本文来自微信公众号： 人人都是产品经理 ，作者：怪哥
有的人创业，是因为自己想创业。
有的人创业，是因为投资人比自己还想创业。
在创投圈，后一种情况并不稀奇。盯上大厂里的牛人，隔三差五约着聊，劝对方出来单干：方向可以一起琢磨，合伙人可以帮忙介绍，钱也可以谈。别人还在纠结要不要辞职，投资人已经替他想好怎么当老板了。
过去是创业者拿着BP到处找钱，现在有些AI研究员，连公司都还没成立，就已经有人追着问：到底什么时候出来？
姚顺宇，就是最近被投资人惦记上的一个。
29岁，清华物理系毕业，斯坦福博士，转行AI才两年，就先后参与了Claude和Gemini的研发。9月，已经有报道提到，机构正在接触他，打听他的创业计划。
到了10月13日，市场消息更进一步：姚顺宇已开启RSI方向创业，准备为企业开发定制化模型，估值约20亿美元，主要投资方来自海外。这些信息目前仍属传闻，尚未获得本人或相关机构的正式确认，融资金额也未披露。
他究竟筹划了多久，外界还不知道。但资本对这类人的兴趣，已经摆在了明面上。田渊栋、Jeff Dean等人相继创业，AI研究员的工位，正在成为投资人寻找下一家公司的地方。
01物理已经学到这个份上，他却转行了
在进入AI行业之前，姚顺宇已经是别人眼中的“天才”。
2018年，清华本科生特等奖学金答辩时，他拿出的成绩是：以第一作者身份，在《Physical Review B》《Physical Review Letters》等期刊发表三篇论文，其中一篇获得编辑推荐。那时，他还没本科毕业。
后来，他到斯坦福读理论物理博士，研究量子混沌、黑洞等问题，毕业后又去了伯克利做博士后。继续争取教职、带学生、做研究，是很自然的选择。
但他对这份工作的反馈速度不太满意。
姚顺宇在博客里解释，自己所处的理论物理方向缺少新的实验，一项理论工作到底重不重要，很难得到客观判断。他希望找到一个年轻人有更多机会的领域，也考虑过量子计算，最终选择了AI。
这个理由很实际。研究者可以花很多年钻研一个问题，但如果迟迟等不到实验验证，连方向对不对，都很难说清。AI同样有大量未知，却能让人不断做实验、看结果。
2024年10月，姚顺宇加入Anthropic。按个人研究介绍，他参与了用于Claude 3.7的智能体编程和工具调用研究，以及Claude 4系列的强化学习基础工作。
他终于能看到，自己的研究较快地影响模型能力，并被用户用起来。
然而，做了不到一年，他又决定离开。
02帮Claude变强，却和公司有分歧
姚顺宇从Anthropic离职，没有用一句“个人原因”带过。
2025年9月4日，Anthropic宣布加强服务限制，把限制延伸至受不支持地区实体控股的企业，并在公告中将中国称为“敌对国家”。
姚顺宇随后在个人博客里明确表示，自己强烈反对公司的相关表态。他把离职原因分成两部分：约40%与此有关，另外60%涉及内部信息，不便公开。他也说明，相信很多同事并不赞同那种表述。
一个参与训练Claude的中国研究员，因为公司的涉华立场选择离开，这件事本身就有足够的冲突。
再好的研究环境，也不一定能让员工接受公司的所有立场。不过，姚顺宇并没有否定这段经历。他依然认为，Anthropic适合理工科背景的博士开始AI研究，同时也希望去其他实验室，避免自己的经验只来自一家公司。
2025年9月29日，他加入Google DeepMind。
对投资人来说，这种经历很难得。会使用Claude和Gemini的人很多，真正参与过前沿模型研发的人很少。哪些方法有效，哪些实验浪费资源，团队怎样组织研究，这些经验很难靠读论文补齐。
但这里也有一个问题：在大实验室里做出成绩，和离开实验室后还能复制成绩，是两回事。
原来的算力、工程团队和研究配合，不会跟着一个人自动搬进新公司。创业者需要重新建立这些条件，也需要证明，自己能把优秀的研究员组织到一起。
03田渊栋、Jeff Dean都来了，国内也开始融资
姚顺宇传闻中的创业方向，是RSI，递归式自我改进。
简单理解，就是让AI参与改进AI，再把改进后的能力用于下一轮研究。写代码、运行实验、分析结果，这些环节越能自动化，小团队就越有机会完成更多研究。它的吸引力，也正来自这种可能。
田渊栋已经下场。
今年5月，他参与创办的Recursive Superintelligence宣布融资6.5亿美元，估值46.5亿美元，投资方包括GV、Greycroft、英伟达和AMD。团队汇集了多家前沿实验室的研究者。
8月，Jeff Dean与Sanjay Ghemawat、Oriol Vinyals、Quoc Le创办Discovery Loop，从自动化机器学习研究起步。Radical Ventures已确认参与领投。媒体曾报道公司洽谈融资10亿美元、估值约100亿美元，随后又出现寻求更高估值的消息，但这些数字不能当作已完成融资。
把全球几家代表公司放到一起，规模已经相当可观：
| 公司 | 主要方向 | 已公开融资情况 | 对应估值 |
|---|---|---|---|
| Recursive Superintelligence | 自动化AI研究 | 2026年5月公布6.5亿美元融资 | 46.5亿美元 |
| Ricursive Intelligence | AI设计芯片，推动软硬件共同改进 | 累计3.35亿美元，其中A轮3亿美元 | A轮投后40亿美元 |
| Sakana AI | AI科学家、自进化系统，设有RSI Lab | B轮扩充至2亿美元，官网披露累计约4.12亿美元 | B轮投后约27亿美元 |
| 超衍智能 | 自进化基础模型、科学研究 | 天使轮及天使+轮合计近4亿元人民币 | 未披露 |
| Inherent | 人类与自改进AI协作开展科研 | 5000万美元种子轮 | 未披露 |
| Poetiq | 围绕现有模型持续优化专业智能体 | 4580万美元种子轮 | 未披露 |
上述为截至2026年10月16日查到的公开口径，各家公司业务范围不同，融资也不全部专用于RSI。Recursive与Ricursive是两家不同公司。
国内也有新进展。清华助理教授陈勇超创办的超衍智能，9月公布近4亿元融资；刘子鸣创办的元环智能，则在10月15日被报道完成两轮合计数亿元融资。
不过，两家不能简单归为同一条路线。超衍强调自进化基础模型；元环希望通过“元模型”学习模型表现背后的规律，减少试错，并明确强调与常见RSI方案的区别。
大家都想让AI帮助研发更好的AI，但对于该怎么做，远没有形成共识。
有人改基础模型，有人优化模型外面的智能体，还有人从芯片入手。这个分歧值得关注：赛道融资已经很热，技术方案仍在探索。
04AI替研究员干活，账单却可能更大
Recursive的投资方里，谷歌旗下的GV很有意思。
前沿实验室的人出来创业，科技巨头的资本参与投资，芯片公司也跟着下注。这场竞争很难简单理解成“小公司挑战大公司”：双方可能同时是对手、股东和客户。
今年7月，Recursive又与AWS宣布价值4.1亿美元的多年合作，为自动化研究系统提供基础设施。注意，这是一份算力合作协议，不能算成AWS给它投了4.1亿美元，也不代表这笔钱已经一次性花完。
但这个金额足以说明，研究自动化并不自动等于省钱。
以前，人手有限，一天只能尝试几个方案。现在AI能开展更多实验，算力需求也可能跟着增加。失败实验跑得再快，消耗的资源也不会退回来。
如果有效实验的比例没有提高，自动化可能先提高公司的花钱速度。
这也是Sakana等团队强调计算效率的原因。它的RSI实验室提出，要在有限资源下提高自我改进的效率，避免单纯依赖更大的计算投入。
所以，这个赛道的较量不会只有“谁融的钱多”。同样的预算，谁能得到更多有效结果，谁才更有机会持续做下去。
姚顺宇即便拿到传闻中的高估值，也依然需要回答这道题。
05做企业定制，米拉已经在前面等着了
传闻中，姚顺宇准备“为企业开发定制化模型”。
这个方向听上去比较务实：企业有具体任务，效果做好了，就有机会收费。但这里已经有另一批从前沿实验室出来的人。
2025年10月，前OpenAI CTO米拉创办的Thinking Machines Lab推出Tinker。开发者控制训练算法和数据，由平台处理分布式训练、资源调度与故障恢复，当时支持的模型里就包括阿里的Qwen-235B-A22B。
Tinker不等于RSI，姚顺宇也尚未公布产品，不能直接宣布两家公司已经交锋。但客户会提出同样的问题：已经能买到训练服务，为什么还需要你的方案？
一个可能的答案，是把更多依赖专家的判断、实验和调试自动化。这只是基于传闻定位的推演，具体还要看产品。
真正麻烦的，可能是交付。
这家企业的数据不完整，那家企业的验收标准一直变，还有客户要求私有部署。每个项目都需要研究员长期跟进，收入即便增长，人力成本也会一起增长。
一家高估值AI公司，如果最后主要靠昂贵研究员按项目交付，生意就会比融资故事辛苦得多。
通用模型还在不断升级。定制几个月做出的能力，可能被下一代模型追上。客户不会因为团队履历漂亮，就一直为差不多的效果多付钱。
公司需要积累能够重复使用的技术、工具和行业经验，让后一个项目更容易交付。否则，客户越来越多，研究员越来越忙，真正用于研发的时间反而越来越少。
对姚顺宇来说，如果创业消息属实，接下来要做的工作，会和过去很不一样。
在Claude和Gemini团队里，他可以把主要精力放在模型研究上。自己经营公司，招人、买算力、找客户、处理交付，都需要有人负责。
田渊栋在自动化研究上投入重金，Jeff Dean带着资深团队入场，米拉已经把模型定制做成了工具。姚顺宇有同行可以参照，也有对手需要追赶。
现在最值得等的，是他的正式回应和第一个产品。