兩個女人，2個月，估值280億

在硅谷，兩家名字發音幾乎完全相同的初創公司正在同時崛起：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的女性創始人，Anna Goldie和Azalia Mirhoseini，正試圖用AI重寫摩爾定律的續章，將半導體行業從“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~

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 產業面臨的最大瓶頸——非對稱的設計周期（Asymmetric Design Cycle）。

目前的 AI 發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、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奏，通常長達 2-3年，且動輒耗資數億美元。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：

“目前我們無法實現真正的軟硬協同設計，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，我們就能實現工作負載、應用程序和芯片的真正協同進化。”

這就是 Ricursive 所謂的“遞歸循環”：

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，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 同樣創造了這樣的時刻。

傳統的人類芯片設計師，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“不規則”的布局，是因為風險極高——一旦失敗，意味著數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。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： 減少了信號傳輸的物理距離。

• 降低了功耗： 更短的線路意味著更少的能量損耗。

• 優化了時序違例： 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的概念：從 Fabless（無晶圓廠）到 Designless（無設計）。

幾十年前，半導體行業主要由 IDM（垂直整合制造）巨頭統治，如 Intel。直到臺積電的出現，通過代工模式將“制造”這一環節解耦，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 推理市場的規模已超過1000 億美元。無數公司——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。組建一支擁有數百甚至數千名芯片架構師和后端工程師的團隊，需要數年時間和天文數字的預算。

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。”

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和數據流），Ricursive 的 AI 系統就能自動生成最優的芯片藍圖，并直接對接代工廠。企業無需供養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

合成數據的“煉金術”

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

在 B2B 領域，數據共享是一個死結。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 客戶的數據拿來訓練模型去服務 B 客戶。

兩位創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，解決數據饑渴的關鍵在于生成高質量的合成數據。

“合成數據可以生成比任何單一客戶所能提供的都要多出幾個數量級的訓練樣本。”

Ricursive 的 AI 系統可以在虛擬環境中構建數以億計的“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現的“正確”路徑。

05

芯片的寒武紀大爆發

Ricursive 并不是唯一看到這一機會的玩家。這個賽道已經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 EDA 巨頭: Synopsys和 Cadence 也在瘋狂地將 AI 集成到現有工具流中。

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。

創始人描繪了一幅令人向往的圖景——芯片的寒武紀大爆發。

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：

• 太空數據中心： 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，而企業生存期更短，跨越10年經營期的企業少之又少，企業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走上增長道路。未來有多近，在于我們已經走了多遠。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，實現快速增長。