本文来自微信公众号： 小饭桌 ，作者：关注AI的，编辑：张丽娟
AI的下一个十年，由AI自己决定？
近半年，硅谷正在为一件事疯狂砸钱。
AlphaGo核心开发者David Silver创办的Ineffable Intelligence完成11亿美元种子轮；前谷歌DeepMind首席科学家Jeff Dean联合创办Discovery Loop首轮融资规模10亿美元；前Meta FAIR研究科学家总监田渊栋联合创办的Recursive Superintelligence刚走出隐身状态就拿到6.5亿美元融资。
这些初创的投资方名单里，红杉、谷歌、英伟达、AMD、a16z、Kleiner Perkins等顶级机构几乎悉数到场。
国内的节奏也在加快。超衍智能成立仅3个月完成了两轮近4亿元融资；元环智能完成天使轮融资，顺为资本、上海未来产业基金参投；日行迹智能被百度以10亿元并购入股。
据小饭桌不完全统计，半年间已有超30亿美元投向这个赛道。若从年初算起，这一数字超过50亿美元。
这些钱砸向的是同一个技术命题：RSI（递归自我改进）。简单理解，就是让AI参与改进下一代AI，形成“AI改进AI”的递归闭环。
推动资本密集下注RSI的，不只是技术叙事，还有它从概念走向工程验证的现实进展，而资本最先盯上的是那些来自顶尖实验室的人才。
大牛下场，资本提前押注
梳理下来不难发现，把RSI推向资本风口的是一批从巨头实验室出走的顶级研究者，而这也是此次RSI创业潮最显著的特征：创始人的“人才密度”达到AI创业史上的罕见水平。
以Recursive Superintelligence为例，8位联合创始人中都有独立负责大型AI项目的经历。公司CEO Richard Socher是吴恩达在斯坦福的博士生，此前创办的MetaMind被Salesforce收购；田渊栋长期从事强化学习、基础模型效率和神经网络理解研究，2014年加入Meta，曾任Meta FAIR研究科学家总监。团队其他核心成员来自谷歌DeepMind、OpenAI、Salesforce AI等。
Discovery Loop的Jeff Dean此前是谷歌DeepMind首席科学家、Google Brain联合创始人。公司核心团队几乎占据“谷歌AI体系半壁江山”，Sanjay Ghemawat是谷歌资深工程师，Oriol Vinyals是Gemini核心研究员，Quoc Le是谷歌Research科学家。
Ricursive Intelligence的两位创始人Anna Goldie和Azalia Mirhoseini是谷歌AlphaChip项目的主导者；Inherent的核心团队来自谷歌DeepMind；Mirendil的Behnam Neyshabur和Harsh Mehta均来自Anthropic；Core Automation的Jerry Tworek参与过o1、o3和GPT-4的研发。
很大程度上，海外RSI初创的底色可归为“谷歌系”或更宽泛的“巨头实验室系”。谷歌DeepMind、Meta FAIR、OpenAI、Anthropic等这些全球最顶尖的AI实验室似乎成了RSI创业公司的人才来源。出走的行业领袖们带着对现有范式局限的切身感受All in一种更激进的AI范式。
与海外巨头实验室出走的路径不同，国内RSI初创更接近“学术界青年学者带着前沿论文成果入场”。
超衍智能的陈勇超和元环智能的刘子鸣都是清华大学人工智能学院助理教授，陈勇超本硕博就读于中国科学技术大学及哈佛大学与MIT联合培养项目；刘子鸣是KAN神经网络架构论文一作、MIT博士。日行迹智能创始人孙天祥是复旦大学计算机博士、国内首个类ChatGPT模型MOSS的核心开发者。
投资方的分布同样呈现出清晰的地域特征。海外RSI初创的投资方名单中，红杉、谷歌、光速创投、a16z、Kleiner Perkins等一众顶级机构密集出手，同时英伟达的身影几乎无处不在。比如Recursive Superintelligence的投资方中，英伟达和AMD同时进场。作为AI算力的核心供应商，英伟达的投资方向可以看作产业资本对RSI底层判断的一个参考。
另一个值得注意的信号来自政府层面。Ineffable Intelligence的11亿美元种子轮中，英国政府主权AI基金也参与了投资。政府直接出资押注一家成立仅数月的AI初创，这在以往的AI投资中不多见。
国内方面，上海未来产业基金同时出现在元环智能、超衍智能、日行迹智能的投资方中，顺为资本投了元环智能，IDG资本领投了超衍智能，中关村科学城基金、深创投也参与了超衍智能的天使+轮。
国内资本在RSI方向上的下注力度和密度虽暂不及海外，但已经形成了初步的布局，且政府背景基金的参与度明显更高一些。
把投资方名单放在一起看，RSI已不只是个别团队的研究方向，而是开始形成一条有共同叙事的新赛道。
要理解资本为何在当前这个时点集体押注，需要回到AI行业当前面临的一个核心焦虑：预训练Scaling Law的边际收益正在递减。更多数据、更多算力、更多参数带来的能力提升已经不像过去那样陡峭，行业需要找到下一条增长曲线，而RSI就是最激进的那条。
同时，RSI能从学术讨论走向产业共识还因为前沿实验室的研发线上已经出现了真实的RSI早期信号。AI正在从“写代码的助手”走向“执行实验、处理反馈并加速下一轮AI研发”的角色，一旦真正跑通，研发效率将不再线性增长，而是形成复利。
以往AI公司的估值锚点是模型有多强、用户有多少。现在，定价模型里多了一个新变量：AI能不能自己让自己进步得越来越快。
理解了这些再来看具体公司，就更容易看清资本为何愿意在早期阶段下注，以及这些公司分别选择了哪些切口。
整体而言，这轮RSI创业有几个特征。其一是公司成立时间短、融资节奏紧凑且轮次明显前移，这些公司都没有产品，团队二三十人，就拿到种子轮巨额融资；其二是估值跳升快，比如Mirendil在一个季度内从10亿美元估值升至50亿美元洽谈估值，Discovery Loop在完成约10亿美元融资后，随即又寻求500亿美元估值的新一轮。
与此同时，技术路线也已经分化，包括原生、协同进化式RSI、后训练自我改进、芯片递归、AI科学家+自动化实验室、自动化研究+持续学习等多个方向，但共同点都是让AI在研发流程中承担更多闭环工作，而不只是充当辅助工具。
谁在抢跑RSI赛道
与海外明星团队相比，国内RSI初创起步稍晚，但节奏并不慢。
超衍智能是国内最早系统性布局RSI方向的初创团队之一。这家成立于2026年6月的公司，仅用3个月便完成了天使轮及天使+轮融资，累计金额近4亿元。
其中，天使轮由IDG资本、星连资本、晶泰科技联合领投，德迅资本、无限基金、初心资本、云岫资本跟投；天使+轮由中关村科学城基金、深创投、上海未来产业基金联合领投。
对于一家成立才3个多月的公司，这种“美元基金+产业资本+地方国资”的混合阵容并不多见。能让资本敢于在如此早期阶段下重注的是超衍智能所锚定的技术路径，它并没有在现成通用大模型上叠加智能体层，而是从基础模型层面构建“发现原生”能力，将自我进化能力做进模型底层。
元环智能脱胎于上海期智研究院，它聚焦的是递归自我改进系统研发，让AI能够自主提出假设、设计实验，加速科学发现。公司在2026年8月完成天使轮融资，投资方包括顺为资本、上海未来产业基金、启盈同创基金、君礼私募基金、星连资本等。
公司的融资阵容中国资引导基金与市场化机构各占其半，折射出地方政府在RSI赛道方向上“既要做早期布局、又不完全依赖市场化定价”的谨慎姿态。
星舟无界主打“协同进化式RSI”，把递归自我改进机制嵌入真实的科研和工程任务中，4月拿到初心资本投资的天使轮。
日行迹智能7月被百度以10亿元并购入股，此前2025年7月完成数千万美元天使轮融资，投资方包括高榕创投、奇绩创坛、美团龙珠、红杉中国、光源资本、嘉程资本、上海未来产业基金等。
值得注意的是，上海未来产业基金同时出现在三家的投资方名单中，这不是偶然的分散下注，而是有意识地在RSI方向上构建投资组合。
国内大厂在RSI上的动作比海外更“实”，都在用自己的工程体系验证RSI的可行性。
9月22日，阿里巴巴CEO吴泳铭公开表示，通往超级人工智能的具体技术路径就是RSI，并透露Qwen团队正在进行RSI方面的探索。
同一天，小米发布并开源MiMo-V2.6系列，官方称其为“探索RSI路径的关键一步”。而主导这一步的是前DeepSeek核心研究员罗福莉，她去年11月官宣加入小米。一个从DeepSeek出走的研究者在小米的工程体系里完成了国内大厂中第一轮公开的大规模RL扩展实验，这个信号值得留意。
智谱创始人兼首席科学家唐杰9月17日披露了公司首个RSI方向的工程化实践；9月1日，字节跳动Seed团队联合TokenWave发布“Self-Developing Agents”项目，三篇RSI相关论文同步上线；7月，腾讯混元发布Hyra-1.0，官方将其定义为能递归自我改进、专为性能导向的研究与工程任务打造的科研智能体。
把初创融资和大厂布局放在一起看，“抢跑”的意味已经相当明显，初创公司赌的是范式切换的窗口期，大厂赌的是工程体系在激进路径上的可扩展性。两条线并行推进的节奏在以往AI技术周期中都不曾出现过。
那么在产品尚未成形、闭环尚未验证的阶段，投资人在为什么买单？中关村科学城基金的表述颇具代表性：“RSI是通往下一代AI范式的关键路径。”这一定位将RSI从“技术路线之一”提升到了“范式转移”的高度。对政府背景的产业基金而言，投资的不仅是单个公司的技术能力，更是中国AI产业在新范式上抢占身位的战略机会。
市场化机构的判断则更偏向节奏感。DeepSeek梁文锋将AI技术演进拆解为四级阶梯：思维链、通用Agent、持续学习、模型自主研发下一代模型（RSI）。按照这个框架，RSI处于阶梯的最顶端，而现在的行业位置大体处在Agent向持续学习过渡区间。
投资人的下注逻辑因此可以概括为：在第二级到第三级的窗口期，用早期估值锁定第四级的入场券。
“当AI开始参与创造更强的AI，研究就不再只是产品诞生之前的成本，它可能就是产品本身。”有投资人这样总结。这一判断正在被越来越多的投资人接受，在RSI赛道，“研究即产品”不再是一句口号，而是定价的底层假设。
加之预训练Scaling Law的边际收益被反复讨论，行业急需找到下一条增长曲线，在范式切换的窗口期入场，成本远低于范式确立之后的溢价。
回看整条RSI赛道，一个绕不开的事实是它还处于极早期阶段，至今没有哪家公司真正跑通闭环，即便是估值近47亿美元的Recursive Superintelligence也还没有拿出可验证的研究成果。
但至少从人才和资本流向上看，RSI已经成为AI领域少有的、同时吸引顶级研究者和产业资本的方向，能否跑通闭环仍需时间验证，但赛道的角逐已经开始。
