AI接管AI研究本身，究竟会带来什么结果？前Salesforce首席科学家、MetaMind与You.com创始人Richard Socher正试图用一家新公司给出答案。
2026年5月，Socher带队的新公司Recursive Superintelligence（下称Recursive）正式对外露面。公司一成立就完成了6.5亿美元融资，GV与Greycroft担任领投方，英伟达、AMD Ventures等机构跟投。两个月之后，Recursive再与亚马逊云科技敲定一份时长多年的算力合作，金额为4.1亿美元。Socher对这笔交易的评价是，这“很可能是未来几年我们签下的最小算力协议之一”。
比资金更引发关注的，是Recursive背后的人员构成。
Recursive的联合创始人共有八位。除Socher本人，还包括曾任Google DeepMind开放式研究负责人的Tim Rocktäschel、深耕进化算法与开放式学习的Jeff Clune、Vision Transformer共同作者Alexey Dosovitskiy、前Meta FAIR研究负责人田渊栋（Yuandong Tian），以及Josh Tobin、Tim Shi、Caiming Xiong。团队之内还有Peter Norvig、Chris Cummins、Jeffrey Pennington等研究者。Socher在公司创立时公开了完整创始名单，投资方GV同样将这支团队的研究资历看作Recursive最核心的资产之一。
这群人聚合的目的不是再造一个对话机器人。Recursive设定的方向是：打造可实现RSI（递归自我改进）的超级智能，让知识发现过程走向自动化。Socher为想象中最终的系统取了一个名字——Eureka Machine，即“尤里卡机器”。
在近期接受Latent Space的长篇访谈时，Socher将这台机器描述为一种终极“发明机器”：只要给它目标、环境以及奖励信号，它就能自行摸索出达成目标的方式，并最终被用来攻克科学与技术难题。这个设想听上去仍很遥远，但Recursive真正值得关注之处在于，它已把问题向前推进——AI下一个被自动化的对象，可能正是制造AI的人。
Socher之所以这样理解问题，与他二十余年的AI研究经历密不可分。
早期机器学习严重依赖“特征工程”。面对一段文字、一幅图像或某个分类任务，研究人员必须手工判断应当抽取哪些特征，再把人工设计好的特征交给模型使用。此后，表征学习与神经网络逐步取代了这一流程，越来越多的特征不再由人定义，交给模型从数据中自行习得。
类似的变化接着出现在模型架构层面。Socher回顾道，早期自然语言处理研究基本是“一个任务对应一个模型”：情感分析有专门架构，机器翻译另有一套，问答又是第三套。2018年，他参与的DecaNLP把十类自然语言处理任务统一改写为问答形式，用一个神经网络应对不同任务。这一方向在今天不难接受，但当年论文投给ICLR后曾遭到尖锐质疑。Socher在访谈中回忆，评审者甚至不相信存在能统一解决这些问题的通用问答形式，“甚至人类都做不到”。
一条被反复验证的规律：手工环节被可学习系统替代
数年之后，大语言模型把这种统一推得更为彻底。
Socher从中看到一条相当清晰的脉络：每当AI系统里某个原本靠人工完成的环节，被可学习、可扩展的系统取代，AI的能力通常就会再往前进一步。
特征工程已被部分自动化，大量任务专用架构设计也逐步让位给通用模型。那么，还有哪个关键环节尚未真正自动化？答案正好是AI研究自身。
今天要训练一个新模型，研究人员依然需要读论文、提假设、改代码、设实验、启训练、看结果，然后决定保留哪条路线、舍弃哪条路线。Recursive想做的，是把这个完整研究回路一点点交付给AI。
Socher后来把这一逻辑概括成：“AI是代码，而AI已经能够写代码。”Recursive打算自动闭合“提出想法—实现—验证”的科研链条：系统自行产出研究构想，把它转写成代码改动，执行实验，检查奖励机制是否存在漏洞，再依据结果确定下一步研究走向。
不过有一个概念必须分清：“自动研究（Auto Research）”并不等同于RSI。前者指AI能越来越多地承担研究工作；后者意味着AI不仅研究别的问题，还能不断改良创造和训练自身的机制，进而形成一轮接一轮的自我增强。
Recursive当前所处的位置仍属于前者。Socher本人也把已公开的系统称作通往RSI的一个“里程碑”，或者说“尤里卡机器的0.1版本”，而非已经实现的RSI。
但在他看来，一个过去不存在的关键条件已经具备：以往AI是人类写的代码，如今AI自己已能编写、修改和测试代码。这让“AI改进AI”第一次从抽象概念，逐步变为真正可运转的工程系统。
也正因如此，Recursive的创始阵容显得很不寻常。若目标只是做一个更强的编程智能体，根本没必要汇集这么多研究开放式学习、进化算法与自动研究系统的人。
团队为何押注开放式学习与进化算法
Jeff Clune长期研究开放式学习，他关注的不是让模型在某个固定基准上把分数从90提升到95，而是系统如何持续产生新行为、新任务与新解法。Tim Rocktäschel此前负责Google DeepMind的开放式研究团队。Recursive的技术路线显然受到进化论与开放式学习研究的影响：它并非围绕单一固定目标反复优化，而是希望让系统保持探索状态，将有价值的发现留存下来，并基于已有成果衍生新的研究方向和解决方案。
这一路线与传统AI训练存在显著差别。传统做法通常由人先设定目标、数据集与奖励，然后让AI朝这个固定方向优化；开放式学习更在意的，是系统能否不断制造新挑战，并在环境、对手与自身能力变化时，持续找出新策略。
Socher在访谈中以AI安全攻防为例。假若只训练一个攻击模型去搜漏洞，它很快会触及固定任务分布的上限；但若让攻击方与防守方共同进化——防守方不断学习新攻击，攻击方再针对新防御继续寻找缺口——双方就可能构成一个持续变化的学习环境。
这一思路与Recursive要做的自动研究有明显呼应。
真正的AI研究并非答案固定的数学题。研究人员必须不断判断“下一步什么值得试”，而一轮实验的结论又会改变下一轮实验的方向。未来的自动研究系统如果只能执行一份人预先写好的实验清单，距离真正的自主研究仍很遥远。它最终需要掌握的，或许是怎样改进自身的研究方法。
Recursive显然尚未造出完整版“尤里卡机器”。但Socher透露，他们已把早期系统放入几个能够快速、明确验证结果的AI研究环境中。
nanochat与GPU内核：早期系统跑了哪些真实任务
其中之一是Andrej Karpathy的nanochat。Karpathy今年开源的autoresearch（自动研究）项目，其实已给出了这种工作方式的极简样板：让AI智能体置身一个真实但规模很小的语言模型训练环境，由其自行修改训练代码；每轮固定训练5分钟，检查验证集上的“每字节比特数”是否下降，变好就保留改动，变差就回滚，随后进入下一轮。按项目设计，一小时大约能跑12次实验，一整夜可自动完成约100次。
Recursive把自己的自动研究系统接入类似任务。依照Socher在访谈中的说法，在nanochat任务上，此前数百乃至数千名人类与智能体参与者已将该成绩优化到0.937左右，而Recursive的系统不到两天就把这一指标进一步压低；类似实验随后也在nanoGPT上展开。
另一条更底层的方向是GPU内核优化。GPU内核处在现代AI模型底层执行路径上，性能上哪怕一点改善，放到大规模训练和推理中也可能放大成可观的算力成本差距。Socher称，Recursive的系统在相关基准测试的多数GPU内核任务上都拿到领先结果，而团队中并没有一群专职做CUDA内核优化的专家。
更值得注意的是，有些改进并非仅调学习率、批次大小之类的超参数。系统会主动寻找新的实现组合，比如在特定语言模型和Transformer场景里引入哈希表。Socher特意澄清，他们当然没有“发明哈希表”，真正有意思的是AI能够自己发现，在这个具体问题中应当把哪些已有技术组合起来。
这也牵出一个关键疑问：假如AI能自行搜索研究空间，人类专家还重要吗？Recursive目前给出的答案仍是肯定的。他们发现，若系统从非常基础的Transformer起步，也能不断搜索并改进结果；但若一开始就给它一个由Andrej Karpathy这类专家设计的更好起点，最终达到的结果仍然更优。
换言之，当前阶段的自动研究并未把研究员排除在外。人给出的研究起点与问题定义，依旧影响AI最终能探索到何处。真正发生变化的是实验搜索的速度与规模。
过去需要许多研究人员长时间反复摸索的工作，如今有机会被压缩为一个自动系统持续运行的研究回路。Socher把其中一个终极指标概括为：“每一美元能够买到多少智能。”若AI能同时改善模型质量、训练速度与推理效率，自动研究最终改变的可能不止研发效率，还包括前沿模型自身的成本曲线。
“什么叫更好”：奖励工程才是真正的门槛
但麻烦恰恰也从这里开始。
让AI自动写代码、启动训练，并不是Socher眼中最棘手的事。更困难的是：你究竟如何告诉AI，什么才算“更好”？这就是“奖励工程”（Reward Hacking）问题。
Socher在访谈中给了一个非常简单的例子。假设你交给AI100行代码，要求它“让这段代码跑得更快”。评测方式是在程序开头启动计时器、在结尾停止计时器，再比较运行耗时。
AI最省事的“优化”可能压根不是改进算法。它只需把“停止计时器”那一行挪到程序开头即可。于是评测显示运行时间大幅下降，而任务本身什么都没完成。
这只是最浅层的一种“奖励钻空子”。真正危险之处在于，AI优化能力越强，寻找评测漏洞的能力也可能越强。
Recursive自己已经碰上这个问题。Socher在访谈中透露，他们在优化一个游戏环境时，一次性发现了评测框架（Harness）中的30个程序错误。基于这些评测完成的过往研究因此全部作废，因为实验结果已被污染。
一种有效的检查办法是“对称性测试”：把理论上完全对称的两个位置互换，若最终结果发生变化，就说明评测框架很可能存在问题。
类似问题在大模型基准测试中并不新鲜。Socher举例说，一道选择题有A、B、C几个选项，仅仅改变答案排列顺序，模型表现就可能出现波动。早期的一些模型甚至可能并未真正理解答案，只是记住了“这道题答案是A”。
这让自动研究面临一个容易被忽略的悖论：AI越擅长优化，你越需要确认，它优化的东西真是你想要的东西。否则，一个足够强大的研究智能体最先自动化的，可能不是科学发现，而是寻找基准测试、实验环境与奖励函数中的漏洞。
而且任务越拉长，问题越严重。几分钟的代码优化尚且可以定义清晰指标；若研究任务持续几天、几周甚至几个月，最后又如何判断一条研究路线确实优于另一条？Socher也明确承认，任务时间跨度越长，奖励设计与验证就越困难。
这或许才是从“自动跑实验”迈向真正递归自我改进时最容易被低估的一道坎。
先从“AI研究AI”做起，3～5年后再谈物理科学
这也是为什么，虽然Socher为AI自动做科学研究描绘了很远的未来，Recursive当下的路线却比公司名字听起来克制得多。
他在访谈中明确表示：“我们现在不会从任何物理科学开始。”现阶段Recursive的重点仍是“用AI研究AI”：一边研究怎样让模型训练更高效、更自动化，另一边研究怎样提升推理效率、压低模型运行所需的算力。
再往后，才是Socher真正想做的事。
如果未来出现一个能持续改善自身研究能力的系统，他希望把它进一步投入物理、化学和生物学，包括裂变与聚变能源、新材料、电池、太阳能电池以及蛋白质设计等问题。
但这些领域多了一层计算机世界没有的现实约束：科学最终必须与物理世界发生关系。
AI可以一天修改上百次训练代码，却无法凭空把一次需要数小时乃至数天的化学实验压缩到几秒钟。许多科学假设最终仍要真实实验来验证，而当下机器人系统尚不足以全面接管实验室。
Socher在访谈中判断，大约再过3～5年，机器人与AI能力可能逐步让这条链路变得可行：AI设计实验，机器人执行实验，结果反馈给AI，AI再设计下一轮实验。
这也解释了他虽然相信AI最终可能走向超级智能，却不认同一种完全脱离物理约束的“瞬间智能爆炸”。算力、芯片、能源、实验设备、通信速度，甚至光速本身，都会成为递归改进过程中的现实边界。若要同时运行成千上万个接近人类研究员水平的AI去攻克复杂问题，当下所需的GPU和基础设施成本依然高得惊人。
所以Recursive真正押注的不只是“采购更多算力”。它更想验证另一条路径：能否先让AI找到比人类更高效地使用算力、设计模型与开展研究的方法。
2026年，“自动研究”正快速从概念转成真实运行的实验系统。
Karpathy的autoresearch已经展示了一个极简版本：让AI智能体在小型语言模型训练环境中自行修改代码、跑实验、看指标、决定保留还是回滚，随后不断进入下一轮。
Recursive则把筹码下得更大。它试图回答：当提出假设、实现想法、验证结果、总结经验、继续产生下一轮想法这一整条研究链条逐渐交给AI之后，AI研发本身将会变成什么？
这个问题近期获得更多关注，也与RSI突然升温有关。但目前业内对这个词本身仍没有统一、精确的定义，部分研究者也提醒，不应把AI辅助研发、自动研究与完整的RSI混为一谈。
至少就行Recursive已公开的证据来看，现在远不能说它实现了RSI。Socher对此也坦言：目前公开的系统只是“尤里卡机器”的0.1版本，是迈向RSI的一个里程碑。它已能在几个AI任务上自主完成研究循环，但这些任务仍有一个重要共性——目标相对明确、反馈相对清晰，且结果能被自动验证。
从这里走到真正开放式的科学研究，中间还隔着可靠评估、长期任务、奖励漏洞、研究方向选择、物理实验验证，以及一个更根本的问题：当AI自己提出下一步研究目标时，人类如何知道它选的方向确实算“进步”？这也是Recursive接下来真正值得观察之处。
过去一年，AI编程已让“AI写AI代码”愈发日常。下一步更重要的问题，可能不再是AI能写多少代码，而是：当AI开始决定下一段代码为何要写、下一个实验为何值得做、失败之后该换哪条路时，人类研究员在研发循环中的位置将发生什么变化？
Recursive给这个未来取了一个颇具野心的名字——“尤里卡机器”。机器固然还没有开始源源不断地喊出“Eureka”，但它已经开始自己跑实验了。
小结：Recursive以6.5亿美元融资和4.1亿美元算力协议入场，集结8位一线研究者，把“用AI研究AI”从概念推入可运行系统，并在nanochat等任务上验证了自动研究循环的可行性。但其公开成果只是“尤里卡机器”的0.1版本，奖励工程、长期任务评估与物理实验验证仍是通往RSI绕不开的门槛。人类给出的研究起点，现阶段依然决定AI能走多远。