Ricursive Intelligence 在四个月内筹集 3.35 亿美元，估值 40 亿美元
请提供您希望翻译的正文内容（文章的文字部分），我将按照要求保留来源链接并将其翻译成简体中文。谢谢！
Source: TechCrunch – Ricursive hits $4B valuation two months after launch
Ricursive Intelligence – 创始人、融资与愿景
创始人
- Anna Goldie – CEO
- Azalia Mirhoseini – CTO
两人都是知名的 AI 工程师。在 TechCrunch 的采访中，Goldie 开玩笑说他们“收到了 Zuckerberg 发来的奇怪邮件，里面有疯狂的报价”——这些报价他们礼貌地拒绝了。
职业亮点
| 公司 | 职位 | 重要成就 |
|---|---|---|
| Google Brain | 工程师（同一天加入并离职） | 创建了 Alpha Chip，这是一款能够在数小时内生成完整芯片布局的 AI 工具（相比人类设计师需要一年以上）。该工具为 Google 的三代张量处理单元（TPU）提供了支持。 |
| Anthropic | 早期员工（同一天加入并离职） | 在 Google 工作的同时继续进行 AI 研究。 |
| Ricursive Intelligence | 联合创始人（同一天创立） | 构建用于 芯片 的 AI 驱动设计工具，而不是芯片本身。 |
“我们希望让任何芯片——无论是定制的还是传统的——都能够以自动化且极大加速的方式完成制造。我们正在使用 AI 来实现这一点。” – Azalia Mirhoseini, TechCrunch
融资时间线
| 日期 | 轮次 | 金额 | 主导投资者 | 估值 |
|---|---|---|---|---|
| 2025年10月 | 种子轮 | $35 M | Sequoia Capital | — |
| 2026年2月 | A 轮 | $300 M | Lightspeed Venture Partners | $4 B |
Source: TechCrunch – Ricursive hits $4B valuation two months after launch
商业模式
- 产品： 自动化芯片设计的 AI 软件。
- 客户： GPU/CPU 制造商，如 Nvidia、AMD、Intel 以及其他半导体公司。
- 差异化： 与大多数构建硬件的 AI 芯片创业公司不同，Ricursive 提供 设计自动化层。Nvidia 实际上是投资者，而非竞争对手。
起源故事
- 斯坦福关联： Goldie 在攻读博士期间，Mirhoseini 在教授计算机科学课程。
- 同步的职业轨迹： “我们在同一天加入了 Google Brain，同一天离开了 Google Brain。同一天加入了 Anthropic……我们在同一天一起创办了这家公司，”Goldie 回忆道。
趣闻与争议
- “芯片循环训练”： Jeff Dean 给 Alpha Chip 项目起了这个昵称，源自创始人共同的循环训练锻炼。内部也称其为 A&A。
- 2022 年争议： 一位试图抹黑 A&A 工作的 Google 同事被解雇，相关报道见 Wired（链接）。他们的 Alpha Chip 技术随后帮助 Google 生产了关键的“赌上业务” AI 芯片（TechCrunch）。
即将举行的活动
| 活动 | 地点 | 日期 |
|---|---|---|
| TechCrunch 活动 | 美国马萨诸塞州波士顿 | 2026年6月23日 |
Ricursive 的 Alpha Chip 证明了概念的可行性，如今该技术驱动着他们的 AI 芯片设计平台，使这家初创公司站在半导体制造与生成式 AI 的交叉点上。
设计芯片很难
计算机芯片在单个硅晶圆上包含 数百万到数十亿个逻辑门组件。人工设计师可能需要一年甚至更长时间来放置这些组件，以满足性能、功耗和其他设计约束。正如你所预料的，用所需的精度自动化这种布局是极具挑战性的。
Alpha Chip 的突破
“Alpha Chip 能在大约六小时内生成非常高质量的布局。这个方法的酷点在于它实际上是从经验中学习的，” – Goldie
团队的 AI 驱动工作流使用 奖励信号 来评估设计质量。智能体随后更新其深度神经网络的参数以改进。经过数千个设计的生成后，智能体：
- 在布局方面显著提升
- 加速了自身的设计速度
Recursive 的平台（前称 “Ricursive”）
Recursive 正在扩展这一概念：
- 跨芯片学习 – 每一个新芯片设计都会为下一个提供信息，使 AI 成为一个逐步更优秀的设计师。
- LLM 集成 – 大语言模型负责从组件布局到设计验证的全部工作。
- 目标市场 – 任何制造电子产品并需要定制芯片的公司。
如果平台兑现其承诺，Recursive 可能为 人工通用智能（AGI） 的宏大目标作出贡献。他们的终极愿景是让 AI 设计自己的“计算大脑”，形成一个反馈循环：更智能的芯片推动更智能的 AI。
“芯片是 AI 的燃料。我认为打造更强大的芯片是推进这一前沿的最佳途径。” – Goldie
为什么更快的芯片设计很重要
-
加速 AI 进展 – Mirhoseini 指出，冗长的芯片设计周期限制了 AI 的发展。
“我们认为也可以实现模型与驱动它们的芯片之间的快速共同演化，”她说。
-
硬件效率 – 更快的 AI 驱动设计能够显著降低未来硬件所需的资源。
“我们可以为该模型专门设计一种计算机架构，实现几乎 10 倍的性能提升，同时降低总体拥有成本。” – Goldie
-
环境影响 – 更高效的芯片意味着更低的能耗和更小的碳足迹。
了解更多关于 AI 硬件资源影响的内容。
早期采用
Recursive 尚未披露其早期客户，但创始人表示已经收到了 所有主要芯片制造商 的兴趣。不出所料，他们已经挑选了少数 开发合作伙伴 来试点该平台。
要点
- AI 驱动的芯片设计 能将布局时间从数月压缩到数小时。
- 跨芯片学习 与 LLM 驱动的验证 预示着持续改进。
- 这种连锁效应可能 加速 AI 研究、降低成本 并 减少环境影响，让我们更接近 AI 设计硬件的愿景——最终迈向 AGI。