AI 會唔會自己寫出下一代 AI：Recursive 6.5 億美元押注解讀

Richard Socher 今次開新公司，最值得留意嘅唔係又有一間 AI startup 融到巨款，而係佢將 Silicon Valley 近年最敏感、最易被吹大嘅概念搬到公司主軸：recursive self-improvement，自我遞迴改良。Recursive Superintelligence 喺 2026 年 5 月 13 日公開走出 stealth，據 TechCrunch、GV、Tech.eu 同 TNW 報道，融資達 6.5 億美元級別，估值 46.5 億美元，投資者包括 GV、Greycroft、Nvidia 同 AMD。呢件事未有公開產品，亦未有香港推出或定價資料，但對香港開發者、startup、銀行 IT team 同已經用緊 ChatGPT、Codex 類工具嘅公司，訊號好清楚：AI 工具競爭正由答問題，轉向改 workflow、改 codebase，甚至改 AI 研發本身。

要先拆清楚：recursive self-improvement 唔等於叫 AI 幫你改一段 code。Socher 向 TechCrunch 解釋，佢哋想做嘅係將研究 idea、實作同驗證整個流程自動化，令系統可以搵出自己弱點，再設計方法修正自己。呢個講法如果成真，會同今日 coding assistant 有質變；但公司自己都承認，業界仍未真正做到呢件事。所以今次新聞唔應該睇成超智能已經出現，而係一班有資歷嘅 AI 研究員，攞住大額資金去押注下一條擴展路線。

發生咩事

Recursive Superintelligence 由 Richard Socher 帶隊。Socher 之前創辦 You.com，亦曾任 Salesforce chief scientist，早年同 ImageNet 相關工作有關；團隊名單入面，外媒同 GV 提到 Tim Rocktäschel、Alexey Dosovitskiy、Yuandong Tian、Josh Tobin、Caiming Xiong、Tim Shi、Jeff Clune 等人，TNW 亦報道 Peter Norvig 擔任顧問。呢個陣容嘅意思係，Recursive 唔係純粹靠一句 AGI 口號融資，而係用一批做過 AI 研究、產品化同 startup 營運嘅人去說服投資者：如果 AI 可以愈來愈識寫 code，下一步可能係用 AI 自動做更多 AI 研究。

TechCrunch 訪問入面，Socher 特別反覆劃線，話單純 auto-research 或叫 AI 改另一件東西，只係 improvement，唔係 recursive self-improvement。Recursive 嘅說法係要用 open-endedness 做核心，即係唔只優化一個固定 benchmark，而係讓系統不斷產生新問題、新測試、新改法，好似演化過程咁推動新發現。呢個方向最吸引投資者嘅地方，就係如果改良速度可以複合增長，領先者未必只係快幾個月，而係可能一路拉開距離；但最危險嘅地方亦一樣，因為同一個循環如果冇足夠驗證同治理，錯誤、偏差同資訊保安風險都可能被放大。

點解同 coding agents 有關

今日香港公司見到嘅 AI coding 工具，多數仍然係人類 assign task、AI 讀 repo、改 file、跑測試，再由人 review。OpenAI 2025 年推出 Codex research preview 時，官方定位係雲端 software engineering agent，可以喺隔離環境處理多個 coding task，包括寫功能、修 bug、回答 codebase 問題同提出 PR；OpenAI 亦明講，用家仍然需要人手 review 同驗證 agent 產生嘅 code。呢種模式已經改變開發流程，但主導權仲係喺人手上，測試、部署同架構責任仍然要由工程 team 承擔。

Recursive 想像嘅路線再進一步：唔只幫 app team 改 bug，而係幫 AI lab 自己提出研究方向、改訓練方法、寫 evaluator、檢查結果，再將成功改動放返入下一輪。Google DeepMind 嘅 AlphaEvolve 係一個較實在嘅參照點；DeepMind 形容佢係由 Gemini 支撐嘅 evolutionary coding agent，用自動 evaluator 去設計同優化演算法，亦聲稱已用喺 Google 數據中心、晶片設計同 AI 訓練流程。AlphaEvolve 唔等於 Recursive 已經做到自我改良，但佢證明咗一個趨勢：當問題可以被程式化、測量同自動驗證，AI agent 就有機會由寫 code 升級做系統性試錯。

呢度亦係 hype 同實際工程嘅分界。AI 幫手寫一個排序優化、跑測試、比較效能，係有清晰指標嘅問題；AI 自己判斷下一個模型弱點、設計訓練策略、評估長期安全風險，就複雜好多。Recursive 官網講到會先聚焦 AI science，再把方法擴展到其他科學領域；TechCrunch 訪問中，Socher 亦提到未來可能去到 physical domains。但截至而家，公開資料主要係公司願景、投資者論述同外媒訪問，未有可供第三方全面測試嘅產品或論文結果可以證明佢哋已經達到真正 recursive self-improvement。

行業點解而家追呢條路

大型模型近幾年一路靠更多數據、更多運算力同更大訓練規模推高能力，但成本同效率壓力愈來愈明顯。Nvidia 同 AMD 參與 Recursive 融資，象徵味道好重：如果自動化 AI 研發需要大量實驗、訓練同驗證，晶片公司自然有興趣睇住下一批巨型 compute 客戶。GV 文中亦將 thesis 講得好直接：AI 本身係 code，而 AI 而家又識寫 code，所以自我改良循環理論上可以被合上。呢句說法好有吸引力，但都應該當成投資 thesis，而唔係已被證實嘅工程事實。

Recursive 亦唔係孤立出現。近一年多間新 AI lab 都以前沿研究而非即時 SaaS 產品作招徠，市場願意俾高估值去買人才、方向同潛在突破。分別在於，OpenAI、Anthropic、Google DeepMind 仍然有明確產品同 API 生意；Recursive 暫時更似係將「AI 改良 AI」本身變成公司核心。Socher 向 TechCrunch 強調唔想只做 lab，話產品會係 quarters not years，但呢句只可以理解成時間表意向，未可以推論有咩產品、價錢、香港可用性或者企業合約條款。

香港實際影響

香港未見 Recursive 本地推出、港版價、港行服務或香港辦公室資料。Recursive 官網只列出三藩市同倫敦辦公室，TNW 亦指公司少於 30 人、未有已發布產品；所以任何「香港公司即將可用」或者「本地定價」都係 [待確認]。不過間接影響唔細，因為香港公司已經唔係停留喺試玩 AI。生產力局 2025 年 AI Readiness in Workplace Survey 訪問約 800 間本地公司，指受訪公司員工有 88% 已喺日常工作用過 AI 工具，92% 受訪者計劃逐步將 AI 引入相關 workflow，但只有 45% 企業有正式認可 AI 平台，超過一半未有完整或持續 AI governance framework。

金融業更加能反映風險同需求一齊升溫。金管局轄下 HKIMR 2025 年報告指，75% 受訪金融機構已至少落地一個 GenAI use case，或者正試行、設計 use case 同研究投資方向，比例預期三至五年內升至 87%；同時，報告點名模型準確度、數據私隱、資訊安全、資源同人才限制係主要阻力。Recursive 呢類技術如果有日變成企業工具，香港銀行、保險公司同受監管 startup 未必第一時間關心佢係咪超智能，反而會問：agent 改咗咩、點樣審批、測試證據喺邊、客戶資料有冇出境、出事邊個負責。

呢亦解釋點解 DPO 2025 年發布嘅香港生成式 AI 技術及應用指引，會將數據洩漏、模型偏差同錯誤列為需要處理嘅技術風險。當 AI 只係寫 email，風險多數係內容錯；當 AI agent 可以改 repo、開 PR、跑部署 script，風險就變成供應鏈、權限、審計同責任分工。Recursive 所講嘅自我改良若然再向前行，企業唔可以只靠「有人最後睇一眼」做控制，而要有可重播測試、權限分層、model output log、資料邊界同 rollback 機制，先有機會將效率提升變成可管風險。

對本地開發者嚟講，最貼地嘅結論唔係即刻學一套新框架，而係重新理解自己喺 AI workflow 入面嘅價值。當 coding agent 愈來愈識改 code，初級重複工作會被壓縮；但需求會轉向寫清楚 spec、建可靠測試、定義 evaluator、拆權限、審查 agent diff、追蹤 production 事故。換句話講，懂得同 agent 協作嘅工程師，會比只識叫 AI 幫手生成一段 code 更有價值。Recursive 講嘅遠景可能仍未驗證，但佢指向嘅技能轉移已經開始發生。

點睇今次押注

Recursive Superintelligence 最大嘅價值，暫時唔係交咗一個可買產品，而係將業界一個核心問題擺上枱：下一輪 AI 進步，會唔會靠更多人手研究員，定係靠 AI agent 自己做出更多研究循環？答案未有，亦唔應該將投資者信心當成技術證明。不過，香港公司可以而家就做嘅準備好具體：將 AI 用法由個人試玩轉成有紀錄、有評估、有保安邊界嘅 workflow；開發 team 要把測試同審查當成 AI 時代嘅基建，而唔係交付前嘅最後一步。Recursive 可能成功，亦可能只係另一個高估值研究押注；但 AI 由工具變同事、再變研發流程一部分，呢條線已經值得本地技術團隊認真跟。

參考來源

• TechCrunch — What happens when AI starts building itself? — original report
• Recursive official website — 公司官方資料，用作核對公司使命、open-ended algorithms、團隊背景、辦公室位置同未見香港資料。
• Recursive Superintelligence: Why Self-Improving AI is the Next Frontier — GV 投資者文章，交叉確認 6.5 億美元融資、46.5 億美元估值、投資 thesis 同核心團隊名單。
• Recursive Superintelligence raises $650m at $4.65bn valuation to build self-improving AI — 補充融資、估值、投資者、少於 30 人及未有發布產品等背景。
• Recursive Superintelligence emerges from stealth with $650M raise — 交叉查證公司走出 stealth、倫敦及三藩市辦公室、投資者與 co-founder 背景。
• Introducing Codex — 官方 Codex 背景，用作比較雲端 coding agent、sandbox、review 同測試 workflow。
• AlphaEvolve: A Gemini-powered coding agent for designing advanced algorithms — 官方 AlphaEvolve 背景，用作解釋 AI 自動演算法探索同 evaluator 驅動試錯嘅行業脈絡。
• HKPC AI Readiness in Workplace Survey 2025 — 香港企業 AI 採用數據來源，支撐本地 workflow、人才同 governance 角度。

本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。