2026 年 1 月底，硅谷创投圈诞生了一个颠覆认知的融资案例：成立仅 2 个月的 Ricursive Intelligence 完成 3 亿美元 A 轮融资，估值飙升至 40 亿美元。领投方为 Lightspeed，红杉、英伟达 NVentures、DST Global 等顶级机构集体押注。这家公司的核心愿景堪称激进 —— 让 AI 设计 AI 芯片，再用这些芯片加速更强的 AI，形成自我迭代的 “递归” 闭环。而背后的掌舵者，正是谷歌 AlphaChip 的核心开发者 Anna Goldie 和 Azalia Mirhoseini。
一、从谷歌 AlphaChip 到 Ricursive：技术积累的厚积薄发
Ricursive 的爆发并非偶然，而是源于谷歌时期的技术沉淀与行业痛点的精准把握。
2020 年，Goldie 和 Mirhoseini 在谷歌研究院发表的 Nature 论文，首次提出用深度强化学习解决芯片布局难题，这一技术被命名为 AlphaChip。在传统芯片设计中，“布局” 是最耗时的环节 —— 数十亿个晶体管需在硅片上优化排列，顶级工程师往往需要数周甚至数月才能完成，而 AlphaChip 将这一过程压缩至 6 小时，同时实现 67% 的功耗降低。
更关键的是，这项技术已通过生产级验证：谷歌四代 TPU（v5e、v5p、Trillium）、数据中心 CPU Axion，乃至联发科的天玑 5G 芯片，都采用了 AlphaChip 的布局方案，证明了 AI 在芯片设计领域的实用价值。
但学术成功并未带来商业自由。2023 年，有研究质疑 AlphaChip 性能不及传统算法，尽管 Goldie 回应指出质疑者未按论文方法复现，但这场争议也暴露了 AI 路线与传统 EDA 工具的路线之争。2025 年底，两人决定出走创业，她们的目标不再是优化单一布局环节，而是打造全栈自动化芯片设计系统，开创 “AI 设计芯片、芯片加速 AI” 的递归时代。
二、递归造芯：AI 自我改进的硅基闭环
Ricursive 的核心野心，浓缩在 “递归”（Ricursive）这个名字中，其技术路线形成一个完美的自我进化循环：AI 设计芯片 → 芯片加速 AI 训练 → 更强的 AI 设计更好的芯片。
这一循环并非空想，在谷歌时期已得到验证：用上一代 TPU 训练 AlphaChip，设计出性能更优的下一代 TPU，再用新 TPU 训练更强的 AI 模型，形成正向迭代。而 Ricursive 要实现的，是更彻底的全栈自动化 —— 从芯片架构设计、功能验证、布局布线到物理实现，所有环节全部由 AI 完成，最终实现 “Designless（无设计）” 交付模式：客户只需提出核心需求（如 “用于大模型训练的高能效芯片”），AI 直接输出可制造的芯片设计方案。
这一模式若成功，将彻底改写半导体行业规则：传统 “无晶圆厂（Fabless）” 模式中，英伟达、高通等企业仍需庞大的设计团队；而 Ricursive 要开创的 “无设计厂（Designless）” 时代，人类工程师仅需定义问题，无需参与具体设计。届时，芯片设计周期将从 2-3 年压缩至数周，研发成本大幅下降，更能打破当前大模型发展的核心瓶颈 —— 芯片设计速度跟不上算法迭代速度。
三、40 亿估值背后：投资方的战略博弈
成立仅 2 个月就斩获 40 亿美元估值，这一数字的背后，是资本对 “AI 基础设施下一层” 的集体押注，其中英伟达的投资尤为耐人寻味。
从表面看，Ricursive 的技术可能削弱英伟达的护城河 —— 若 AI 能快速设计专用芯片，通用 GPU 的必要性或将下降。但黄仁勋选择主动拥抱，核心是通过战略投资实现防御性布局：Ricursive 的模型训练依赖英伟达 H200 和 Blackwell 架构，这意味着无论 AI 造芯技术如何发展，英伟达仍能占据算力基础设施的核心地位，“与其被颠覆，不如成为颠覆者的基石”。
其他投资方的逻辑同样清晰：Lightspeed 专注基础设施投资，红杉是 Goldie 的长期支持者，DST Global 与 Felicis 则聚焦颠覆性技术。这场投资并非盲目跟风，而是对 “AI 自造硬件” 这一未来趋势的提前布局。
值得注意的是，同期还有一家名为 Recursive 的公司（前 Salesforce 首席科学家 Richard Socher 创办），同样聚焦自我改进 AI，且估值同为 40 亿美元，品牌混淆已成事实，这也成为 Ricursive 需要快速解决的市场认知问题。
四、三重挑战：技术、商业与伦理的三重拷问
尽管愿景宏大、资本追捧，Ricursive 仍面临着现实的严峻挑战，这场 “递归造芯” 革命并非坦途。
1. 技术层面：全栈自动化的复杂度鸿沟
AlphaChip 仅解决了芯片设计中的 “布局” 单一环节，而全栈设计涉及架构定义、时序收敛、信号完整性、制造约束等一系列硬问题，复杂度呈指数级上升。AI 能否真正攻克所有环节，尤其是满足芯片制造的严苛物理要求，仍是未知数。目前行业普遍认为，AI 在芯片设计中仍需人类工程师的关键决策介入，完全自动化短期内难以实现。
2. 商业层面：传统 EDA 巨头的护城河
Synopsys 和 Cadence 作为 EDA 行业的两大巨头，市值均超 700 亿美元，不仅拥有数十年积累的代码库、专利壁垒和稳定的客户关系，还已推出 AgentEngineer 等 AI 辅助设计功能。Ricursive 的 “AI 原生” 架构虽具创新性，但要跨越传统巨头的生态壁垒，撬动存量客户，难度极大。
3. 伦理层面：递归进化的失控风险
“AI 设计更强的 AI” 的递归愿景，本质上触碰了通用人工智能（AGI）的核心命题，也引发了伦理争议。当 AI 开始创造比自身更强大的智能体，人类如何保障控制权？这种无限制的自我改进是否会引发硅基生命进化的奇点？这些问题不仅是技术问题，更需要行业建立明确的伦理规范与安全边界。
五、结语：硅基进化的奇点临近？
Ricursive 的 40 亿估值，与其说是对一家初创公司的定价，不如说是对 “AI 能否创造更强大的 AI” 这一终极命题的期权定价。Goldie 和 Mirhoseini 在 Nature 论文中曾写道：“芯片设计是一个优化问题，而 AI 擅长优化。” 五年后，她们试图证明：优化芯片设计的 AI，终将优化自身。
无论最终成败，Ricursive 的出现都标志着 AI 行业进入了新的阶段 —— 从软件层面的智能迭代，延伸到硬件层面的自我创造。当 AI 开始设计承载自身的硅基载体，当递归的齿轮真正转动，硅基生命的进化或许比我们想象的更近。而这场革命的核心意义，不仅在于芯片设计效率的提升，更在于重新定义人类与 AI 的关系：我们不再是唯一的创造者，而可能成为智能进化的引导者与见证者。