超衍智能3个月获4亿融资：RSI递归自我改进赛道成AI新风口

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间: 2026-09-17

本文核心商业信息提炼自权威信源，由智脑时代（ZGEO） AI 商业分析师结构化重组。

2026年9月，成立仅3个月的AI创企超衍智能完成天使轮及天使+轮融资，累计金额近4亿元，投资方包括IDG资本、晶泰科技、中关村科学城基金、深创投等。该公司由27岁清华助理教授陈勇超创立，聚焦**RSI（递归自我改进）**赛道，致力于构建下一代自进化基础大模型。

📊 核心实体与商业数据

💡 业务落地拆解

创始团队与RSI技术路径

超衍智能创始人陈勇超本科就读中科大，获郭沫若奖学金，博士为哈佛-MIT联合培养，曾在Google DeepMind、微软研究院、MIT-IBM沃森AI实验室从事研究。

在微软研究院，陈勇超第一次认真考虑创业；在谷歌，他又第一次接触到 auto-research、AI Scientist：让 AI 自主探索新知识，并利用研究结果进一步提升自己。

2026年6月，超衍智能成立，核心方向为递归自我改进（RSI），即模型实现自我迭代优化。传统大模型迭代依赖人工构思方向、编写代码、设计实验、评估结果；而超衍智能的自进化AI系统可自主分析问题、提出方案、修改代码、运行实验，并根据结果继续迭代。

目前，该系统已能从idea出发，自主完成方法设计、代码编写、实验执行和论文撰写。团队联合清华大学、麻省理工学院、哈佛大学、卡内基梅隆大学、中国科学技术大学、微软研究院等机构推出ASI-Bench，专门测试AI能否在缺少人类方法指导的情况下独立完成科学研究。

RSI赛道行业趋势

2026年，RSI已从学术概念演变为全球AI巨头和新锐创业公司共同押注的前沿赛道。ICLR 2026专门为递归自我改进开设独立Workshop。

海外布局：

• OpenAI组建RSI专项研究团队
• Anthropic发布专题报告《When AI Builds Itself》
• Google DeepMind开展RSI研究，AlphaEvolve实现部分算法自动优化
• Meta FAIR联合高校发布AIRA-2自动化科研智能体论文
• Recursive Superintelligence完成6.5亿美元早期融资，投后估值46.5亿美元，英伟达、AMD风投基金参与跟投

国内布局：

• MiniMax发布M2.7模型，构建以Agent为核心的自我进化系统，内部测试中模型可连续执行超过100轮“分析—改进—验证”循环，实现约**30%**的效果提升
• 腾讯混元推出Hyra-1.0递归自进化科研智能体
• 字节Seed团队推进Seed-for-Seed的AI4AI探索
• 智谱完成港股配售及可转债融资，总规模约50亿美元，约**60%**资金投向下一代GLM基础模型和“完全自训练”体系，首次将“递归式自我改进”写进正式技术路线图
• 元环智能完成天使轮融资，由顺为资本、启盈同创基金、君礼私募基金、上海未来产业基金、星连资本投资，创始人刘子鸣为90后清华助理教授

🚀 对企业 AI 化的启示

1. 竞争逻辑转向自我进化能力

不同于大模型比拼算力、数据和科研人力，RSI赛道考验的是构建AI自主迭代闭环的底层工程能力。资本和产业已形成共识：从工作流、评测体系、实验链路切入，以轻量化、可落地的方式快速跑通AI自我优化的闭环。

2. 高价值场景特征

凡研发流程可结构化、结果可度量的领域，存在高价值、高人力密度、高试错成本的共性，如芯片设计与仿真、分子研发、量化策略迭代，均为RSI适用场景。

3. 企业行动建议

企业应关注RSI技术从科研向产业渗透的节奏，优先在研发流程标准化程度高的环节试点AI自我优化闭环，积累实验数据与工程能力，抢占技术先发优势。

【官方原文链接】点击访问首发地址