2026-05-18 — views

Recursive Superintelligence、$6.5 億ドルで「自己改善する AI」に挑む

読む理由 NVIDIA と AMD が同じ cap table に並ぶことこそ裏のシグナル。賭けているのは「どの半導体ベンダーにも忠誠を持たないコンピュート・ワークロード」（アーキテクチャ空間の再帰探索）であり、特定のモデル系列ではない。

$6.5 億ドル調達、バリュエーション $46.5 億ドル、製品ゼロ。GV/Greycroft リード、NVIDIA と AMD が同時参加。論点：AI がアーキテクチャ探索を自動化。

新しいフロンティアモデルラボ Recursive Superintelligence が 5/13 にステルスを抜けた。バリュエーション $46.5 億ドルで $6.5 億ドル調達 —— 製品ゼロ・売上ゼロ・社員 30 名未満。「AI が研究を補助する」から「AI が研究をやる」への閉ループに向けた、これまでで最も具体的な賭けだ。

物語の本体は cap table

リード投資家	戦略的参加
GV（Alphabet 系）	NVIDIA
Greycroft	AMD

主要半導体ベンダー 2 社が同一の Series A に並ぶのは異例。これまでのパターンは独占的バンドル —— Microsoft + OpenAI、Google + Anthropic、Amazon + Anthropic —— クラウドがコンピュート・コミットと持分を一括して引き受けるからだ。今回 NVIDIA と AMD は両方ともオプション性を買っている。賭けているのは「FLOPs を先に出した方のシリコンで走る」ワークロード。

創業チーム

創業者	前職
Richard Socher	元 Salesforce チーフサイエンティスト
田淵棟 Yuandong Tian	元 Meta FAIR ディレクター
Tim Rocktäschel	元 DeepMind
Jeff Clune	DeepMind、OpenAI
Josh Tobin	元 OpenAI
Tim Shi	初期 Cresta、OpenAI

メンバーは「オープンエンド探索＋メタラーニング」（Clune、Rocktäschel）寄りで、いま主流の「base model を post-train する」系譜ではない。

「再帰的自己改善」の実体

公開発言から抽出した技術的賭け：

アーキテクチャ探索。 現状、新しい transformer の派生形を選ぶには研究者の小隊が数ヶ月 ablation を回す必要がある。ラボの主張：Level-1 のシステムがアーキテクチャ変更を提案し、実験を走らせ、自分の loss 曲線を読んで残す案を決める。
学習レシピ最適化。 Learning-rate スケジュール、データミックス、curriculum —— 学習自体のメタ言語が最適化対象になる。重みだけではない。
評価の自動生成。 モデル自身がベンチマーク変種を生成し、人間がキュレーションしたベンチマークで見えない overfit や能力ギャップを検出する。

このうち一部でも規模化すれば、次世代モデルまでの時間が四半期スパンから週スパンに縮む。

ロードマップ

現在 → 2026 年中盤： Level-1 自律学習システムを構築。社内のみ。
2026 年中盤公開ローンチ： 顧客に見える成果物を出す目標。モデル API か、アーキテクチャ探索サービスか、research-as-a-service か、明言なし。
売上コミットは未開示。 約 30 人 + フロンティア規模のコンピュート、四半期 $5–15M バーンが妥当。

なぜ今か

タイミングは偶然ではない。3 つの理由：

フロンティアラボの粗利が 70% を超えた（Anthropic の最近の開示）。投機的なアーキテクチャ研究を支える headroom が、このサイクルで初めて現実になった。
「Compute overhang」論が崩れつつある。 モデルが純粋なコンピュート増だけで一般化し続けるなら、再帰的自己改善は要らない。収穫逓減に直面するなら、再帰探索がレバー —— そして「AI-2027」型のタイムラインが定量的に成立し始める。
投資家のポジショニング。 30 人・収益ゼロで $46.5 億ドルは Sutskever の SSI と同一バケット。「この種のラボは 3〜5 社入る余地がある」という賭けで、1 社独占ではない。

Practitioner note

今すぐ出荷しているビルダーへの実務的示唆：

「AI がモデルを作る」を見越してスタックを先回り改修するな。 そのタイムラインは年単位で、まだ来ていないアーキテクチャに合わせて応用層を書き直すのは負け筋。今四半期に存在する Claude / GPT / Gemini ファミリーを基準に作れ。
アーキテクチャ探索の論文は追え。 創業者の前職ラボ（FAIR の open-ended search 系、DeepMind のメタラーニング系）の論文が先行指標。公開のアーキテクチャ探索ベンチマークが突然 15+ ポイント跳ねたら、それが RSI 系手法が閾値を越えたサイン。
GPU vs TPU vs MI400 の物語を見ろ。 設計から半導体非依存なワークロード（RSI は本質的にそう）は、単一アクセラレータベンダーの堀を崩す。Recursive が製品を出してワークロードのポータビリティを示したら、「NVIDIA プレミアム」は圧縮される。

過小評価されている角度：チーム構成自体が「RSI 実現可能性に対する業界の先行指標」だ。 Clune・田淵・Rocktäschel クラスの研究者が FAIR / DeepMind / OpenAI を離れて RSI に一生を賭けるとき、「これは本物か」に対する業界の中央値推定は、静かに動いている。