超衍智能

定义与身份

超衍智能是《RSI 火了，国内已经有人融了近 4 亿》一文介绍的一家国内递归自我改进（递归自我改进(RSI)，Recursive Self-Improvement，简称 RSI）方向公司。文章将其描述为尝试让 AI 参与研究，并把研究过程和结果反哺模型训练的团队。下文涉及公司的成立、融资、团队履历和技术路线，均属于该文章陈述，不代表已完成独立核验。

角色与职责

文章所述超衍智能的主要方向包括：

• 研发基础模型与配套算力。
• 探索递归自进化，使模型能够参与提出研究想法、查找资料、编写代码、运行实验和分析结果。
• 保存研究中的成功与失败过程，形成完整的 Research Trajectory，并将其回流到模型的中训练和后训练环节。
• 通过“研究—积累轨迹—训练模型—提升下一代研究能力”的循环，让模型持续获得更高质量的研究经验。

关键信息

• 成立时间：文章称超衍智能成立于2026年6月。
• 融资时间与轮次：文章称公司于2026年9月16日宣布完成天使轮和天使加轮融资。
• 累计融资额：文章称累计融资近4亿元。
• 投资方：文章列出的投资方包括 IDG、晶泰科技，以及北京、深圳、上海三地国资。
• 资金用途：官方所称用途包括基础模型、算力和递归自进化研发。
• 创始人：文章称创始人为陈勇超，年龄为27岁。
• 教育与任职经历：文章称陈勇超于2026年8月入职清华大学人工智能学院，任助理教授；此前曾在 Google DeepMind、Microsoft、MIT-IBM Watson 从事研究。以上年龄、入职时间、职务和工作经历均应视为来源文章提供的信息。

技术路线与边界

文章将超衍智能与部分只在 Agent 或 Harness 层实现自动研究的项目区分开来，称其选择了更深入模型训练环节的路线：把 Research Trajectory 回流到中训练和后训练，直接参与下一版模型改进，而不只是让外部 Agent 调度工具完成一次研究任务。 按文章描述，闭环过程是：AI 提出 idea、查资料、写代码、跑实验；系统保留成功和失败的完整研究轨迹；这些轨迹再用于训练模型，使模型在完成一次研究的同时积累训练经验。团队把这一逻辑概括为“Research is the engine of RSI”。 该路线的边界是：原文只描述了技术设想、方向和融资用途，没有给出模型名称、训练数据规模、算力规模、公开实验指标、商业化产品、客户或量产时间表。因此不能据此断言其技术已经实现、效果已经验证或公司已形成稳定产品。

概念关联

文章把 RSI 的扩展对象概括为“Experience”而不只是 Token 或 Compute：如果闭环持续运作，下一代模型可能更擅长研究，并进一步产出更高质量的训练经验。文中还以“Research 平权”描述这一方向的愿景，即缩短普通人与研究员之间的能力距离；这属于文章的观点和愿景，不是已验证结果。

相关条目

• 递归自我改进(RSI)：超衍智能据称所处的技术方向。
• 研究轨迹回流训练：将研究过程记录回流至中训练和后训练的技术思路。
• Research Trajectory：AI 研究过程中形成的想法、资料、代码、实验、结果及成败记录。
• Auto-research：与文章所述自动化研究项目相关的概念，可用于比较 Agent/Harness 层方案与模型训练层方案。

来源与核验说明

主要来源：《RSI 火了，国内已经有人融了近 4 亿 - 今日头条》，来源网址：https://www.toutiao.com/article/7686544439241703979/ 。本文条目仅依据该文章整理；成立时间、融资金额与投资方、陈勇超个人履历以及技术路线等信息均需以公司公告、工商或融资披露、学术机构资料和后续技术公开材料进一步核验。