田渊栋315亿创业：顶级AI科学家下场的底层逻辑

有这样一个创业故事：一位科学家在某家大公司做出顶级成果，之后决定自己干。他发了一封邮件，没有写BP，没有承诺薪资，更没有画饼——他只是说："我有一个大问题，跟我来。"

接着，25个跟他一样聪明的人，毫不犹豫地辞掉了工作。

然后，谷歌、英伟达、AMD排队往他账上打钱。

这不是科幻小说。这是田渊栋创业的剧本。

25个人一起辞职

2026年4月，前Meta AI研究总监田渊栋官宣创业。

公司名字很硬核：Recursive Superintelligence，中文翻译过来是"递归超级智能"，简称RSI。

更硬核的是他的创始团队：25名顶级研究人员和工程师，从Meta、Google Brain、DeepMind等机构集体离职，跟着他一起干。

25个聪明人一起跳船。这在AI行业不常见。

要知道，这些人在原公司的年薪包基本都是百万美元起步。一个"我要出去创业"的号召，能让这批人集体放弃高薪、放弃股票、放弃稳定——这不是靠画饼能实现的。

能实现这件事的，只有一种东西：信任。

田渊栋在Meta期间主导的研究成果有目共睹。做游戏AI出圈，搞通用推理框架，在深度学习理论方向持续输出高质量论文。他的团队核心成员大多跟着他干了三五年甚至更久。

共同战斗过的人，不需要BP。

那天传出消息后，一家顶级VC的合伙人在群里写了四个字："疯了，赶紧。"

RSI是什么？用最简单的话说清楚

"递归超级智能"这个名字不难理解。

递归的意思是"自己调用自己"。打个比方：一个AI系统，它的核心能力不是完成某个具体任务，而是"研究如何让AI变得更聪明"。等它把自己弄聪明了，再继续研究"如何变得更更聪明"——这就是递归。

超级智能更好理解：超越人类水平的通用智能。

合在一起，RSI要做的事情就是：造一个能够自主发现知识、自我迭代进化的AI系统，最终达成超级智能。

注意关键词：自主发现知识。

市面上大部分AI公司做的是"用人类已有的数据训练模型"。ChatGPT再厉害，也是在人类产出的语料上学习的。田渊栋想跳脱这个框架——让AI自己去"发现"这个世界的规律，而不是由人类喂给它。

这个想法不是空穴来风。田渊栋的团队多年来一直在探索"AI自主推理"方向，在NeurIPS、ICML等顶会上发了大量相关工作。选择这个方向创业，不是拍脑袋，而是多年的学术积累自然走向商业化。

但问题来了：这件事太酷了，也太难了。

难到什么程度？OpenAI的愿景也是AGI，但人家烧了几百亿美元，现在还在说"需要更多数据、更多算力"。田渊栋想做的是比AGI更激进的事情——你要AI不是学会人类的已有知识，而是"去发现人类还没发现的知识"。

这种级别的事，能拿到投资吗？

能。而且一拿就是顶尖科技巨头的钱。

为什么谷歌英伟达AMD一起投

田渊栋这轮融资，谷歌、英伟达、AMD三家同时入局，估值315亿。

315亿人民币是什么概念？中国AI独角兽中，做到这个估值的屈指可数。一个刚刚成立的公司，凭什么？

答案是：科学家的"信用背书"。

科技巨头投一个项目，跟普通VC的逻辑不完全一样。VC要看回报率，5年3倍、10年10倍。但科技巨头的战略投资部，优先看的是：这个人做的事，跟我们有什么关系？

谷歌投田渊栋，切入点很清晰。Google DeepMind一直在做通用AI方向，田渊栋的RSI方法论可以跟DeepMind形成互补——或者说，是一个潜在的威胁。与其让这个团队独立发展成对手，不如先投进去，保持关系。

英伟达的逻辑更直接。任何做超级智能的团队，都需要海量算力。田渊栋的路线用的是什么算力？n卡。英伟达投一家公司，本质上就是锁定未来的算力需求。315亿估值看起来很贵，但跟几万亿美元的市值比，这只是买了一张"未来算力需求优先供给"的入场券。

AMD的逻辑跟英伟达类似，只是心态更急迫。AMD在AI训练卡上长期被英伟达压制，需要抓一切可能的生态窗口。田渊栋团队如果能验证一套不依赖CUDA的推理框架——哪怕只是理论验证——对AMD来说都是巨大的战略价值。

三家巨头各有算盘，但投的是同一个人。

你不是在投资一个项目，你是在投资一个"定义问题"的人。

普通创业者学什么？先定义问题，再搭建团队，最后才想钱

把田渊栋的创业路径拆解一下，你会发现它的顺序跟普通人完全相反。

普通创业者： 想做一个方向 → 发现自己缺钱 → 找投资人 → 用投资人的人脉凑团队 → 干活。

田渊栋的路径： 我有一个大问题要解决（"让AI自主发现知识"） → 找到认同这个问题的一流人才（25名顶级研究人员） → 告诉投资人"我们在做这件事" → 钱找上门。

这不是性格差异，这是思维方式差异。

很多创业者问的第一个问题是"我想做什么"。这没有错，但不够好。更好的问题是："为什么这件事只有我能做？"

田渊栋能做RSI，是因为他过去十年一直在做相关研究，他有一流的学术声誉，他有一支合作多年的团队。这三个条件，换一个人做不到。

如果你是一个普通创业者，你没有学术声誉，没有大厂资源，你的起点完全不一样——但逻辑是一样的。

想想看：你能不能找到一个"你有独特优势、别人很难复制"的问题？

不一定是"造超级智能"。可以是"我很懂这个行业"、"我有特别的供应链资源"、"我对这个用户群体有独特理解"。找那个你比别人多走一步的地方，那一步就是你创业的起点。

而不是反过来：看什么赛道热，就冲进去，然后发现自己谁都不认识、什么都没准备好。

为什么科学家创业越来越多了？

田渊栋不是孤例。

李飞飞做空间智能，杨立昆（Yann LeCun）也发表过对AGI路径的独立观点，吴恩达在AI教育创业……顶级AI科学家下场创业，正在成为一个趋势。

原因很朴素。

第一，AI走到今天，理论突破的窗口正在打开。 过去十年，AI进步主要靠"大力出奇迹"——更多的数据、更大的模型、更贵的算力。现在靠堆数据的老路快到天花板了，谁能在"方法论"上取得突破，谁就有下一轮的主导权。科学家们坐不住了。

第二，资本市场愿意为"极客式"创业买单。 硅谷的投资哲学正在回归：相比"我找到一个很好的商业模式"，投资人更愿意投"我有一群最聪明的人，在解决一个最难的问题"。田渊栋的315亿估值，是对"聪明人+大问题"这个组合的定价。

第三，大公司留不住顶级大脑。 当一个人的认知已经超越了他所在机构的天花板，离开是必然的。田渊栋在Meta可以做前沿研究，但要做"自主发现知识"这个级别的探索，公司的边界限制了想象力。出来干，是唯一的选择。

能做成吗？

说实话，没人知道。

RSI这条路，理论上有支撑，但实践上极度挑战。它需要同时在算法理论、系统架构、算力调度等多个维度取得突破，任何一个环节断掉，整个闭环就无法形成。

但换个角度想：如果这件事好做，早就有人做了。

如果好做，谷歌不会只是投钱，而是会做自己的RSI。英伟达不会只是入局，而是会把核心团队押上去。

正是因为这件事太难了，才值得田渊栋这样的人去做。

一个人这样选择是豪赌。

一个团队这样选择，是一种信仰。

当三个科技巨头都选择为这种信仰买单的时候——也许，这就是下一代AI的起点。

就算最终没有走到超级智能，RSI的探索过程本身，也会留下极其宝贵的方法论遗产。

在这个意义上，田渊栋已经赢了。