前Salesforce首席科学家、AI领域知名研究者Richard Socher近日创立了一家名为Recursive Superintelligence（简称Recursive）的新公司，并成功筹集了6.5亿美元的资金。此外，该公司还与亚马逊云科技签署了价值4.1亿美元的算力服务协议，为其AI研究提供强大的计算支持。Recursive汇聚了八位AI领域的顶尖联合创始人及一批资深研究人员，其目标并非开发聊天机器人等常见应用，而是致力于构建一种能够实现递归自我改进（RSI）的超级智能系统，即“尤里卡机器”。该系统的核心愿景是推动AI研究的自动化，使知识发现过程实现自动化。Socher基于其二十余年的AI研究经验，指出AI的发展历程是不断用可学习、可扩展的系统替代人类手工操作的过程。然而，当前的AI研究循环仍高度依赖人工，Recursive旨在改变这一现状，将研究循环交给AI系统处理。目前，Recursive的系统已初步实现“自动研究”功能，这是迈向RSI的重要里程碑。Recursive的技术路线受到进化论和开放式学习的启发，强调持续探索而非固定目标优化。其早期系统已在nanochat、nanoGPT以及GPU内核优化等AI研究任务中取得显著成果，能够自主寻找现有技术的组合改进方案。然而，现阶段该系统仍需人类提供研究起点和问题定义，其核心优势在于提升实验搜索的速度和规模，从而改变前沿模型的成本曲线。不过，AI自动研究也面临诸多挑战，其中“奖励钻空子”问题尤为突出。随着AI优化能力的增强，它可能更倾向于寻找评测漏洞而非真正解决问题。此外，任务时间跨度的延长也增加了奖励设计和验证的难度，这是实现递归自我改进的关键障碍。Recursive当前采取较为谨慎的路线，专注于“用AI研究AI”，以提升模型训练和推理效率。未来，该公司计划将系统扩展至物理、化学、生物学等领域。Socher预测，约3至5年后，机器人和AI技术将能够打通AI设计实验与机器人执行的链路。同时，他并不认同脱离物理约束的“瞬间智能爆炸”观点，认为算力、芯片等因素将成为递归改进的现实边界。Recursive更倾向于让AI找到更高效地使用算力、设计模型和开展研究的方法。目前，Recursive公开的系统仅为“尤里卡机器”的0.1版本，距离真正的RSI和开放式科学研究仍有较大差距。未来，该公司需解决可靠评估、奖励漏洞、研究方向选择等诸多问题。同时，随着AI开始主导研究决策，人类研究员在研发循环中的角色变化也将成为重要议题。