力：先训练一个拥有50000名博士能力的AI系统，用来自动化AI科学研究本身，再将这套系统扩展到药物研发、生物研究、电池材料、核聚变等领域。这个方向也意味着，Recursive本质上赌的是——让AI成为研究AI的主体，人类研究员退居辅助和监护角色。

英伟达与AMD联手押注，GPU效率优化成关键落子

虽然Recursive的主要叙事是递归式自我改进，但其技术落地离不开极致的GPU计算效率。英伟达和AMD同时出现在投资方名单中，说明芯片巨头对该公司在底层计算优化上的潜力寄予厚望。田渊栋在Meta期间就主导过推理优化、长序列加速、低成本训练等核心方向，其团队在GPU内核层面的调优能力是行业公认的。Recursive要运行大量自动化自我实验和验证，每一轮迭代都需要巨额算力，因此GPU内核优化、推理效率提升、显存管理本身就是公司技术栈的基石。即便目前尚未公开具体“英伟达官方榜单SOTA”的成绩，但英伟达的背书意味着其技术路线与硬件生态深度绑定，未来在CUDA优化、张量核心利用等维度上有望取得公开榜单的领先位置。