11月19日,北京无涯智远科技有限公司(以下简称“无涯智远”)宣布完成数亿元天使轮和天使加轮融资,投资方包括五源资本、红杉中国、联想之星、中关村科学城基金及戈壁创投,心流资本担任财务顾问。本轮资金主要用于自研RSI模型的技术攻关与产品落地。
无涯智远成立于2026年6月,首席科学家为北大人工智能研究院助理教授张牧涵。公司聚焦实时RSI,技术路径是参数持续学习,用预先训练的超网络生成基座模型的参数更新,让模型在部署后仍能吸收新知识,把经验沉淀进自身参数。
团队称早前在资料内化任务上验证过这条路径,模型一次前向计算生成轻量参数更新,不读取原文即可回答相关问题。
RSI正成为AI融资热门方向。截至11月13日,第三方名录RSI List统计收录的RSI相关创业公司达39家,累计融资约56亿美元。
5月,前Salesforce首席科学家Richard Socher、前Meta研究员田渊栋等人创办的Recursive Superintelligence以46.5亿美元估值完成6.5亿美元融资。
国内方面,超衍智能科技(北京)有限公司(以下简称“超衍智能”)成立不到半年完成近4亿元融资,超进化(上海)智能科技有限公司(以下简称“超进化智能”)、上海初光跃迁智能科技有限公司(以下简称“初光跃迁”)等也在近期密集获得融资。
虽然都被称为RSI,这些公司改进的对象并不相同,按改进对象划分大致有四类。
第一类是改进研发流程,让AI参与写代码、跑实验,替代研发链条中的工程环节。
Recursive Superintelligence的自动化研究系统并行维护多条研究分支,运行实验后再选择下一步方向。超衍智能由AI生成构造数据训练模型,覆盖AI for AI与科研场景。Weco的智能体自动执行机器学习实验,Sakana AI的AI Scientist自动完成从提出假设到撰写论文的流程。
这一路线目前已有企业披露具名客户。其中,Sakana AI的客户包括三菱日联银行、三井住友金融集团、大和证券和日本防卫省,商业模式是私有化定制模型加政府合同,不过收入来自既有业务,专门的RSI实验室2026年6月才设立。Weco按订阅和用量向机器学习工程师收费。Recursive Superintelligence走开源路线,未发布企业服务产品。
第二类是改进模型参数,把新知识写进模型权重,让模型在使用中持续获得能力。
无涯智远的超网络直接生成基座模型的参数更新。超进化智能提出让模型、外部框架与评估器协同进化,称能力可迁移至科学研究与行业场景,尚未披露客户。
第三类是改进物理载体,把递归延伸到芯片和机器人。
Ricursive Intelligence让AI设计芯片,再用芯片训练更强的模型,对外卖定制芯片设计服务,计划2026年底产出2nm测试芯片,目标客户尚未具名。初光跃迁把同一逻辑用于机器人研发,AutoResearch平台已进入内测,用户为MIT、清华、北大、香港科技大学的研究者。
第四类是改进研究方法本身。
Ineffable Intelligence主张纯强化学习,不使用预训练与人类模仿数据,从训练范式上重设起点。
Discovery Loop由Jeff Dean等创办,计划先自动化机器学习研究,再把这套方法推广到芯片、药物与材料领域。两家均未披露客户,Discovery Loop第一阶段的服务对象是自己的实验室。
与融资热度相比,验证是这个赛道明显的短板。2026年10月一篇系统审计论文全文编码了114项符合条件的研究,其中90项将自身系统描述为RSI。在这90项中,90%报告了产品级评测,只有22%对完整闭环做过两次以上重跑;在26项声称改进程序更优的研究中,只有4项在相同起点、相同预算下比较了早期与后期的改进程序。
从已公开的成果来看,Recursive Superintelligence虽然在三项基准上刷新成绩,但也提到候选方案存在奖励破解,且无法拆分机器自动化与人类设计的比重。
Sakana AI的AI Scientist生成的论文曾通过同行评审,独立评估发现约42%的实验因编码错误失败。
Weco称公司AIDE²系统完成8天无人值守的自我改进,同时披露“点火”测试结果不显著为负。
无涯智远称,公司正在探索企业模型适配、AI Agent经验学习及个性化模型等应用方向。企业场景通过私有化部署让模型在本地吸收业务知识,减少敏感数据外传,智能体场景探索把对话和任务轨迹中的有效经验用于后续任务。
公司称这些方向仍处早期构想阶段,正在探索和逐步验证,尚无商业化验证数据。
从公开信息来看,目前支持AI能在无人干预下持续提升自身的改进能力的证据不充分,各家披露的成绩集中在有边界、有外部评估、有人类监督的任务上。
接下来的观察点是无涯智远超网络在数百万tokens连续更新下的稳定性,以及各公司递归改进声明的独立复现情况。





