Recursive Superintelligence собрал $650 млн на ИИ для ИИ
$650 млн на старте. Ричард Сочер, бывший глава You.com и один из самых заметных исследователей ИИ из старой волны, запускает Recursive Superintelligence. Задача у компании амбициозная даже по меркам индустрии, которая давно перестала стесняться громких формулировок: построить систему, способную улучшать саму себя без постоянного участия человека.
Если убрать красивую упаковку, ставка сделана на автоматизацию самого дорогого и медленного участка ИИ-гонки, а именно исследований. Не просто попросить модель переписать код, а замкнуть весь цикл: найти слабое место, выдвинуть гипотезу, собрать вариант улучшения, прогнать проверку и сохранить удачные изменения. У DeepMind похожая логика уже сработала в играх через self-play, а у OpenAI и Anthropic автоматизация давно съедает всё больше внутренней исследовательской рутины. Сочер хочет довести эту идею до уровня лаборатории, где ИИ становится собственным младшим, а затем и старшим научным сотрудником.
Что делает Recursive Superintelligence
Компания описывает свой подход как «рекурсивное самоулучшение». Модель должна сама находить свои ограничения, предлагать способ их обойти, тестировать результат и при необходимости менять собственную архитектуру. Это одна из старых мечт ИИ-исследований, о которой говорят десятилетиями, но реальных систем такого класса индустрия до сих пор не показала.
Отдельный акцент сделан на «открытой эволюции систем». Идея простая: не держать модель внутри фиксированного набора задач, а заставить её постоянно адаптироваться в среде конкуренции, где другие модели атакуют, ломают и вынуждают искать новые стратегии. По сути, это перенос биологической эволюции и self-play в разработку ИИ. Метод знакомый. AlphaGo и AlphaZero росли именно на игре против самих себя, только Сочер пытается применить тот же принцип не к шашкам и го, а к самим исследованиям.
Звучит как научная фантастика, но экономическая логика у проекта приземлённая. Сегодня главный дефицит в ИИ не идеи и даже не деньги, а люди, которые умеют превращать одно в другое. Если часть исследовательского цикла реально автоматизировать, следующее бутылочное горлышко быстро сместится к вычислениям. И это хорошо совпадает с тем, как уже живут крупные лаборатории, где стоимость одного тренировочного прогона давно измеряется миллионами долларов.
Кто работает в команде Recursive Superintelligence
Сочер собрал состав, который инвесторы любят почти так же сильно, как слово «AGI». В команде есть бывшие исследователи Google DeepMind и OpenAI, включая Тима Роктешеля, занимавшегося самообучением и «открытыми мирами», а также Джоша Тобина, одного из участников развития Codex. Для рынка это сигнал понятный: проект пытается выглядеть не как ещё один интерфейс к чужой модели, а как полноценная исследовательская лаборатория.
У Сочера есть и собственный кредит доверия. Ещё до You.com он основал MetaMind, которую Salesforce купила в 2016 году. Это важная деталь, потому что нынешний бум переполнен основателями, умеющими хорошо продавать мечту, но не всегда способными довести сложную ИИ-команду до работающего продукта. Здесь хотя бы есть человек, который уже проходил оба этапа.
Когда выйдет первый продукт Recursive Superintelligence
Сочер обещает коммерческий релиз «через кварталы, а не годы». Это прагматичный ход. Инвесторы больше не готовы бесконечно финансировать чистую науку под рассказы о далёком сверхинтеллекте. После бума 2023-2025 годов рынок быстро научился задавать неприятный вопрос: где выручка. Поэтому Recursive Superintelligence с самого начала продаёт себя как лабораторию с продуктовым выходом, а не как клуб по обсуждению будущего человечества.
Скорее всего, первым появится не «самоулучшающийся разум» в полном смысле, а инструмент для автоматизации отдельных кусков R&D: генерации экспериментов, оценки архитектур, поиска ошибок в обучении или внутреннего red teaming. Так стартапу будет проще показать метрики и не утонуть в собственных обещаниях. Полностью автономный цикл исследований звучит эффектно, но индустрия обычно приходит к таким вещам через скучные промежуточные версии.
Если компания уложится в собственный график, первый продукт выйдет до конца 2026 года.
