На рынке искусственного интеллекта начинается новая гонка — и на этот раз речь уже не только о моделях, чипах или пользовательских продуктах. Все чаще в центр внимания попадает сам исследовательский процесс.

Если раньше компании соревновались в том, кто быстрее обучит модель или выпустит новый сервис, то теперь все более амбициозная цель звучит так: можно ли заставить ИИ самостоятельно заниматься научной работой?

Именно на эту идею делает ставку стартап Recursive Superintelligence, который, по данным публикации, всего через четыре месяца после основания привлек $500 млн при оценке в $4 млрд.

Раунд возглавил фонд GV — венчурное подразделение Google, а среди инвесторов также оказалась NVIDIA. Сам факт такой сделки уже говорит о многом: крупнейшие игроки ИИ-рынка готовы платить не за готовый продукт, а за шанс занять место в следующем технологическом скачке.

Recursive Superintelligence пока не представила широкой публике готовый продукт, однако заявленная цель компании звучит предельно масштабно: создать систему self-learning AI, то есть ИИ, способный не просто отвечать на вопросы или выполнять команды, а самостоятельно проходить полный цикл научного исследования.

Речь идет о том, чтобы машина могла:

выдвигать гипотезы;

проектировать эксперименты;

оценивать результаты;

корректировать направление поиска;

и затем повторять этот цикл снова.

Иными словами, Recursive хочет убрать человека из центра исследовательского контура и передать эту функцию самой системе. Это уже не просто автоматизация отдельных задач, а попытка переосмыслить саму модель научной работы.

Основатель компании — Ричард Сочер, одна из заметных фигур в современной истории ИИ и обработки естественного языка. Он родился в Германии, учился в Стэнфорде у Эндрю Ына и Кристофера Мэннинга, а в 2014 году защитил докторскую диссертацию, получив награду за лучшую PhD-работу на факультете компьютерных наук.

Сочера часто называют одним из тех исследователей, кто помог по-настоящему внедрить нейросетевые методы в NLP. Его ранние исследования в области векторных представлений слов, контекстных эмбеддингов и prompt engineering заметно повлияли на тот фундамент, на котором позже выросли модели семейства BERT и GPT.

После академической карьеры он основал стартап MetaMind, который был приобретен Salesforce. Внутри корпорации Сочер несколько лет руководил AI-направлением в качестве chief scientist и executive vice president, а позже стоял за развитием таких продуктов, как Einstein GPT.

После ухода из Salesforce он в 2020 году основал поисковый ИИ-сервис You.com, который к 2025 году, по данным материала, достиг оценки в $1,5 млрд.

Теперь Сочер делает еще более амбициозную ставку — не на поиск и не на прикладной ИИ, а на автоматизацию самой научной мысли.

Идея «самообучающегося ИИ» не нова как концепция. В исследовательском сообществе давно обсуждаются системы, которые могут ускорять научный процесс, помогать формулировать гипотезы и автоматизировать эксперименты. Но Recursive пытается упаковать этот вектор в очень конкретную экономическую и индустриальную логику.

Сегодня ведущие исследователи в области ИИ стоят крайне дорого. По данным публикации, компенсации топовых специалистов могут достигать $15–20 млн в год. На этом фоне возникает очевидный вопрос: если система сможет выполнять значительную часть исследовательской работы быстрее и дешевле, не изменится ли вся экономика передовых лабораторий?

Именно здесь Recursive предлагает свою главную ставку. Если исследовательский цикл можно частично или существенно автоматизировать, компании получат не просто новый инструмент, а новую организационную модель науки. Победит уже не тот, у кого больше звездных ученых, а тот, кто первым создаст ИИ, способный ускорять собственное развитие.

Связка GV + NVIDIA выглядит особенно показательно. У каждой из сторон здесь своя логика.

Для Google это выглядит как стратегическая ставка и одновременно хеджирование. DeepMind уже много лет работает на стыке ИИ и науки: от AlphaFold, изменившего биологические исследования, до систем, решающих сложные математические задачи. Но DeepMind в основном фокусировалась на применении ИИ к конкретным научным проблемам. Recursive же претендует на более фундаментальный слой — на автоматизацию самого процесса научного открытия.

Для Google это одновременно и потенциальный конкурентный риск, и возможность заранее занять место в новой архитектуре рынка. Если такие системы действительно станут следующим большим этапом, корпорации важно быть внутри игры, даже если она развивается не только в стенах собственных лабораторий.

Для NVIDIA логика еще прямолинейнее. Самообучающийся ИИ — это почти гарантированный спрос на огромные вычислительные мощности. Если система должна непрерывно запускать эксперименты, тестировать гипотезы, дообучать модели и сравнивать варианты, то главным ограничением становится не только алгоритм, но и масштаб GPU-инфраструктуры. Инвестируя в Recursive, NVIDIA, по сути, инвестирует и в будущий спрос на собственные ускорители.

Совместное участие Google и NVIDIA можно читать и как более тонкий сигнал: некоторые игроки рынка уже считают, что этот сегмент перешел в стадию, когда не участвовать опаснее, чем ошибиться.

Конечно, сама цифра — $4 млрд спустя всего четыре месяца после запуска — звучит почти абсурдно. За последние годы рынок ИИ уже привык к стартапам, которые собирают сотни миллионов на ранней стадии, опираясь в основном на команду, vision и ожидания. Но даже на этом фоне Recursive выделяется.

С одной стороны, такой уровень доверия можно объяснить:

сильным именем основателя;

опытом команды из DeepMind и OpenAI;

редкой плотностью компетенций на пересечении фундаментальной науки и прикладного ИИ;

перегретым спросом инвесторов на «следующий OpenAI».

С другой стороны, нынешняя оценка Recursive основана не на выручке, не на масштабах продукта и не на уже доказанной технологии, а прежде всего на обещании направления. Это инвестиция в гипотезу: что научный цикл действительно можно автоматизировать достаточно глубоко, чтобы перестроить всю индустрию.

Такой подход уже становился нормой в ИИ-секторе. Венчурный рынок сегодня все чаще платит не за текущую реальность, а за право не пропустить потенциальную платформенную компанию будущего.

Само название стартапа говорит о его амбициях. Термин recursive в информатике связан с процессом, в котором функция вызывает саму себя. В контексте ИИ это слово отсылает к идее системы, которая способна улучшать собственные методы и таким образом ускорять свое развитие.

В самой радикальной интерпретации это уже почти территория концепции «интеллектуального взрыва» — сценария, в котором ИИ, достигнув определенного уровня, начинает самостоятельно и ускоряющимся темпом улучшать себя. Именно вокруг этих идей уже много лет строятся важные дискуссии о безопасности ИИ.

Судя по материалу, Recursive пока явно не заявляет о достижении такого уровня. Более реалистично ее проект можно интерпретировать как попытку создать систему, которая автономно управляет циклом исследования и резко снижает затраты времени и человеческого труда в передовой науке.

Но даже этот более приземленный вариант уже выглядит трансформационным. Если он сработает, последствия затронут не только ИИ-лаборатории, но и:

фармацевтику;

материаловедение;

биотехнологии;

физику;

и другие области, где научный прогресс упирается в медленный и дорогой цикл эксперимента.

Recursive — не единичный случай, а часть более широкой волны. С конца 2025 года все заметнее становится тренд, при котором исследователи из ведущих AI-лабораторий запускают собственные компании с большими амбициями и еще большими оценками. На рынке появляются проекты вроде Thinking Machines Lab, Safe Superintelligence, Ineffable Intelligence, Advanced Machine Intelligence Labs и других.

У этой волны есть вполне понятная причина. Крупнейшие ИИ-лаборатории постепенно становятся все больше похожи на большие корпорации: со сложной политикой, комплаенсом, KPI и внутренними ограничениями. Для части исследователей это означает меньше свободы в выборе самых рискованных и радикальных направлений. На этом фоне собственный стартап начинает выглядеть как лучший способ быстро реализовать агрессивное видение будущего.

Капитал, в свою очередь, эту динамику только усиливает. Инвесторы сегодня гораздо охотнее, чем раньше, готовы платить именно за «направление», если за ним стоят громкие имена и ощущение исторического шанса.

С Recursive сейчас возможны два сценария — и оба выглядят вполне реалистично.

Первый: компания действительно доказывает, что ИИ может автономно и результативно вести исследовательский цикл. Тогда она не просто станет дорогим стартапом, а поможет изменить саму основу того, как человечество занимается наукой и разрабатывает новые технологии.

Второй: реальность окажется куда сложнее обещаний. Как это уже не раз бывало в ИИ-индустрии, путь от сильной идеи до работающей системы может оказаться гораздо длиннее, дороже и запутаннее, чем предполагает венчурная презентация. Тогда нынешняя оценка останется символом эпохи перегретых ожиданий.

История Recursive Superintelligence важна не только как новость о крупном раунде. Она показывает, как быстро смещается фронт ИИ-конкуренции. Если раньше в центре гонки были модели и приложения, то теперь борьба все больше идет за то, кто первым автоматизирует сам процесс создания нового знания.

Именно поэтому инвестиция Google и NVIDIA выглядит столь значимой. Это ставка не просто на очередной стартап, а на возможный следующий уровень всей ИИ-индустрии — уровень, на котором машина перестает быть инструментом исследователя и начинает претендовать на роль самого исследователя.

Пока никто не знает, приведет ли эта дорога к настоящему прорыву или к еще одному раздутому пузырю. Но ясно одно: в новой гонке вооружений искусственного интеллекта под давление попадают уже не только компании и модели, но и сами ученые.