AI芯片新贵Ricursive Intelligence：两个月估值飙至40亿美元

1月26日，一家名为Ricursive Intelligence的初创公司突然闯入科技圈视野——成立仅两个月，便完成3亿美元融资，估值直冲40亿美元。这一数字让不少业内人士咋舌，毕竟在当前资本趋冷的环境下，如此短时间内的超高估值实属罕见。

本轮融资由Lightspeed牵头，英伟达旗下投资机构NVentures、DST Global以及Radical AI等知名机构跟投。值得注意的是，英伟达的参与并非偶然。近年来，AI芯片的算力需求持续爆炸式增长，传统设计方式已难跟上迭代节奏，而Ricursive的方案，正切中了行业最痛的痛点。

从谷歌TPU走出来的团队：用AI设计AI芯片

Ricursive的两位创始人Anna Goldie和Azalia Mirhoseini，并非泛泛之辈。她们曾是谷歌大脑团队的核心成员，在2020年前后主导开发了名为AlphaChip的强化学习系统，用于自动优化谷歌第四代TPU（张量处理单元）的芯片布局。这套系统大幅缩短了设计周期，将原本数月的人工调试压缩到几天内完成，且性能提升显著。

如今，她们把这套经验带出了谷歌，成立Ricursive，目标更进一步：不是“辅助设计”，而是让AI完全自主完成芯片从概念到物理布局的全流程。他们的系统能自动探索数百万种晶体管排列组合，预测散热、功耗与信号延迟，甚至在仿真中“试错”出最优方案，再直接输出给晶圆厂生产。

这不是实验室里的概念演示。据知情人士透露，Ricursive已与一家亚洲代工厂达成初步合作，正在试产第一代自研AI芯片原型，预计今年内将交付给AI训练客户进行实际测试。

不只是芯片：他们想造出“能自我进化的系统”

Ricursive的野心远不止于提高芯片设计效率。创始人多次在内部会议中提到一个更宏大的目标：构建一个“能自我迭代的智能系统”——AI设计芯片，芯片训练更强的AI，更强的AI又反过来设计出更高效的芯片，形成一个不断加速的闭环。

这听起来像科幻，但背后有现实支撑。当前大模型训练的瓶颈，已不再是算法或数据，而是算力供给。英伟达H100供不应求，AMD和英特尔也在拼命追赶。而Ricursive的方案，理论上可以让芯片的性能提升不再依赖摩尔定律，而是依赖“设计效率的指数级进步”。

有分析师指出，如果这一闭环能稳定运转，未来三年内，AI芯片的能效比可能提升5倍以上，远超传统工艺升级的预期。这或许正是资本愿意在初创公司身上押注40亿美元的真正原因。

赛道火热，对手不弱

Ricursive并非孤军奋战。去年底，前AMD首席架构师Naveen Rao创立的Unconventional AI，同样以45亿美元估值获得a16z领投，专注用AI自动化芯片物理设计。另一家名为Cerebras的公司，则直接把整块晶圆做成单一芯片，专攻AI训练。

但Ricursive的独特之处在于：它不只做工具，更在构建一个“设计生态”。他们的系统不仅适用于AI加速器，未来也可能用于通信芯片、自动驾驶控制器，甚至量子计算硬件。这种通用性，让它的潜在市场远超单一芯片公司。

目前，Ricursive团队规模不到50人，但几乎全是曾在谷歌、英伟达、台积电或高通主导过芯片流片的资深工程师。他们没有花哨的PPT，也没有大张旗鼓的发布会，却在悄悄改变着AI硬件的底层逻辑。

当所有人都在讨论大模型参数量时，这群人正在重新定义：算力，从哪里来。