Noong 1956, nagtipon ang isang grupo ng mga siyentipiko sa Dartmouth para sa unang pagkakataon na pormal na pag-usapan ang “kaya bang isipin ng mga makina.” Naniniwala silang maaaring lutasin ang tanong na ito sa loob ng isang tag-init.
Sa loob ng pitong dekada, ang tanong na ito ay patuloy na walang sagot. Ngunit may isang kumpanya, na itinatag lamang apat na buwan ang nakalipas, na nakakuha ng $500 milyon na pagsasakatuparan at may halagang $4 bilyon—dahil sa pagpapahayag nito na natuklasan nito ang isang paraan upang turuan ang AI na magawa ang sarili nitong pag-aaral at mag-ebolusyon nang sarili nito.
Ang kompanya ay tinatawag na Recursive Superintelligence.
Pinangunahan ng Google Ventures (GV) at kasama ng NVIDIA. Hindi kailangang ipaliwanag ang posisyon ng dalawang kumpanya sa ecosystem ng AI. Kapag nagkaisa sila upang mag-invest sa isang startup na hindi pa naglalabas ng produkto, ang kanilang lohika ay值得仔细分析。
01「Palitan ang tao sa siklo»
Una muna nating ipaliwanag kung ano ang ginagawa ng Recursive Superintelligence.
Itinatag ng dating pangunahing siyentipiko ng Salesforce, Richard Socher, at mula sa Google DeepMind at OpenAI ang pangunahing koponan. Hindi ito kakaibang kombinasyon—sa nakaraang dalawang taon, ang mga inhinyero at mga mananaliksik na umalis mula sa mga pinakamataas na laboratorio upang magtatag ng sariling negosyo, ay naging isang malinaw na alon.
Hindi si Socher ang karaniwang founder na 'nagpapalakas ng resume' mula sa malalaking kumpanya sa Silicon Valley. Ipinanganak siya sa Germany noong 1983, at nag-aral sa Stanford University sa ilalim ng mga unang tagapagtaguyod ng AI na si Andrew Ng at ang eksperto sa NLP na si Christopher Manning, at natapos ang kanyang doktorado noong 2014, kung saan natanggap niya ang pinakamahusay na doktoradong papel sa Department of Computer Science ng Stanford noong taong iyon.
Si Richard Socher ay isa sa mga pangunahing tao na dinala ang mga paraan ng neural network sa larangan ng natural language processing—ang kanyang mga maagang pag-aaral tungkol sa word vectors, context vectors, at prompt engineering ay direktang nagtatag ng teknikal na pundasyon ng kasalukuyang mga modelo tulad ng BERT at GPT, na may higit sa 180,000 na pag-angkat sa Google Scholar.
Noong taong kumpleto ang kanyang doktorado, itinatag niya ang AI startup na MetaMind, at dalawang taon pagkatapos ay kinuha siya ng Salesforce sa pamamagitan ng strategic acquisition. Pagkatapos ay nagpatnubay siya sa AI strategy ng Salesforce bilang Chief Scientist at Executive Vice President nang ilang taon, na nagpatupad ng mga enterprise-grade AI product line tulad ng Einstein GPT.
Pagkatapos lumabas mula sa Salesforce, itinatag niya ang AI search engine na You.com noong 2020, at nakamit ang C-round funding noong 2025 na may valuation na $1.5 bilyon. Sa pagkakataong ito, binago niya ang pansin mula sa paghahanap patungo sa mas pangunahing paksa.
Ang Thinking Machines Lab, Safe Superintelligence, Ineffable Intelligence, Advanced Machine Intelligence Labs… bawat isa ay lumalabas na may label na “nagmula sa pangunahing koponan ng mga modelong pangunahing XX,” at bawat isa ay nag-uulat ng isang “sunod na henerasyon ng AI.”
Ngunit ang pagpasok ng Recursive ay mas agresibo kaysa sa karamihan sa kanilang mga katulad.
Ang pangunahang pahayag nito ay ang “self-learning AI”—hindi lamang paggawang mas matalino ang AI sa pagpapaliwanag ng mga tanong, kundi pagpapahintulot sa AI na makumpleto ang buong proseso ng pananaliksik: pagbuo ng hipotesis, pagdisenyo ng eksperimento, pag-evaluate ng mga resulta, at pag-itera ng direksyon. Sa ibang salita, nais nito na tanggalin ang buong loop mula sa mga human researcher.
Hindi ito isang bagong direksyon, ngunit isinama ng Recursive ito sa isang napakatotoo na negosyong lohika. Ngayon, ang taunang sahod ng mga pinakamataas na researcher sa AI ay umabot sa $15 milyon hanggang $20 milyon; kung ang isang sistema ay kayang gawin ang parehong trabaho nang mas mura at mas mabilis, ang ekonomikong modelo ng pinakamataas na pag-aaral ay magbabago nang buong-buo.
Nakikita ng mga investor ang lohikang ito. Ang round ng pagsasapalaran ay inireport na sobra ang pagkakataon, at ang huling sukat ay maaaring umabot sa $1 bilyon.
02 Parehong nag-invest ang Google at NVIDIA
Ang GV ang pangunahang investor, habang ang NVIDIA ay sumali bilang secondary investor. Ang kombinasyon ng mga investor na ito ay isang signal sa sarili nito.
Madali maintindihan ang lohika ng Google. Mahalagang tagapag-eksplor sa direksyong „AI for Science“ ang DeepMind sa loob ng maraming taon, ang AlphaFold ay nalutas ang problema ng protein folding, at ang AlphaGeometry ay nakalaban sa mga pinakamahusay na human competitor sa matematika.
Ngunit ang landas ng DeepMind ay ang paggamit ng AI para lutasin ang mga partikular na scientific na problema, habang ang Recursive ay nagnanais gawin ang mas pangunahing bagay—pagpapahintulot sa mga AI system na mag-advance nang sarili sa proseso ng scientific discovery. Para sa Google, ito ay parehong kompetisyon at isang worth-it na hedge.
Mas mahalaga pa, sa simula ng buwang ito, ang Google ay nag-anunsyo ng isang pagkakasundo sa pagtatrabaho kasama ang Intel para sa maraming henerasyon ng AI infrastructure. Ito ay nagpapakita na ang pagpaplano ng Google sa antas ng AI infrastructure ay nagpapabilis nang buong-pusong. Ang pag-invest sa Recursive ay isang piraso sa malaking laruan—nais ng Google na may bahagi sa anumang modelo na makakarating sa unahan.
Ang lohika ni NVIDIA naman ay mas direkta. Ang pangunahing hadlang sa self-learning AI ay hindi ang algorithm, kundi ang computing power. Kung ang AI ay kailangang mag-run ng sariling eksperimento at i-iterate ang mga modelo, ang sukat ng GPU cluster na kailangan ay lalago nang eksponensyal. Ang pag-invest ni NVIDIA sa Recursive ay, sa ilang paraan, isang pag-invest sa kanilang sariling mga order sa hinaharap.
Nagkakasabay ang dalawang kumpanya sa kanilang pagkilos, at naglalabas din ito ng isang mas subtil na signal—ang track na ito, ay maaaring nasa antas na 'hindi mo na kailangang i-invest kung ayaw mong mawalaan'.
03 Ang pagtataya ng 4 bilyon sa loob ng apat na buwan, ba ay makatwiran?
Ipinapalagay na kapag unang nakikita ng lahat ang bilang na $4 bilyon, ang unang reaksyon ay “Ulit ulit na ‘to.”
Ang bubble ng pagbabahagi ng mga startup na may AI ay hindi na bagong paksa sa loob ng dalawang taon. Isang PDF, isang demo, ilang slide, at ilang pangalan mula sa mga top lab ay sapat upang mag-activate ng ilang daan-daang milyon dolyar—ito ay hindi na kuwento sa Silicon Valley at London, kundi araw-araw na katotohanan.
Ngunit kapag tinitingnan nang mabuti ang sitwasyon ng Recursive, may ilang punto na iba sa karaniwang 'PPT Unicorn'.
Una, ang bigat ng founding team. May totoong akademikong karanasan si Richard Socher sa larangan ng NLP, hindi lamang batay sa "nakaraang malalaking kumpanya" na光环. Ang karanasan ng core team sa DeepMind at OpenAI ay nangangahulugan na sila ay direktang nakakasalubong sa mga hamon ng pinakamodernong pag-aaral.
Pangalawa, ang katotohanan na sobra ang pagkakautang. Ibig sabihin nito, mas malaki ang demand ng merkado kaysa sa suplay, at ang mga investor ay naghahabol na pumasok, hindi na pinagsasabihan na pumasok.
Ngunit ang pagpapahalaga sa $4 bilyon para sa isang kumpanya na apat na buwan lamang at walang publikong produkto ay batay sa mga inaasahan, hindi sa katotohanan. Ito ay pagsisilbing magbayad para sa isang direksyon, hindi para sa isang produkto o kita.
Ang ganitong lohika sa pagtatakda ng presyo ay nagsisigla sa panahon ng AI, na nagmumula sa malalim na takot ng mga investor na mawawala ang susunod na OpenAI. Noong panahon ng Safe Superintelligence, nakakuha ito ng napakataas na valuation nang walang malaking produkto—ang pangalan ni Ilya Sutskever ang pinakamalakas na aset.
Ang Recursive ay nagkopya ng parehong path. Ito ay hindi isang kritika, kundi isang obhetibong obserbasyon.
04 「Self-Learning」Ang pinto na ito, ano ang nasa likod nito
Ang pangalan na Recursive Superintelligence ay naglalahad nang malinaw ng ambisyon ng kumpanya.
Ang "Recursive" ay nangangahulugan ng pagpapaulit-ulit. Sa kompyuter na agham, ang pagpapaulit-ulit ay isang istruktura kung saan ang isang punsiyon ay tumatawag sa sarili nito, at ito ay ang pangunahing mekanismo sa maraming kumplikadong algoritmo. Sa konteksto ng pag-aaral ng AI, ang "Recursive Superintelligence" ay nagpapahiwatig ng isang sistema na nakakapag-optimize ng sarili nito nang patuloy at nakakapag-usbong sa isang spiral.
Hindi bagong konsepto ito; ang extremo nito ay ang "inteligenteng eksplosyon"—isang sistema na, matapos makalampas sa isang kritikal na punto, ay makakapag-automatikong mabilisin ang sariling pag-unlad at makakamit ang isang antas ng inteligensya na hindi makakaintindihan ng tao. Ito ay isa sa mga pangunahing pag-aalala sa larangan ng AI safety sa matagal nang panahon.
Ngunit ang ginagawa ng Recursive ay hindi pa napapalapit sa anteng ito. Mas realistiko ang pag-unawa na ito ay sinusubukang bumuo ng isang sistema na makakapagpapatakbo ng sarili nito sa isang siklo ng agham na pag-aaral, na layunin ang malaking pagbawas sa gastos sa paggawa at oras sa pag-aaral ng AI.
Kung talagang makakagawa ito, ang epekto ay hindi magiging limitado sa larangan ng AI. Ito ay nangangahulugan na ang pag-aaral ng gamot, material science, pisika, at iba pang larangan ay maaaring makarating sa isang yugto kung saan maaaring mabilis na maunlad nang walang pakikilahok ng mga siyentipiko.
Siyempre, ito ay patuloy na «kung».
Ang distansya mula sa paghahayag hanggang sa pagkamit, sa industriya ng AI, ay hindi laging linyar.
05 Logika ng alon
Mula sa ikalawang kalahati ng 2025, isang paglalakbay ng pagtatatag ng negosyo mula sa mga lider na laboratorio ang patuloy na dumadami. Thinking Machines Lab, Safe Superintelligence, Ineffable Intelligence…… ang listahang ito ay patuloy na lumalawak.
Recursive ay ang pinakabagong at kasalukuyang pinakamataas na value sa takip na ito.
Ang mga structural na dahilan sa likod ay simpleng simple—ang pakikidigma ng OpenAI, Anthropic, at Google DeepMind ay ginawa nang lubos na katulad ng mga korporasyon ang mga pangunahing laboratorio, may KPI, may compliance, may pulitika.
Ang mga researcher na talagang gustong magtaya sa pinakamalikhaing direksyon ay mas nagsasabing mas libre sila kung magtatrabaho sila nang mag-isa.
Samantala, pinapalakas din ng lohika ng kapital na merkado ang trend na ito. Para sa mga pangunahing researcher na may suporta ng malalaking kumpanya, ang kasalukuyang panahon para mag-start ng negosyo ay maaaring ang pinakamahusay na panahon sa kasaysayan—mas handa ang mga investor na magbayad para sa «direksyon» kaysa kailanman.
Ang pinakamahalagang tanong sa alon na ito ay hindi "Sino ang magiging tagumpay", kundi "Ano ang kahulugan ng tagumpay"?
Kung patunayan ng Recursive ang pagkakaroon ng kakayahang magkatuto ang AI, ito ay magbabago sa pangunahing paraan ng pag-aaral ng AI. Kung hindi ito matagumpay, matatirang isang iba pang napakalaking pangako na nagustuhan nang masyado pagkatapos maubos ang $500 milyon na pondo.
Ang parehong posibilidad ay totoo.
Apat na buwan, $4 bilyon na valuation—ang numero na ito ay nakakaligaya at nakakabahala. Sa kasalukuyang pag-unlad ng arms race sa AI, kahit ang “paano gawin ang pag-aaral” ay naging larangan ng kompetisyon na mismo.
Nilalayon ng ilan na gamitin ang AI para sagutin ang isang tanong na pinagbubuhatan ng mga siyentipiko sa Dartmouth sa buong tag-araw—gamitin ang AI para pag-aralan ang AI, at pumunta nang rekursibo patungo sa superinteligensya.
Wala talagang alam kung saan nagtatapos ang daan na ito. Ngunit malinaw na desisyon ng Google at NVIDIA na huwag mawala, anuman ang matutuklasan.