在硅谷，兩家名字發(fā)音幾乎完全相同的初創(chuàng)公司正在同時崛起：一家是Recursive AI（帶“e”），由著名的自然語言處理研究員Richard Socher創(chuàng)立，ju'chuan估值已達40億美元；另一家則是我們今天的主角——Ricursive Intelligence（帶“i”）。

2026年1月26日，Ricursive Intelligence正式宣布完成3億美元的A輪融資，由光速創(chuàng)投（Lightspeed）領投。這距離其由紅杉資本（Sequoia）領投種子輪并正式隱秘發(fā)布僅僅過去了兩個月。加上之前的資金，這家成立不足1年、員工不足 10 人的公司總融資額已達3.35億美元，投后估值直接飆升至40億美元（約合277.86億元人民幣）。

兩家公司，兩個相似的名字，兩個驚人的估值，卻指向了同一個硅谷終極夢想：遞歸自我進化（Recursive Self-Improvement）。即創(chuàng)造出一種AI，它能設計出更好的AI，進而設計出更強大的AI，如此循環(huán)往復，直到觸達通用人工智能（AGI）的奇點。

但與致力于軟件/模型層面的Recursive不同，Ricursive Intelligence選擇了更為硬核、更為底層的切入點：芯片。

兩位來自Google的女性創(chuàng)始人，Anna Goldie和Azalia Mirhoseini，正試圖用AI重寫摩爾定律的續(xù)章，將半導體行業(yè)從“無晶圓廠（Fabless）”時代推向“無設計（Designless）”時代。

今天這篇文章，希望對你有所啟發(fā)~

01

致命的錯配：

AI 進化的速度vs 芯片制造的龜速

在華爾街分析師不斷發(fā)出“AI 泡沫”預警的背景下，Ricursive 的融資速度堪稱瘋狂。要理解這 40 億美元的估值邏輯，我們需要先看懂當下 AI 產(chǎn)業(yè)面臨的最大瓶頸——非對稱的設計周期（Asymmetric Design Cycle）。

目前的 AI 發(fā)展存在一個巨大的時間錯配。AI 模型和算法的演進速度是以“周”甚至“天”為單位的。新的架構、新的激活函數(shù)、新的訓練方法層出不窮。

然而，承載這些模型的物理容器——芯片，其設計周期依然停留在此前的節(jié)奏，通常長達 2-3年，且動輒耗資數(shù)億美元。這意味著，當我們今天拿到最新的 NVIDIA 或 Google TPU 芯片時，它其實是為兩年前的 AI 模型架構設計的。

這種錯配導致了算力的極大浪費。硬件架構師們不得不去“猜測”兩三年后的 AI 模型需要什么樣的算力特征，而這種猜測往往是滯后的。

Ricursive 的核心價值主張在于：通過 AI 極大地加速芯片設計周期，使之與軟件模型的迭代速度同步。

Azalia Mirhoseini 在訪談中指出：

“目前我們無法實現(xiàn)真正的軟硬協(xié)同設計，因為芯片設計太慢了。但如果我們能將芯片設計周期從幾年壓縮到幾周甚至幾天，我們就能實現(xiàn)工作負載、應用程序和芯片的真正協(xié)同進化。”

這就是 Ricursive 所謂的“遞歸循環(huán)”：

更快的芯片設計 ——能夠為最新的 AI 模型定制硬件 ——運行更強大的 AI ——更強大的 AI 設計出下一代更完美的芯片。

這是一個完美的正反饋閉環(huán)，也是通往 AGI 的物理捷徑。

資本押注的，正是這套打破物理世界時間限制的魔法。

02

第 37 手時刻：

當 AI 像“外星人”一樣畫芯片

Ricursive 的技術并非憑空而來，它源自 Google 內部一個極具傳奇色彩的項目——AlphaChip。作為前 Google 研究員，兩位創(chuàng)始人早在 2018 年就開始嘗試用強化學習（RL）解決芯片設計中最復雜的“布局規(guī)劃”問題。

在圍棋界，AlphaGo 的“第 37手”因違背人類千年的定式而被載入史冊。在芯片設計領域，AlphaChip 同樣創(chuàng)造了這樣的時刻。

傳統(tǒng)的人類芯片設計師，受限于大腦處理復雜度的能力，傾向于使用“曼哈頓式”的布局——也就是像城市街道一樣整齊劃一的直線和方塊。這種設計美觀、可解釋、風險低。

然而，Ricursive 的 AI 展示出了超人類的創(chuàng)造力。Anna Goldie 描述道：

“AI 生成了彎曲的線條，甚至是甜甜圈形狀的宏單元布局。這些設計在人類看來完全是‘異類’，甚至是違反直覺的。”

人類設計師之所以不敢嘗試這種“彎曲”或“不規(guī)則”的布局，是因為風險極高——一旦失敗，意味著數(shù)億美元的流片費用打水漂。人類傾向于“足夠好”和“安全”的解。

但 AI 沒有恐懼。它只在乎物理極限和目標函數(shù)。通過這些看似怪異的“甜甜圈”和曲線布局，AI 成功地：

• 縮短了線長： 減少了信號傳輸?shù)奈锢砭嚯x。

• 降低了功耗： 更短的線路意味著更少的能量損耗。

• 優(yōu)化了時序違例： 解決了信號延遲問題。

這些“外星設計”最終被證明是優(yōu)越的，并被應用于 Google TPU v5e、v5p 和 Trillium 等四代芯片中。

AI 不僅是在模仿人類，它是在重新定義物理布局的規(guī)則。

03

從 Fabless 到 Designless

Ricursive Intelligence 的野心遠不止于做一個更好的 EDA 工具插件。她們提出了一個震動行業(yè)的概念：從 Fabless（無晶圓廠）到 Designless（無設計）。

幾十年前，半導體行業(yè)主要由 IDM（垂直整合制造）巨頭統(tǒng)治，如 Intel。直到臺積電的出現(xiàn)，通過代工模式將“制造”這一環(huán)節(jié)解耦，催生了 NVIDIA、AMD、Qualcomm等一批萬億市值的“Fabless”公司。這些公司在不擁有昂貴的晶圓廠的情況下設計芯片，并將生產(chǎn)外包給代工廠。

Ricursive 認為，歷史正在重演。這一次，被解耦的將是“設計”。

目前，AI 推理市場的規(guī)模已超過1000 億美元。無數(shù)公司——從 Meta 這樣的巨頭到新興的AI 獨角獸——都在為龐大的算力賬單買單。它們都渴望擁有像 Google TPU 或 AWS Trainium 那樣為自己業(yè)務量身定制的芯片，以降低成本、提高效率。

然而，門檻是絕望的。組建一支擁有數(shù)百甚至數(shù)千名芯片架構師和后端工程師的團隊，需要數(shù)年時間和天文數(shù)字的預算。

Ricursive 的愿景是：讓定制芯片不再是巨頭的特權。

“正如臺積電賦能了 NVIDIA 這樣的無晶圓廠公司，Ricursive 旨在賦能那些沒有內部設計團隊的高價值公司?！?/p>

在“Designless”模式下，一家AI 公司只需要提供其工作負載（比如特定的模型參數(shù)和數(shù)據(jù)流），Ricursive 的 AI 系統(tǒng)就能自動生成最優(yōu)的芯片藍圖，并直接對接代工廠。企業(yè)無需供養(yǎng)龐大的芯片設計團隊，就能享受到定制硅片帶來的性能紅利。

04

合成數(shù)據(jù)的“煉金術”

在面對 Synopsys 和Cadence 這樣擁有深厚行業(yè)積累的雙寡頭時，Ricursive 如何構建自己的技術護城河？答案在于數(shù)據(jù)，更確切地說，是合成數(shù)據(jù)。

在 B2B 領域，數(shù)據(jù)共享是一個死結。雖然 NVIDIA、AMD 或其他潛在客戶愿意與 Ricursive 合作，但芯片設計圖是核心商業(yè)機密，通過物理隔離來保護客戶隱私是底線。這意味著，Ricursive 不能簡單地把 A 客戶的數(shù)據(jù)拿來訓練模型去服務 B 客戶。

兩位創(chuàng)始人利用其在大型語言模型（LLM）領域的深厚背景（曾參與 Claude 和 Gemini 的相關工作），找到了一條破局之路。

Anna 和 Azalia 指出，解決數(shù)據(jù)饑渴的關鍵在于生成高質量的合成數(shù)據(jù)。

“合成數(shù)據(jù)可以生成比任何單一客戶所能提供的都要多出幾個數(shù)量級的訓練樣本?！?/p>

Ricursive 的 AI 系統(tǒng)可以在虛擬環(huán)境中構建數(shù)以億計的“虛擬芯片問題”，并通過自我對弈和模擬來尋找最優(yōu)解。這就像 AlphaZero 通過自我對弈學習圍棋，而不依賴人類歷史棋譜一樣。

這種方法不僅解決了隱私問題，更重要的是，它讓 AI 見識到了比所有人類歷史上設計過的芯片加起來還要多的案例。當 AI 見過所有的“錯誤”，它自然就能找到那條人類未曾發(fā)現(xiàn)的“正確”路徑。

05

芯片的寒武紀大爆發(fā)

Ricursive 并不是唯一看到這一機會的玩家。這個賽道已經(jīng)變得異常擁擠且昂貴。

• Recursive AI (Richard Socher): 同樣估值 40 億美元，但更側重于軟件代理。

• Unconventional AI (Naveen Rao): 同樣是“AI 硬件老兵”，去年 12 月融資4.75 億美元，也在研究“智能基板”。

• 傳統(tǒng) EDA 巨頭: Synopsys和 Cadence 也在瘋狂地將 AI 集成到現(xiàn)有工具流中。

但 Ricursive 的獨特之處在于其“端到端”的重構思維。她們不是在幫人類設計師“省力”，而是在讓 AI 接管方向盤。

創(chuàng)始人描繪了一幅令人向往的圖景——芯片的寒武紀大爆發(fā)。

當芯片設計的門檻被 AI 抹平，我們將看到針對各種細分場景的定制芯片涌現(xiàn)：

• 太空數(shù)據(jù)中心： 能夠適應極端溫度、輻射和電壓波動的特種芯片。

• AR/VR 設備： 極致低功耗、高算力的專用處理器。

• 邊緣計算： 甚至是你家冰箱、助聽器里的專用 AI 芯片。

“我們認為計算將變得無處不在，”Azalia 說道，“定制芯片將賦能這些體驗。”

Ricursive Intelligence 的故事，是硅谷極致技術理想主義的縮影。

從 Google 的實驗室到帕洛阿爾托的獨立辦公室，Goldie 和 Mirhoseini 正在用行動證明：設計芯片的最好方式，也許不再是依靠人類的大腦，而是依靠那些運行在芯片之上的智能。

當 AI 能夠設計出人類不敢想象的“甜甜圈”電路，當一家初創(chuàng)公司不需要招聘一個硬件工程師就能擁有自己的 TPU，當軟件和硬件終于在時間維度上同頻共振——我們也許真的站在了遞歸進化的起點。

人生只有四千周，而企業(yè)生存期更短，跨越10年經(jīng)營期的企業(yè)少之又少，企業(yè)要想有質量地活下去，活得更好更久，“極簡增長”就是看透并掌控事物本質的那個關鍵點。

選對了路，路就不會遠。盛景推出《極簡增長 立竿見影》在線課程，期望能夠幫助更多的企業(yè)走上增長道路。未來有多近，在于我們已經(jīng)走了多遠。未來有多遠，在于我們與誰同行。期待與你同行、共勉。

歡迎大家點擊底部【閱讀原文】觀看《極簡增長 立竿見影》的在線視頻課程，了解如何用極致簡單的增長方法論，實現(xiàn)快速增長。