一笔4亿元融资，投向了AI圈最新热点。
就在今天，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。
投资方阵容豪华，IDG 、资本、晶泰科技联合领投天使轮，德迅资本、无限基金、初心资本、云岫资本跟投；天使+轮则由中关村科学城基金、深创投、上海未来产业基金联合领投。
对于一家刚成立的初创公司来说，能吸引美元基金、产业资本、地方国资共同站台，拿下如此大额融资，在当下AI市场实属罕见。
而一级市场重金出手，可不只是看中团队的学术背景，更是投向超衍智能所押注的RSI（递归自我改进）赛道。
27 岁清华助理教授带队，做会自我进化的模型
超衍智能是一家年轻但不简单的公司。
创始人是现年 27 岁的陈勇超，清华人工智能学院最年轻的助理教授。
他本科就读中科大，拿下郭沫若奖学金，博士为哈佛‑MIT 联合培养，求学期间先后在 Google DeepMind、微软研究院、MIT‑IBM 沃森 AI 实验室从事研究。
也正是在这期间，陈勇超经历了两个第一次。
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。
故而，当 2025 年底至 2026 年初，随着模型推理、工具调用和自主研究能力的提升，陈勇超看到 AI 生成研究想法、开展实验乃至改进自身的可能性时，他便果断选择回国创业。
今年 6 月，超衍智能成立，核心出发点就是构建下一代自进化基础大模型。其中的自进化，即 Recursive Self‑Improvement（递归自我改进，RSI），指模型实现自我迭代优化。
简单来说，传统大模型迭代，高度依赖研究员人工构思方向、编写代码、设计实验、评估结果。
而超衍智能的自进化 AI 系统可以自主分析问题、提出方案、修改代码、运行实验，并根据结果继续迭代。
目前，这套系统已经能够从 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，试图专门测试 AI 能否在缺少人类方法指导的情况下独立完成科学研究。
同时，公司还把这套自动化研究能力直接用到了 AI 自身的研发，让 AI 不只是使用现有模型完成任务，而是进一步参与算法、训练和底层系统的研发，再把经过验证的结果带入下一轮研究。
此外，在 AI for Math 方向，团队正在与清华大学交叉信息研究院张景昭合作开展纯数学理论研究。
凡此种种，无不在论证：研究，才是超衍智能 RSI 的核心动力。
这个团队通过聚焦科学研究与发现，让 AI 从辅助工具变成共同研究者，从加速已知走向发现未知。
长期来看，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，都是其适用场景。
大厂进化、小厂涌现，RSI 成 AI 圈最新风口
而超衍智能这笔融资，仅是 RSI 赛道走热的最新一幕。
2026 年，RSI 已经从学术论文里的概念，快速演变为全球 AI 巨头、新锐创业公司共同押注的前沿赛道。ICLR 2026 还专门为递归自我改进开设独立 Workshop，标志 RSI 正式成为行业主流研究议题。
放眼海外，各大 AI 实验室已经开始布局 RSI 相关方向。
OpenAI 组建 RSI 专项研究团队；Anthropic 发布专题报告《When AI Builds Itself》，剖析 AI 加速自身研发的趋势与递归自我改进带来的风险；Google DeepMind 也开展 RSI 相关研究，AlphaEvolve 实现部分算法自动优化；Meta FAIR 则联合高校发布 AIRA‑2 自动化科研智能体论文。
落到创业赛道，资本热度同样高涨。
目标打造全自动 AI 实验室的 Recursive Superintelligence 完成 6.5 亿美元早期融资，投后估值达到 46.5 亿美元，英伟达、AMD 风投基金参与跟投，致力于实现 AI 自主完成从想法提出到实验验证的完整流程。
再到国内，基座厂商也与初创公司进行了双线布局。
3 月，MiniMax 发布 M2.7 模型，探索从 “工具型 AI” 迈向 “自我进化体”，不仅构建了一套以 Agent 为核心的自我进化系统，还具备 “自我优化闭环”，在内部测试中，模型可连续执行超过 100 轮 “分析 — 改进 — 验证” 的循环，实现约 30% 的效果提升。
7 月，腾讯混元推出 Hyra‑1.0 递归自进化科研智能体，将递归自我改进能力引入自身研发工具栈；字节 Seed 团队也在推进 Seed‑for‑Seed 的 AI4AI 探索，把 AI 自动数据合成、评测、框架调优逐步融入模型研发流水线。
再到 9 月，智谱刚在港交所发布公告，宣布完成港股配售及可转债融资，总规模约50亿美元，约60%资金将投向下一代 GLM 基础模型和一套名为 “完全自训练” 的体系。而 “完全自训练” 这个表述背后，也是智谱第一次在公告里把 “递归式自我改进” 写进了正式的技术路线图。
这边大厂把 RSI 写进迭代路线，另一边一级市场也开始发掘种子选手。
在超衍智能之前，主打 AI4AI (人工智能驱动人工智能) 递归迭代系统的元环智能也刚完成天使轮融资交割，顺为资本、启盈同创基金、君礼私募基金、上海未来产业基金、星连资本均为背后资方。
无独有偶的是，该项目也是清华系，由 90 后清华大学人工智能学院助理教授刘子鸣于今年 5 月创立，专注于递归自我改进系统 (RSI) 研发，2026 年因提出‘从算力扩展转向洞察扩展’的科研理念获得 WAIC 云帆奖，技术聚焦 AI 自动科研与模型自进化。
这些动作，无不在预示着 AI 行业的竞争逻辑已经发生了转向。
不同于大模型比拼的是算力、数据和科研人力的资源堆叠，RSI 赛道考验的是构建 AI 自主迭代闭环的底层工程能力，AI 的下一站，或已经落在了 “AI 自我进化” 能力之上。
资本和产业已经形成统一共识：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，抢占技术先发优势。
本文来自微信公众号“猎云精选”，作者：孙媛，36氪经授权发布。