近期，人工智能领域迎来了一波新的创业浪潮，其中最引人注目的莫过于由8位顶尖AI研究员联合创立的Recursive Superintelligence（RSI）。这家新实验室在成立短短几个月后便宣布完成6.5亿美元融资，估值高达46.5亿美元，成为全球AI行业的新焦点。
RSI的创立背景颇具戏剧性。去年从meta离职后，前FAIR研究总监田渊栋成为硅谷多家AI公司争相招揽的对象。然而，他最终选择加入RSI，这家由Richard Socher、熊蔡明等8位行业资深人士共同创立的新实验室。田渊栋表示，选择RSI是因为他看好"小而精"的团队模式，认为这种模式能更快适应AI行业快速变化的趋势。
RSI的8位联合创始人各具专长。CEO Richard Socher曾创立metaMind并被Salesforce收购，后创立盈利的You.com；熊蔡明在Salesforce Research担任高级副总裁十余年；Tim Rocktäschel来自Google DeepMind，负责多个重要项目；Jeff Clune专注agent Open-Endedness方向，其研究被Nature收录；Josh Tobin有OpenAI背景；Alexey Dosovitskiy参与Vision Transformer开发；Tim Shi曾任Cresta CTO。这个多元化的团队为RSI的发展奠定了坚实基础。
RSI的核心研究方向是"递归自我改进"（Recursive Self Improvement），即让AI系统能够自主优化自身。田渊栋解释，这类似于让AI成为AI研究员，能够自主发现新想法、进行实验验证。RSI的愿景是建立一个系统，通过输入计算资源，能够输出新知识、新见解，从而加速人类社会的进步。
这种研究路径与当前主流AI公司有所不同。OpenAI、Anthropic等公司主要依赖人类设计模型、收集数据和人工标注，而RSI则押注于AI自动化科研过程。田渊栋认为，人类在科研中受生理限制，而AI可以24小时不间断工作，不仅能完成重复性任务，还能自主发现重要信息。
然而，AI系统自主设计实验也带来新的挑战，其中最关键的是评估问题。当AI开始自主评估结果时，人类如何确保评估的准确性？田渊栋表示，RSI通过可解释性研究来解决这个问题。他们希望理解模型内部机制，从而判断模型是否产生威胁或发现新东西。可解释性不仅关乎安全，还能提高运算效率，帮助研究人员更快找到理想结果。
在商业化方面，RSI也有明确规划。团队中超过一半成员有创业经验，熟悉产品落地和用户需求。他们计划从多个方向实现商业化，包括训练更高效的推理模型、开发新的训练方案，以及将人类研究思维模式建模以完成高难度研究工作。
尽管RSI目前只有25名员工，但已形成清晰的技术路线图。田渊栋透露，公司计划在最初一到一年半内扎实推进系统开发，之后寻找合适的应用场景落地。对于从自动化科研到真正递归自我改进再到超越人类能力的几个阶段，他认为需要几年时间才能实现，但这是一个值得投入的长期方向。
RSI的崛起反映了当前AI行业的新趋势。随着大模型竞争日益激烈，越来越多的顶尖研究员选择离开大厂，创立专注于前沿研究的新实验室。除了RSI，还有Ilya Sutskever的SSI、Yann LeCun的AMI Labs等新兴机构。这些新实验室普遍采用更灵活的组织架构，专注于特定研究方向，被视为AI行业的新生力量。
对于AI时代的职业发展，田渊栋有独特见解。他认为，随着AI能力不断提升，传统大厂对普通工程师的需求会减少，人们需要找到新的价值定位。他建议年轻人培养独特技能，成为"行走的数据源"，通过分享独特经验为世界创造价值。这种观点与他对RSI的期待相呼应——创造一个能让每个人发挥独特价值的AI时代。
RSI的办公室位于旧金山市区，采用开放式布局，没有单独办公室，强调团队协作。这种工作文化与大厂形成鲜明对比，也反映了新实验室灵活高效的特点。尽管面临激烈竞争，RSI凭借其顶尖团队和创新理念，已成为AI领域最受瞩目的新星之一。
