ในปี 1956 นักวิทยาศาสตร์กลุ่มหนึ่งได้รวมตัวกันที่ดาต์มัธ ในการอภิปรายอย่างเป็นทางการครั้งแรกเกี่ยวกับคำถามว่า “เครื่องจักรสามารถคิดได้หรือไม่” พวกเขาเชื่ออย่างมีความหวังว่าจะสามารถแก้ปัญหานี้ภายในหนึ่งฤดูร้อน
หลังจากเจ็ดสิบปี คำถามนี้ยังไม่มีคำตอบ แต่มีบริษัทหนึ่งที่เพิ่งก่อตั้งมาสี่เดือน ได้รับการระดมทุน 5 พันล้านดอลลาร์สหรัฐ และมีมูลค่าบริษัทถึง 40 พันล้านดอลลาร์สหรัฐ—เพียงเพราะอ้างว่าพบทางให้ AI สามารถศึกษาค้นคว้าและพัฒนาตัวเองได้
บริษัทนี้ชื่อ Recursive Superintelligence
GV ของ Google นำการระดมทุน โดย NVIDIA ร่วมลงทุน ตำแหน่งของทั้งสองบริษัทในระบบนิเวศ AI ไม่จำเป็นต้องอธิบายเพิ่มเติม การที่พวกเขาร่วมกันลงทุนในบริษัทสตาร์ทอัพที่ยังไม่เปิดเผยผลิตภัณฑ์เลย แสดงถึงตรรกะที่ควรพิจารณาอย่างละเอียด
01 「ย้ายคนออกจากวงจร»
มาพูดถึงกันก่อนว่า Recursive Superintelligence กำลังทำอะไรอยู่
บริษัทนี้ก่อตั้งโดย Richard Socher อดีตหัวหน้านักวิทยาศาสตร์ของ Salesforce โดยทีมหลักมาจากการทำงานที่ Google DeepMind และ OpenAI นี่ไม่ใช่การรวมตัวที่แปลกใหม่—ในสองปีที่ผ่านมา วิศวกรและนักวิจัยจากห้องปฏิบัติการชั้นนำได้ก่อตั้งสตาร์ทอัพเป็นคลื่นที่ชัดเจน
โซเชอร์ไม่ใช่ผู้ก่อตั้งประเภทที่พบบ่อยในซิลิคอนแวลลีย์ ซึ่งมักมาจากบริษัทใหญ่เพื่อเสริมประสบการณ์ เขาเกิดในปี 1983 ที่เยอรมนี และศึกษาภายใต้ Andrew Ng ผู้บุกเบิกด้านปัญญาประดิษฐ์ และ Christopher Manning ผู้เชี่ยวชาญด้าน NLP ที่มหาวิทยาลัยสแตนฟอร์ด โดยเสร็จสิ้นวิทยานิพนธ์ปริญญาเอกในปี 2014 และได้รับรางวัลวิทยานิพนธ์ปริญญาเอกดีเด่นของภาควิชาคอมพิวเตอร์ของสแตนฟอร์ดในปีนั้น
ริชาร์ด โซเชอร์ เป็นหนึ่งในบุคคลสำคัญที่นำวิธีการเครือข่ายประสาทเข้าสู่การประมวลผลภาษาธรรมชาติอย่างแท้จริง—งานวิจัยในช่วงต้นของเขาเกี่ยวกับเวกเตอร์คำ เวกเตอร์บริบท และการสร้างคำแนะนำ ได้สร้างรากฐานทางเทคนิคโดยตรงสำหรับโมเดล BERT และ GPT รุ่นต่างๆ ปัจจุบันมีการอ้างอิงบน Google Scholar มากกว่า 180,000 ครั้ง
ในปีที่เขาสำเร็จการศึกษาด้านปริญญาเอก เขาได้ก่อตั้งบริษัทสตาร์ทอัพด้าน AI ชื่อ MetaMind และสองปีต่อมาถูก Salesforce ซื้อกิจการด้วยกลยุทธ์ หลังจากนั้นเขาได้รับตำแหน่งหัวหน้านักวิทยาศาสตร์และรองประธานฝ่ายปฏิบัติการ นำกลยุทธ์ด้าน AI ของ Salesforce เป็นเวลาหลายปี และเป็นผู้รับผิดชอบในการนำผลิตภัณฑ์ AI ระดับองค์กร เช่น Einstein GPT มาใช้งาน
หลังจากออกจาก Salesforce เขาได้ก่อตั้งเครื่องมือค้นหา AI ชื่อ You.com ในปี 2020 และเสร็จสิ้นการระดมทุนรอบ C ในปี 2025 ด้วยมูลค่าบริษัท 1.5 พันล้านดอลลาร์สหรัฐ ครั้งนี้ เขาหันความสนใจจากงานค้นหาไปสู่หัวข้อพื้นฐานกว่า
Thinking Machines Lab, Safe Superintelligence, Ineffable Intelligence, Advanced Machine Intelligence Labs... ทุกบริษัทล้วนอ้างว่าเป็นทีมแกนหลักของโมเดลขนาดใหญ่ชั้นนำก่อนหน้า และทุกบริษัทต่างเล่าเรื่องราวเกี่ยวกับ "AI รุ่นถัดไป"
แต่จุดเริ่มต้นของ Recursive นั้นรุนแรงกว่าคู่แข่งส่วนใหญ่
แก่นหลักของมันคือ “AI ที่เรียนรู้ด้วยตัวเอง” — ไม่ใช่แค่ทำให้ AI ตอบคำถามได้ฉลาดขึ้น แต่ให้ AI สามารถดำเนินกระบวนการวิจัยทางวิทยาศาสตร์ทั้งหมดด้วยตัวเอง: ตั้งสมมติฐาน ออกแบบการทดลอง ประเมินผล และปรับทิศทางซ้ำๆ พูดอีกแบบคือ มันต้องการถอดถอนนักวิจัยมนุษย์ออกจากวงจรนี้อย่างสมบูรณ์
นี่ไม่ใช่ทิศทางใหม่ แต่ Recursive ได้นำมันมาใส่ไว้ในตรรกะทางธุรกิจที่เป็นรูปธรรมมากที่สุด ตอนนี้นักวิจัย AI ชั้นนำมีรายได้ประจำปีอยู่ที่ 15 ถึง 20 ล้านดอลลาร์สหรัฐ หากระบบหนึ่งสามารถทำงานเดียวกันนี้ได้ด้วยต้นทุนต่ำกว่าและเร็วกว่า แบบจำลองทางเศรษฐกิจของการวิจัยขั้นสูงจะถูกเขียนใหม่ทั้งหมด
นักลงทุนเห็นชัดเจนถึงตรรกะนี้ การระดมทุนรายงานว่าได้รับความสนใจเกินความต้องการ และขนาดสุดท้ายอาจแตะระดับ 1 พันล้านดอลลาร์
02 จูเกิลและนีวิดีอาลงทุนพร้อมกัน
GV นำการลงทุน และ NVIDIA ร่วมลงทุน การจัด組นักลงทุนนี้เองก็เป็นสัญญาณอย่างหนึ่ง
ตรรกะของ Google ไม่ยากที่จะเข้าใจ DeepMind ตลอดหลายปีที่ผ่านมาเป็นผู้บุกเบิกที่สำคัญที่สุดในทิศทาง “AI for Science” AlphaFold แก้ปัญหาการพับโปรตีน AlphaGeometry ชนะนักเรียนระดับแนวหน้าของมนุษย์ในการแข่งขันคณิตศาสตร์
แต่เส้นทางของ DeepMind คือการใช้ AI เพื่อแก้ปัญหาทางวิทยาศาสตร์ที่เฉพาะเจาะจง ในขณะที่ Recursive ต้องการทำสิ่งที่ลึกกว่านั้น—คือทำให้ระบบ AI สามารถขับเคลื่อนกระบวนการค้นพบทางวิทยาศาสตร์ด้วยตัวเอง ซึ่งเป็นทั้งการแข่งขันและโอกาสในการกระจายความเสี่ยงที่น่าลงทุนสำหรับ Google
更重要的是，就在本月初，Google 刚刚与 Intel 宣布了多代 AI 基础设施的合作协议 นี่แสดงให้เห็นว่าการจัดวางโครงสร้างพื้นฐานด้าน AI ของ Google กำลังเร่งความเร็วอย่างครอบคลุม การลงทุนใน Recursive เป็นเพียงหนึ่งหมากในแผนการใหญ่นี้—Google ต้องการมีส่วนร่วมในโมเดลที่วิ่งนำหน้าที่สุด
เหตุผลของนิวไดอาเป็นแบบตรงไปตรงมา hơn ข้อจำกัดหลักของ AI ที่เรียนรู้ด้วยตัวเองไม่ใช่อัลกอริทึม แต่คือพลังการประมวลผล หาก AI ต้องรันการทดลองและปรับปรุงโมเดลด้วยตัวเอง ขนาดของคลัสเตอร์ GPU ที่จำเป็นจะเพิ่มขึ้นแบบเลขชี้กำลัง การลงทุนของนิวไดอาใน Recursive ในบางแง่คือการลงทุนในคำสั่งซื้อในอนาคตของตัวเอง
ทั้งสองบริษัทลงมือพร้อมกัน ซึ่งยังส่งสัญญาณที่ละเอียดอ่อนกว่านั้น—ว่าสายงานนี้ อาจได้ถึงขั้น「ถ้าไม่ลงทุนตอนนี้ จะไม่ทันแล้ว»
03 การประเมินมูลค่า 4 พันล้านในระยะเวลาสี่เดือน สมเหตุสมผลหรือไม่
เมื่อทุกคนเห็นตัวเลข 4 พันล้านดอลลาร์เป็นครั้งแรก ปฏิกิริยาแรกคือ “อีกแล้ว”
การประเมินมูลค่าสตาร์ทอัพปัญญาประดิษฐ์เป็นเรื่องที่ไม่ใหม่อีกต่อไปในสองปีที่ผ่านมา แค่มี PDF หนึ่งไฟล์ ตัวอย่างการใช้งานหนึ่งตัว พร้อมสไลด์ไม่กี่แผ่น และชื่อจากห้องปฏิบัติการชั้นนำไม่กี่แห่ง ก็สามารถดึงเงินลงทุนหลายร้อยล้านดอลลาร์สหรัฐได้—สิ่งนี้ในซิลิคอนแวลลีย์และลอนดอนไม่ใช่เรื่องเล่าอีกต่อไป แต่เป็นเรื่องปกติ
แต่เมื่อดูอย่างละเอียดถึงสถานการณ์ของ Recursive 有几个地方与普通的「PPT 独角兽」不太一样。
ประการแรก ทีมผู้ก่อตั้งมีน้ำหนักอย่างแท้จริง ริชาร์ด โซเชอร์ มีพื้นฐานทางวิชาการที่แข็งแกร่งในด้าน NLP ไม่ใช่แค่ใช้ภาพลักษณ์จากอดีตบริษัทใหญ่มาตกแต่ง ประสบการณ์ของทีมหลักที่เคยทำงานที่ DeepMind และ OpenAI ยังหมายความว่าพวกเขาได้สัมผัสกับจุดที่ท้าทายในการวิจัยล้ำสมัยอย่างแท้จริง
ที่สอง ข้อเท็จจริงที่การระดมทุนมีการซื้อเกินความต้องการ ซึ่งหมายความว่าความต้องการของตลาดสูงกว่าอุปทานอย่างมาก นักลงทุนกำลังแข่งกันเข้ามา ไม่ใช่ถูกโน้มน้าวให้เข้ามา
แต่การประเมินมูลค่า 4 พันล้านดอลลาร์สหรัฐสำหรับบริษัทที่มีอายุเพียงสี่เดือนและยังไม่มีผลิตภัณฑ์เปิดเผยนั้น ขึ้นอยู่กับความคาดหวัง ไม่ใช่ความเป็นจริง ซึ่ง本质上คือการจ่ายเงินเพื่อทิศทางหนึ่ง ไม่ใช่เพื่อผลิตภัณฑ์หรือรายได้
ตรรกะการกำหนดราคาแบบนี้กำลังกลายเป็นเรื่องปกติมากขึ้นในยุคปัญญาประดิษฐ์ ซึ่งเกิดจากความกลัวเชิงลึกของนักลงทุนที่จะพลาด OpenAI รายต่อไป Safe Superintelligence เมื่อครั้งนั้นก็ได้รับการประเมินมูลค่าสูงลิบแม้จะมีผลิตภัณฑ์แทบไม่มีเลย ชื่อของ Ilya Sutskever คือสินทรัพย์ที่แข็งแกร่งที่สุด
Recursive กำลังคัดลอกเส้นทางเดียวกันอยู่ นี่ไม่ใช่การวิจารณ์ แต่เป็นการสังเกตเชิงวัตถุประสงค์
04 「การเรียนรู้ด้วยตนเอง」 ประตูนี้เปิดไปสู่อะไร
ชื่อ Recursive Superintelligence นั้นชี้ให้เห็นถึงความทะเยอทะยานของบริษัทอย่างชัดเจน
「Recursive」หมายถึงการเรียกซ้ำ ในวิทยาการคอมพิวเตอร์ การเรียกซ้ำคือโครงสร้างที่ฟังก์ชันเรียกตัวเอง ซึ่งเป็นกลไกหลักของอัลกอริธึมที่ซับซ้อนหลายอย่าง เมื่อนำมาใช้กับการวิจัยด้าน AI 「Recursive Superintelligence」บ่งบอกถึงกระบวนการที่ระบบสามารถปรับปรุงตัวเองอย่างต่อเนื่องและพัฒนาขึ้นอย่างเป็นวงจร
แนวคิดนี้ไม่ใช่สิ่งใหม่ รูปแบบสุดขั้วของมันคือ “การระเบิดของปัญญา” — ระบบที่เมื่อ vượtจุดวิกฤตหนึ่ง จะสามารถเร่งการวิวัฒนาการของตัวเองได้อย่างอิสระ และสุดท้ายจะบรรลุระดับปัญญาที่มนุษย์ไม่สามารถเข้าใจได้ นี่เป็นหนึ่งในกังวลหลักที่สุดในวงการความปลอดภัยของ AI มาโดยตลอด
แต่สิ่งที่ Recursive กำลังทำอยู่ในขณะนี้ น่าจะยังไม่ถึงระดับนั้น การตีความที่สมจริงกว่าคือ มันกำลังพยายามสร้างระบบที่สามารถขับเคลื่อนวงจรการค้นคว้าทางวิทยาศาสตร์ด้วยตนเอง โดยมีเป้าหมายเพื่อลดต้นทุนแรงงานและต้นทุนเวลาในการวิจัย AI อย่างมาก
หากมันทำได้จริง ผลกระทบจะไม่จำกัดอยู่แค่ในวงการ AI มันหมายความว่าสาขาต่างๆ เช่น การพัฒนายา วิทยาศาสตร์วัสดุ และฟิสิกส์ อาจก้าวเข้าสู่ยุคที่สามารถผลักดันความก้าวหน้าได้อย่างรวดเร็วโดยไม่ต้องมีนักวิทยาศาสตร์มนุษย์มีส่วนร่วม
แน่นอน นี่ยังเป็น「ถ้า」
ระยะทางระหว่างการอ้างกับการดำเนินการในอุตสาหกรรม AI ไม่เคยเป็นเชิงเส้น
05 เหตุผลของคลื่นลูกใหญ่
ตั้งแต่ครึ่งหลังของปี 2025 คลื่นการก่อตั้งสตาร์ทอัพโดยผู้เชี่ยวชาญจากห้องปฏิบัติการชั้นนำได้เกิดขึ้นอย่างต่อเนื่อง Thinking Machines Lab, Safe Superintelligence, Ineffable Intelligence... รายชื่อนี้ยังคงยาวขึ้น
Recursive เป็นบริษัทล่าสุดและมีมูลค่าสูงที่สุดในคลื่นลูกนี้
เหตุผลเชิงโครงสร้างที่อยู่เบื้องหลังคือเรียบง่าย—การแข่งขันระหว่าง OpenAI, Anthropic และ Google DeepMind ได้ทำให้ห้องปฏิบัติการชั้นนำเหล่านี้กลายเป็นเหมือนบริษัทขนาดใหญ่ ที่มี KPI กฎระเบียบ และการเมือง
นักวิจัยที่ต้องการเดิมพันในทิศทางที่รุนแรงที่สุด กลับรู้สึกว่าการเริ่มต้นทำเองนั้นเสรีกว่า
ในขณะเดียวกัน ตรรกะของตลาดทุนก็กำลังเสริมแนวโน้มนี้ให้แข็งแกร่งยิ่งขึ้น สำหรับนักวิจัยชั้นนำที่ได้รับการสนับสนุนจากบริษัทขนาดใหญ่ ช่วงเวลาในการเริ่มต้นธุรกิจในขณะนี้อาจเป็นช่วงที่ดีที่สุดในประวัติศาสตร์—นักลงทุนพร้อมจ่ายเงินเพื่อ「ทิศทาง」มากกว่าที่เคยเป็นมา
ปัญหาที่สำคัญที่สุดของคลื่นลูกนี้ไม่ใช่ “ใครจะประสบความสำเร็จ” แต่คือ “ความสำเร็จหมายถึงอะไร”
หาก Recursive พิสูจน์ได้ว่า AI ที่เรียนรู้ด้วยตัวเองเป็นไปได้ มันจะเปลี่ยนแปลงรูปแบบพื้นฐานของการวิจัย AI หากมันไม่สามารถทำได้ หลังจากใช้เงินทุน 500 ล้านดอลลาร์สหรัฐไปแล้ว สิ่งที่เหลืออยู่จะเป็นเพียงแนวคิดอีกหนึ่งอย่างที่ถูกยกย่องเกินจริง
ทั้งสองความเป็นไปได้ล้วนเป็นความจริง
สี่เดือน ประเมินมูลค่า 4 พันล้านดอลลาร์สหรัฐ ตัวเลขนี้น่าตื่นเต้น แต่ก็ควรระมัดระวัง การแข่งขันด้านปัญญาประดิษฐ์ได้พัฒนาไปถึงจุดที่แม้แต่ “วิธีการทำวิจัย” ก็กลายเป็นสนามการแข่งขันแล้ว
นักวิทยาศาสตร์ได้ถกเถียงเรื่องนี้ตลอดฤดูร้อนที่ดาต์มัธ ตอนนี้มีคนตั้งใจจะใช้ AI เพื่อตอบคำถามนี้—ใช้ AI ศึกษา AI โดยใช้วิธีการเวียนเกิดเพื่อไปสู่ปัญญาประดิษฐ์ระดับซูเปอร์
ไม่มีใครรู้แน่ชัดว่าเส้นทางนี้นำไปสู่ที่ใด แต่ชัดเจนว่า Google และ NVIDIA ได้ตัดสินใจแล้วว่า ไม่ว่าจะไปที่ไหน ก็ต้องไม่พลาด