Taruhan Riset AI untuk AI Recursive Senilai $5 Miliar: Analisis

Demo produk AI paling menarik saat ini mungkin bukan lagi jendela chat lain yang menulis email dengan rentang emosi seperti struk hotel. Bisa jadi itu adalah sistem AI yang meningkatkan sistem AI, yang entah merupakan rekursi yang elegan atau akhirnya industri mengakui bahwa pelanggan sejatinya adalah dirinya sendiri. Wawancara baru Latent Space dengan Richard Socher menyoroti taruhan itu, dengan memosisikan Recursive sebagai perusahaan yang berfokus pada peningkatan diri rekursif dan, menurut Latent Space, sudah bernilai $5 miliar. Gagasan Socher bukanlah bahwa AI membutuhkan persona asisten yang lebih berkilau dengan latar gradien yang lebih ramah. Gagasannya adalah bahwa lapisan tooling serius berikutnya akan mengotomatiskan riset AI itu sendiri: desain eksperimen, benchmark, perubahan kode, optimisasi, dan pada akhirnya penemuan ilmiah. Itu klaim yang lebih besar daripada yang bisa dipikul sebagian besar slide peluncuran tanpa penyangga punggung, jadi pertanyaan menariknya bukan apakah ini terdengar besar. Pertanyaannya adalah apakah bentuk awal alur kerjanya sudah cukup nyata sehingga para builder perlu peduli.

Latent Space menempatkan AI untuk riset AI di panggung utama

Latent Space menggambarkan Socher sebagai veteran NLP, CEO You.com, pendiri AIX Ventures, dan kini pendiri Recursive, startup yang berfokus pada peningkatan diri rekursif. Halaman episode tersebut mengatakan Recursive telah mengumpulkan para peneliti yang bekerja pada open-endedness dan agen yang meningkatkan diri, serta mengatakan perusahaan itu mengumpulkan seed round sebesar $4,65 miliar sambil sudah bernilai $5 miliar. Angka itu sedang push-up di sudut ruangan, tetapi cerita yang lebih tahan lama adalah kategorinya: riset AI otomatis sebagai infrastruktur, bukan hiasan aplikasi.

Tulisan GV tentang Recursive memberikan versi mekanismenya yang paling rapi: perusahaan ini membangun arsitektur terbuka yang mengajarkan AI untuk meningkatkan codebase-nya sendiri. GV mengatakan pihaknya ikut memimpin pendanaan awal $650 juta pada valuasi $4,65 miliar, dan membingkai logika intinya secara sederhana: “AI adalah kode, dan kini AI bisa membuat kode.” Dengan kata lain, meja lab menjadi perangkat lunak, peneliti menjadi loop, dan buku catatan lab mulai melakukan commit ke GitHub (tolong jangan beri hak merge setelah tengah malam).

Bukti awalnya kecil, dan justru karena itu penting

Daftar YouTube untuk Latent Space mengatakan Socher membahas hasil awal Recursive, termasuk sistem riset AI yang menurutnya mengungguli manusia dan agen mereka dalam tugas optimisasi dalam waktu kurang dari dua hari. Deskripsi yang sama menyebutkan pekerjaan pada kernel GPU NVIDIA, ketika sistem menemukan peningkatan tanpa bergantung pada tim ahli CUDA. Saya akan dengan lembut menyerahkan implikasi hardware kepada Theo sebelum saya tidak sengaja menggambarkan warp scheduler seperti spreadsheet berhantu.

Ringkasan BigGo tentang episode Latent Space menambahkan bahwa Socher menyebut hasil awal yang mengalahkan benchmark manusia pada nanochat, NanoGPT, dan kernel CUDA dalam hitungan hari. Ini bukan klaim tentang ilmuwan AI yang sepenuhnya umum yang berjalan masuk ke biologi, menyembuhkan penyakit, lalu bertanya di mana mesin espresso. Ini adalah sinyal yang lebih sempit bahwa sebagian alur kerja riset AI mungkin merupakan masalah pencarian mesin dengan struktur yang cukup untuk diotomatiskan: jalankan eksperimen, ukur hasil, revisi sistem, ulangi sampai benchmark berhenti menertawakan.

AI Engineer menambahkan catatan penting: ini belum selesai

Deskripsi talk AI Engineer mengatakan Socher membingkai riset otomatis melalui evolusi terbuka dan model sains Karl Popper: coba sesuatu, temukan kekurangan, lalu perbaiki. Deskripsi itu juga mengatakan ia menunjukkan contoh awal seputar peningkatan diri rekursif, termasuk sistem yang meningkatkan kode, harness, dan hasilnya sendiri, lalu mengulangi proses itu dalam horizon yang lebih panjang. Itu terdengar mencurigakan seperti setiap tim engineering yang lumayan baik, kecuali kini standup dihadiri oleh agen-agen yang tidak pernah berpura-pura Jira itu intuitif.

Yang penting, deskripsi AI Engineer yang sama mengatakan Socher berhati-hati bahwa ini adalah sampel awal, bukan mesin yang sudah jadi, dan bahwa bidang ini masih jauh dari bersifat umum di seluruh sains. Catatan itu adalah balok penopangnya. Tanpa itu, tesis ini berubah menjadi vaporware memakai jas lab. Dengan itu, Recursive menjadi sinyal yang berguna bagi para builder: perhatikan tooling di sekitar loop riset, verifier, pembuatan benchmark, pencarian arsitektur, dan eksperimen otonom.

Sinyal kariernya tersembunyi di lapisan tooling

Deskripsi MAD Podcast mengatakan Socher membahas simulasi, verifier, eksperimen otonom, laboratorium self-driving, kawanan agen, sel virtual, penemuan obat dengan AI, riset kanker, serta compute dan data yang diperlukan untuk membangun ilmuwan AI yang tidak pernah berhenti belajar. Daftar itu bukan roadmap produk dari bukti yang ada, tetapi itu adalah peta tentang di mana tekanan tooling sedang terbentuk. Kata-kata yang membosankan adalah yang penting: verifier, simulasi, benchmark, experiment harness.

Bagi para engineer, pelajaran jangka dekatnya praktis. Jika Anda membangun dengan AI, jangan hanya mempelajari asisten pengguna akhir dan prompt wrapper. Pelajari mesin yang mengubah hipotesis menjadi kemajuan terukur: eval, tugas sintetis, pencarian lintas implementasi, log eksperimen yang dapat direproduksi, orkestrasi agen, dan guardrail untuk reward hacking. Gelombang berikutnya dari tooling AI yang berguna mungkin tidak terlihat seperti chatbot berjas blazer, melainkan seperti intern riset tanpa lelah dengan profiler, rangkaian benchmark, dan imunitas kafein yang mengkhawatirkan.

Langkah pembaca sederhana: tetap perhatikan rilis model, tetapi arahkan perhatian lain ke sistem yang meningkatkan cara model dibangun. Recursive mungkin akan menjadi perusahaan kanonis dalam kategori ini, atau mungkin juga tidak, tetapi kategorinya sendiri makin sulit diabaikan. Ketika AI mulai mengotomatiskan riset AI, produknya bukan hanya kecerdasan. Itu adalah pabrik sekop yang belajar merancang sekop yang lebih baik.