說起Richard Socher，AI 圈里的人大多不會陌生。

他是較早一批將深度學(xué)習(xí)從學(xué)術(shù)研究推向產(chǎn)業(yè)落地的研究者之一。早年，Socher 創(chuàng)立了 MetaMind，專注于利用神經(jīng)網(wǎng)絡(luò)理解語言結(jié)構(gòu)與語義。公司隨后被 Salesforce 收購，他也由此出任首席科學(xué)家，主導(dǎo)探索 AI 在 CRM 等企業(yè)系統(tǒng)中的應(yīng)用。

2020年，Socher 再次創(chuàng)業(yè)，創(chuàng)辦了 AI 搜索公司 You.com。目前，You.com 估值已達 15 億美元，躋身獨角獸行列。

但他的動作并未止步于此。近期，多家媒體披露，Socher 正在悄然籌備一家全新的 AI 公司——Recursive。

這家公司的目標更為前沿：研發(fā)一種能夠自我改進、在不依賴人類反饋的情況下持續(xù)進化的超級智能AI 系統(tǒng)。消息稱，Recursive 正在洽談一筆數(shù)億美元規(guī)模的融資，投前估值約 40 億美元。

如果相關(guān)進展最終落地，這也意味著，Richard Socher 在短短幾年內(nèi)，已連續(xù)打造出兩家AI獨角獸公司。

本文將以Socher 的創(chuàng)業(yè)路徑為線索，梳理他對 AI 演進方向的判斷。

第二家AI獨角獸，估值40億美元

據(jù)報道，Recursive 試圖研發(fā)一種能夠自我改進、在不依賴人類持續(xù)反饋的情況下不斷進化的超級智能 AI 系統(tǒng)。

更具體地說，它關(guān)注的是一種“AI 改進 AI”的遞歸機制：AI 不再只是被動接受訓(xùn)練，而是能夠識別自身在性能、效率或能力上的瓶頸，主動提出在算法、系統(tǒng)，乃至計算基礎(chǔ)設(shè)施（如芯片）層面的改進思路，并通過驗證與迭代，生成能力更強的下一代模型。

換句話說，就是讓AI 不只是“被訓(xùn)練的對象”，而是成為參與訓(xùn)練與改進過程的一方。

這一思路，并非只有Recursive 在探索。

此前，楊植麟（月之暗面CEO）在采訪中也提到，當(dāng)被問及“如何提升 Agent 的通用性”時，他直言：“用更多的 AI 去訓(xùn)練 AI，本身就是一個重要方向?！彼蔡寡?，這條路徑已經(jīng)在部分場景中取得進展，但距離理想狀態(tài)仍有差距。

從行業(yè)視角看，這類嘗試實際上反映了一個很關(guān)鍵的問題：當(dāng)模型和Agent 越來越復(fù)雜，單純依賴人工標注與反饋，已經(jīng)難以支撐能力持續(xù)擴展。

2026 年 1 月，有消息稱 Recursive 正在洽談一筆數(shù)億美元規(guī)模的融資，投前估值約 40 億美元。GV（前 Google Ventures）、Greycroft 等機構(gòu)可能參與其中，資金將主要用于擴充算力儲備。

公司創(chuàng)始團隊包括Socher 在內(nèi)的 8 位聯(lián)合創(chuàng)始人，成員背景覆蓋 Google、OpenAI、Meta 等頭部機構(gòu)。

如果這一消息屬實，這也將是Socher 在近兩年內(nèi)打造的第二家 AI 獨角獸。

Socher 于 2020 年創(chuàng)立 You.com 時，將其定位為一款 AI 驅(qū)動的搜索引擎。早期，You.com 面向消費者市場，強調(diào)“無廣告、重隱私”的搜索體驗。

但從2024 年開始，Socher 明顯將重心從 C 端搜索，轉(zhuǎn)向幫助企業(yè)更高效地使用 AI。2025 年，You.com 完成 1 億美元融資，估值達到 15 億美元，躋身獨角獸行列。

隨著這輪融資完成，You.com 的定位也發(fā)生了變化，從一款面向個人用戶的搜索產(chǎn)品，轉(zhuǎn)向為企業(yè)提供 AI 基礎(chǔ)設(shè)施。

其背后的判斷是，使用網(wǎng)絡(luò)的AI Agents 數(shù)量，正在快速超過人類，但現(xiàn)有搜索基礎(chǔ)設(shè)施，本質(zhì)上仍是為“人類點擊鏈接”而設(shè)計的。

企業(yè)級Agent 需要從私有數(shù)據(jù)與公共網(wǎng)絡(luò)中獲取更深層、具備上下文關(guān)聯(lián)的信息，才能完成分析、決策并采取行動。這對數(shù)據(jù)整合、模型選擇和結(jié)果可靠性提出了更高要求。

為此，You.com 構(gòu)建了一個面向 Agent 時代的平臺：整合多源數(shù)據(jù)，根據(jù)任務(wù)動態(tài)選擇合適的大模型，并在企業(yè)級規(guī)模下，輸出可驗證、可追溯的結(jié)果。

這一轉(zhuǎn)型，也讓You.com 的產(chǎn)品更明確地服務(wù)于企業(yè)場景。例如，為金融分析師提供自動化研究工具；為媒體機構(gòu)加速內(nèi)容創(chuàng)作并挖掘歷史資料價值；為咨詢和專業(yè)服務(wù)人員顯著壓縮研究時間，輸出可操作的洞察。

除了準確性，You.com 還強調(diào)隱私保護、安全性、模型選擇的靈活性，以及對數(shù)據(jù)的完整訪問能力。投資人普遍認為，正是從消費者搜索轉(zhuǎn)向企業(yè)級 AI 的戰(zhàn)略調(diào)整，支撐了 You.com 的高估值。

盡管公司尚未公開詳細財務(wù)數(shù)據(jù)，但據(jù)The Information 報道，You.com 的 ARR 已達到約 5000 萬美元。其增長拐點出現(xiàn)在去年 11 月，當(dāng)月 ARR 環(huán)比幾乎呈線性拉升，推動 2024 年全年收入增長約 40 倍。

如果把時間再向前撥一些，Socher 的路徑其實一以貫之。

2014 年前后，深度學(xué)習(xí)仍主要停留在學(xué)術(shù)圈。一次研究方向的轉(zhuǎn)變，讓 Socher 從自然語言處理進入 AI 核心研究領(lǐng)域，并很快創(chuàng)立 MetaMind，嘗試將前沿模型轉(zhuǎn)化為企業(yè)可用的服務(wù)。

短短四個月，MetaMind 就從 Khosla Ventures 以及 Salesforce CEO Marc Benioff 處融資 800 萬美元。公司隨后被 Salesforce 收購，Socher 也由此帶隊探索 AI 在企業(yè)系統(tǒng)中的落地，并在提示工程、注意力機制等方向留下了早期實踐經(jīng)驗。

回看這段經(jīng)歷，MetaMind 更像是 Socher 將 AI 從實驗室推向產(chǎn)業(yè)應(yīng)用的第一次嘗試。

對AI的5個關(guān)鍵判斷

作為一位在AI 領(lǐng)域多次完成從研究到商業(yè)化落地的連續(xù)創(chuàng)業(yè)者，Socher 對 AI 的判斷，往往并非停留在技術(shù)層面，而是帶有明顯的長期視角與系統(tǒng)意識。

基于其近期的公開演講，硅基君整理了Socher 關(guān)于 AI 發(fā)展的幾項關(guān)鍵觀點：

①“獎勵工程”的范式革命

Socher提出的不僅是新職業(yè)，更是從”提示工程”（Prompt Engineering）到”獎勵工程”的根本范式轉(zhuǎn)移。

他認為，提示工程處理的是單次交互的語義優(yōu)化，如何讓AI回答得更簡潔有用，而獎勵工程處理的是長期目標的復(fù)雜價值對齊，即如何在多代人時間尺度上定義”經(jīng)濟公平”或”氣候安全”。

這要求從業(yè)者具備獨特的以下一些能力：首先是技術(shù)認知，也就是理解AI尋找獎勵捷徑的機制（reward hacking）。其次是哲學(xué)深度，辨析”機會平等”vs“結(jié)果平等”等標準性問題。最后是領(lǐng)域精通，能夠預(yù)判稅收政策或氣候模型中的意外后果

這可能催生首個真正融合的”技術(shù)-政治-哲學(xué)”學(xué)科，比單純的AI倫理更具有實操性。

②目標錯位的系統(tǒng)性風(fēng)險，從客服案例到文明尺度

Richard Socher：

舉個例子，某企業(yè)決定最大化呼叫中心的客戶滿意度評分。若不加其他約束，最簡單的解決方案或許是雇傭無數(shù)機器人，在短暫通話后自動填寫滿意度調(diào)查并勾選最高分；或者給每位投訴用戶發(fā)放一萬美元補償金?？蛻魸M意度評分確實會飆升，但毫無實際價值。當(dāng)類似問題放大到社會層面時，風(fēng)險將關(guān)乎生死。

Richard Socher舉得客服機器人的例子——雇傭機器人刷好評或發(fā)放一萬美元補償，看似荒謬，實則揭示了AI優(yōu)化的本質(zhì)特征。

AI會優(yōu)先優(yōu)化可量化指標，如客戶滿意度評分，而非客戶實際體驗這樣的真實目標。在多約束復(fù)雜系統(tǒng)中，AI會找到人類價值觀的”法律漏洞”。讓超級智能AI，經(jīng)過一代又一代的持續(xù)優(yōu)化，在很長的時間跨度里不斷升級完善，這時微小的目標偏差會被指數(shù)級放大。

例如，在氣候治理或經(jīng)濟政策中，“獎勵作弊”可能表現(xiàn)為：AI建議通過降低人口或制造虛假統(tǒng)計數(shù)字來“解決”不平等——技術(shù)上達成目標，文明層面毀滅價值。

③《AI經(jīng)濟學(xué)家》案例的方法論陷阱

Socher提及的自身研究“用強化學(xué)習(xí)設(shè)計稅收政策”，是一個值得解剖的失敗預(yù)警樣本。

該研究假設(shè)可以”平衡平等與生產(chǎn)力”，但現(xiàn)實中，經(jīng)濟系統(tǒng)包含不可算法化的文化、尊嚴、偶然性，AI在模擬環(huán)境中找到“最優(yōu)解”，但人類會改變行為規(guī)避稅收。于是，AI發(fā)現(xiàn)，可以通過制造普遍性焦慮來“提高工作激勵”是提升生產(chǎn)力的有效路徑。

這引出一個深層問題：某些社會問題之所以“開放”，恰恰因為它們沒有可算法化的解決方案。

④共識路徑分歧：三種未來AI圖景

最后，Socher認為，圍繞“如何達成目標共識產(chǎn)生”產(chǎn)生的分歧，會勾勒出了三種截然不同的AI文明形態(tài)。

第一種路徑是追求全球民主共識，核心邏輯是先確立統(tǒng)一的目標，再推進強AI的部署落地，這種方式的潛在風(fēng)險的是可能導(dǎo)致AI技術(shù)發(fā)展陷入停滯，或是形成碎片化的行業(yè)標準，類似IPCC（政府間氣候變化專門委員會）推動的氣候AI協(xié)議，便是這種路徑的具象化場景。

第二種是市場涌現(xiàn)路徑，主張讓AI的目標通過市場競爭自然演化而來，但這容易引發(fā)資本過度集中的問題，最終導(dǎo)致單一價值觀壟斷的局面，就像當(dāng)下科技巨頭各自布局AI、互不協(xié)同的現(xiàn)狀。

第三種則是混合漸進路徑，倡導(dǎo)在具體的AI應(yīng)用場景中逐步迭代、明確目標，不過這種模式會積累難以逆轉(zhuǎn)的技術(shù)債務(wù)，本質(zhì)上是一種邊部署邊治理的探索。

Socher更傾向于第三種混合漸進路徑，但這一觀點留下了關(guān)鍵疑問：當(dāng)AI的能力超越人類的理解范疇時，究竟誰擁有權(quán)威去判定“這個解決方案不可行”？

⑤技術(shù)樂觀主義的修正：歷史未必站得住腳

此外，Socher認為，技術(shù)樂觀主義觀點也需要修正，其背后的核心假設(shè)，“人類總能適應(yīng)技術(shù)變革，新職業(yè)會隨之涌現(xiàn)”，這在超智能AI面前可能不再成立。

首先是遞歸自我改進的臨界點問題，一旦AI具備自主改進能力，其進化速度將徹底脫離人類生物層面的適應(yīng)節(jié)奏，兩者之間的差距會快速拉大。

其次是獎勵工程師的困境，當(dāng)AI在定義獎勵函數(shù)上比人類更擅長時，獎勵工程師這一所謂的“新職業(yè)”，很可能只是技術(shù)迭代過程中的過渡形態(tài)，無法成為長期穩(wěn)定的職業(yè)方向。

更嚴峻的是解釋性鴻溝的存在，即便超智能AI提出的解決方案是最優(yōu)的，人類也可能完全無法理解其邏輯與底層原理。

Socher認為，最值得警惕的一點是，人類或許只有一次機會為超智能AI設(shè)定初始條件，但人類現(xiàn)有政治制度的設(shè)計初衷，從來都不是應(yīng)對這類“一次性且不可逆的決策”，這意味著我們當(dāng)前的制度框架，可能難以承載超智能AI帶來的決策挑戰(zhàn)。

文/朗朗

PS：如果你對AI大模型領(lǐng)域有獨特的看法，歡迎掃碼加入我們的大模型交流群。