Setelah Keluar dari Meta, Tian Yuandong Baru Saja Umumkan Akan Memulai Startup

marsbitDipublikasikan tanggal 2026-05-14Terakhir diperbarui pada 2026-05-14

Abstrak

Setelah meninggalkan Meta, Tian Yuandong secara resmi mengumumkan pembentukan perusahaan startup bernama Recursive_SI. Perusahaan ini didirikan oleh sejumlah ahli AI terkemuka, termasuk Tian Yuandong, Richard Socher (CEO), Tim Rocktäschel, Jeff Clune, Tim Shi, Caiming Xiong, dan Alexey Dosovitskiy. Mereka memiliki pengalaman luas di laboratorium penelitian AI perusahaan seperti Salesforce, Uber, OpenAI, DeepMind, Google Brain, dan Meta. Recursive_SI berfokus pada pengembangan kecerdasan buatan yang mampu melakukan eksperimen secara mandiri dan meningkatkan diri dengan aman melalui proses penemuan ilmiah otomatis yang terbuka. Pendekatan ini dianggap sebagai jalur yang paling memungkinkan menuju superintelijen. Saat ini, perusahaan telah mengumpulkan pendanaan sebesar $6,5 miliar dengan valuasi $46,5 miliar, dipimpin oleh GV (Google Ventures) dan Greycroft, dengan partisipasi penting dari AMD Ventures dan NVIDIA. Tim yang terdiri dari lebih dari 25 orang terus berkembang, menarik bakat-bakat seperti Zhuge Mingchen, seorang Founding Member yang lulusan doktoral KAUST di bawah bimbingan Prof. Jürgen Schmidhuber. Penelitiannya berfokus pada Agen Pemrograman, Perbaikan Diri Rekursif (RSI), dan Paradigma Mesin Generasi Berikutnya. Karya sebelumnya tim ini mencakup sistem awal RSI seperti GPTSwarm dan penelitian tentang arsitektur AI baru seperti NeuralComputer. Para pendiri menyatakan bahwa mereka sedang membangun AI yang dapat menemukan pengetahuan secara otomatis dan meningkat...

Setelah meninggalkan Meta, Tian Yuandong juga memulai startup.

Baru saja, perusahaan startup Recursive_SI secara resmi diperkenalkan, dan mengumumkan daftar pendirinya, termasuk Tian Yuandong.

Selain Tian Yuandong, tim pendiri juga termasuk Richard Socher (CEO), Tim Rocktäschel, Jeff Clune, Tim Shi, Caiming Xiong, Alexey Dosovitskiy, dan lainnya.

Anggota pendiri ini pernah terlibat dalam pembangunan laboratorium penelitian AI di Salesforce dan Uber, dan memegang posisi kepemimpinan di tim seperti OpenAI, DeepMind, Google Brain, serta Meta, memiliki pengalaman penelitian dan kewirausahaan yang kaya.

Recursive_SI berkomitmen untuk menciptakan kecerdasan buatan yang mampu melakukan eksperimen secara mandiri dan meningkatkan diri dengan cara yang aman — terus berkembang dalam proses penemuan sains otomatis terbuka, yang dianggap sebagai jalur paling mungkin menuju superintelligence.

Saat ini, Recursive telah mengumpulkan dana sebesar $6,5 miliar, dengan valuasi $46,5 miliar, dipimpin oleh GV (Google Ventures) dan Greycroft, dengan partisipasi investasi penting dari AMD Ventures dan NVIDIA.

Anggota tim telah melebihi 25 orang dan terus berkembang. Tim telah menarik banyak talenta hebat, termasuk Zhuge Mingchen yang akan segera bergabung.

Zhuge Mingchen saat ini adalah Anggota Pendiri (Founding Member) Recursive, lulusan doktoral dari King Abdullah University of Science and Technology (KAUST) jurusan Ilmu Komputer, dibimbing oleh Prof. Jürgen Schmidhuber yang dikenal sebagai "Bapak LSTM". Fokus penelitiannya terutama pada Agen Kode (Coding Agents), Peningkatan Diri Rekursif (Recursive Self-Improvement, RSI), dan Paradigma Mesin Generasi Berikutnya (Next-generation Machine Paradigms).

Sejak 2023, Zhuge Mingchen mulai secara sistematis mengeksplorasi arah Peningkatan Diri Rekursif (RSI).

Pada masa MetaGPT, dia telah mengusulkan bahwa agen harus memiliki mekanisme untuk terus mengoptimalkan diri dan evolusi kemampuan, dan melanjutkan jalur penelitian ini dalam pekerjaan selanjutnya. Di antaranya, GPTSwarm dianggap sebagai salah satu paradigma sistem RSI paling awal di era LLM, pertama kali secara sistematis mengusulkan dan memvalidasi kerangka kerja kolaborasi pengorganisasian mandiri berbasis Agen Berbasis Grafik (Graph-based Agents), mencapai kolaborasi, umpan balik, dan evolusi kemampuan antar agen melalui struktur grafik dinamis, inti pemikirannya kemudian diadopsi secara luas oleh banyak pekerjaan multi-agen dan AI Agen berikutnya; Agent-as-a-Judge lebih lanjut mengeksplorasi mekanisme umpan balik dan penilaian diri berkelanjutan dalam tugas jangka panjang, mencoba menyelesaikan masalah keberlanjutan dan optimasi stabil agen dalam tugas kompleks; sedangkan penelitian NeuralComputer lebih lanjut mengarah pada arsitektur sistem AI generasi berikutnya, mengeksplorasi paradigma mesin baru yang menggabungkan memori, penalaran, dan kemampuan evolusi mandiri.

Dapat dilihat, tim penelitian yang bergabung dengan Recursive memiliki pengalaman akademis yang mendalam dalam arah peningkatan diri rekursif.

Tian Yuandong dan beberapa pendiri lainnya telah melakukan promosi di X: Kami sedang membangun kecerdasan buatan yang dapat secara otomatis menemukan pengetahuan dan meningkatkan diri secara rekursif — proses terbuka ini akan mengubah secara fundamental cara kemajuan sains dan teknologi.

Dalam beberapa bidang inti kecerdasan buatan peningkatan diri rekursif, tim berada di garis depan industri.

Anggota tim pernah membuat terobosan besar dalam algoritma terbuka, algoritma keragaman kualitas, algoritma yang dihasilkan AI, agen pemrograman peningkatan diri, pengujian tim merah otomatis dan penemuan kemampuan, rekayasa prompt dan otomatisasinya, generasi tantangan pembelajaran dan lingkungan, model dunia dasar, pembelajaran mendalam pemrosesan bahasa alami, Transformer visual, generasi augmented retrieval, serta ilmuwan AI.

Jadi, kami sangat menantikan penelitian Recursive_SI selanjutnya.

Artikel ini berasal dari akun WeChat "机器之心", penulis: 机器之心, editor: Redaksi 机器之心

Pertanyaan Terkait

QSiapa pendiri perusahaan startup Recursive_SI?

ATim pendiri termasuk Tian Yuandong (sebelumnya di Meta), Richard Socher (CEO), Tim Rocktäschel, Jeff Clune, Tim Shi, Caiming Xiong, dan Alexey Dosovitskiy.

QApa misi utama Recursive_SI?

ARecursive_SI bertujuan menciptakan AI yang dapat melakukan eksperimen secara mandiri dan meningkatkan dirinya sendiri dengan aman melalui proses penemuan ilmiah otomatis yang terbuka, yang diyakini sebagai jalur paling mungkin menuju kecerdasan super.

QBerapa jumlah pendanaan dan valuasi Recursive_SI saat ini?

ARecursive_SI telah mengumpulkan pendanaan sebesar $6,5 miliar dengan valuasi $46,5 miliar, dipimpin oleh GV (Google Ventures) dan Greycroft, dengan partisipasi dari AMD Ventures dan NVIDIA.

QSiapa Zhuge Mingchen dan kontribusinya pada penelitian AI?

AZhuge Mingchen adalah Anggota Pendiri Recursive, lulusan doktoral KAUST di bawah bimbingan Prof. Jürgen Schmidhuber. Fokus penelitiannya meliputi Agen Coding, Recursive Self-Improvement (RSI), dan paradigma mesin generasi berikutnya. Karyanya seperti GPTSwarm dan Agent-as-a-Judge berkontribusi pada pengembangan sistem AI yang dapat berevolusi secara mandiri.

QApa saja pencapaian kunci tim Recursive_SI dalam bidang AI?

ATim telah mencapai terobosan signifikan dalam berbagai bidang inti AI, termasuk algoritma open-ended, algoritma Quality Diversity, agen pemrograman yang dapat meningkatkan diri, pengujian red-teaming otomatis, teknik prompt engineering otomatis, model dunia dasar, Vision Transformer, Retrieval-Augmented Generation (RAG), dan AI sebagai ilmuwan.

Bacaan Terkait

GitHub, Ditembus oleh AI

Tanggal 9 Februari pukul 12 malam WIB, GitHub mengalami gangguan global yang parah. Situs web, API, GitHub Actions, hingga Copilot semuanya down. Penyebabnya adalah perubahan sederhana: memperpendek waktu refresh cache dari 12 jam menjadi 2 jam, yang memicu badai penulisan ulang cache dan menyebabkan kegagalan berantai. Ini bukan insiden tunggal. Pada kuartal pertama 2026, GitHub mengalami setidaknya 8 gangguan besar. Polanya aneh: setiap kali penyebabnya berbeda, tetapi akar masalahnya sama: infrastruktur yang mulai retak di bawah beban baru yang sangat masif. Beban baru itu datang dari AI Agent. Pada 2026, jumlah commit mingguan mencapai 275 juta. Jika berlanjut, total tahunan bisa 14 miliar, atau 14 kali lipat dari tahun 2025. AI Agent seperti Claude Code sekarang menyumbang 4,5% dari semua commit publik. Mereka bekerja tanpa henti, menghasilkan PR dalam jumlah besar, dan memperlakukan repository sebagai "output" alih-alih "ruang kerja" manusia. Pola lalu lintas yang bisa diprediksi telah berubah total. Masalah lainnya adalah model bisnis. Harga flat Copilot tidak lagi sesuai karena sesi Agentic AI menghabiskan sumber daya yang sangat besar, jauh melebihi biaya langganan. Sejak 1 Juni, GitHub beralih ke model pembayaran berdasarkan penggunaan (AI Credits). Untuk mengatasinya, GitHub tidak sekadar menambah kapasitas, tetapi merancang ulang arsitektur untuk menanggung beban 30 kali dari skala saat ini. Mereka berencana memisahkan layanan penting, memperkenalkan mekanisme kontrol lalu lintas, dan menghilangkan titik kegagalan tunggal. Intinya, GitHub sedang berubah dari "alat kolaborasi manusia" menjadi "pipa pembuangan AI". Gangguan pada 9 Februari bukan sekadar kecelakaan, melainkan pertanda era baru di mana AI mengubah fundamental alur kerja pengembangan perangkat lunak.

marsbit9m yang lalu

GitHub, Ditembus oleh AI

marsbit9m yang lalu

Di Mana Sebenarnya Gelembung AI: Lapisan Mana yang Berenang Tanpa Pakaian?

**Gelembung AI Sebenarnya di Mana: Lapisan Mana yang Berenang Tanpa Pakaian** Pertanyaan yang tepat bukan "apakah ada gelembung AI?", tetapi "di lapisan mana gelembung AI itu?". Analisis mendetail terhadap rantai pasokan AI menunjukkan pola: **semakin dekat dengan kendala fisik, semakin kecil gelembungnya.** * **Lapisan Terbawah (L0) Aman:** **TSMC** bertindak sebagai "bank sentral" AI, mengontrol suplai chip dengan ketat. Ekspansi mereka konservatif, dibatasi oleh siklus pembangunan pabrik 3-5 tahun dan investasi miliaran dolar. **Kendala listrik** untuk data center juga membatasi ekspansi tanpa terkendali. Lapisan ini tidak mendukung gelembung. * **Lapisan Inti (Large Cap) Mahal, Tapi Kokoh:** Raksasa seperti Microsoft, Google, Meta, Amazon, dan NVIDIA memiliki **pendapatan nyata, kontrak nyata, dan utilisasi penuh**. Pertumbuhan pendapatan yang eksplosif (contoh: satu perusahaan dari $1B ke $450B dalam 18 bulan) mendukung valuasi, meski mahal. * **Area Pertarungan (L1 - Memori):** Profitabilitas HBM yang melonjak (hingga 70%) bisa menjadi awal siklus baru atau puncak "siklus babi" lama. Struktur oligopoli (hanya 3 pemain) mencegah ekspansi berlebihan, tetapi kenaikan harga yang didorong oleh spekulasi tetap menjadi risiko. * **Lapisan dengan Bau Gelembung:** * **L2 - Modul Optik (Fotonik):** Harga saham naik 4-10x, jauh melampaui pertumbuhan pendapatan (~60%). Ini adalah satu-satunya segmen hardware di mana suplai dapat merespons dengan cepat, menciptakan ruang bagi spekulasi. Teknologi seperti *co-packaged optics* juga mengancam model bisnis lama. * **L3 - Penyedia Cloud GPU "Tuan Tanah Kedua":** Mereka hidup dari **kelangkaan sementara** di antara raksasa cloud. Begitu kendala listrik dan ekspansi cloud besar mereda, atau teknologi seperti *data center luar angkasa* muncul, model bisnis mereka terancam. * **L4 - Ekor Panjang Aplikasi & Ekosistem VC:** Konsentrasi modal ventura di AI (>80% pada Q1) dua kali lipat lebih tinggi daripada puncak gelembung dotcom 1999. Banyak startup tanpa pendapatan yang solid meminjam logika valuasi perusahaan besar, menciptakan risiko **valuasi terbalik** saat pendanaan berikutnya turun. * **Risiko Sistemik Potensial:** 1. **Revolusi Efisiensi Algoritma:** Jika algoritma baru secara drastis mengurangi kebutuhan komputasi. 2. **Kredit GPU yang Dileverage:** Munculnya struktur pembiayaan di luar neraca (SPV) yang membungkus GPU sebagai agunan dapat menciptakan leverage tersembunyi, mengingatkan pada krisis 2008. 3. **TSMC Menjadi Kurang Konservatif:** Jika monopoli suplai chip canggih pecah dan ekspansi menjadi tidak terkendali. **Kesimpulan:** AI memiliki fondasi yang kuat di lapisan inti dengan permintaan nyata, tetapi terdapat tanda-tanda kepanikan dan valuasi berlebihan di lapisan yang lebih dekat ke aplikasi dan memiliki kendala suplai yang lebih longgar. **Gelembung tidak merata.** Kunci untuk menilai adalah dengan menanyakan: (1) Di lapisan mana sebuah entitas berada? (2) Apakah pendapatannya nyata atau dipinjam dari valuasi orang lain? (3) Apakah ia menghasilkan uang dari struktur yang berkelanjutan atau hanya dari kelangkaan sementara? Selama TSMC dan kendala fisik lainnya tetap menjadi "penjaga", gelembung sistemik dapat dihindari.

marsbit15m yang lalu

Di Mana Sebenarnya Gelembung AI: Lapisan Mana yang Berenang Tanpa Pakaian?

marsbit15m yang lalu

Keduanya Menderita Kerugian Lebih dari 90 Miliar Dolar, Mana yang Lebih Berbahaya, Strategy atau Bitmine?

**Bitmine dan Strategy Rugi Miliaran Dolar, Siapa Lebih Berisiko?** Dalam pasar yang terus turun, dua raksasa perusahaan aset kripto berbasis perbendaharaan (DAT), Strategy dan Bitmine, menghadapi kerugian mengambang yang sangat besar. Saat ini, Strategy dilaporkan rugi sekitar 100 miliar dolar AS, sementara Bitmine sekitar 90 miliar dolar AS. Meski sama-sama rugi, tekanan keuangan keduanya berbeda. Bitmine terutama mendanai pembelian ETH melalui penerbitan saham, tanpa utang besar. Perusahaan ini masih memiliki cadangan tunai sekitar 446 juta dolar AS dan pendapatan dari staking ETH. Mereka juga berencana mengumpulkan 300 juta dolar AS lagi melalui penerbitan saham prioritas. Sebaliknya, Strategy membeli BTC dengan menggunakan utang besar, termasuk sekitar 6,7 miliar dolar AS dalam obligasi konversi. Perusahaan ini juga memiliki kewajiban membayar dividen saham prioritas (STRC) yang besar, sekitar 1,7 miliar dolar AS per tahun. Dengan cadangan tunai yang terbatas, Strategy menghadapi tekanan likuiditas yang signifikan jika harga BTC terus turun, berpotensi memaksa mereka menjual BTC untuk memenuhi kewajiban. Kesimpulannya, meski kedua perusahaan menghadapi tekanan pasar, **Strategy dianggap lebih berisiko karena struktur pendanaan berbasis utang dan kewajiban dividen yang memberatkan,** sementara Bitmine memiliki posisi keuangan yang lebih fleksibel.

marsbit17m yang lalu

Keduanya Menderita Kerugian Lebih dari 90 Miliar Dolar, Mana yang Lebih Berbahaya, Strategy atau Bitmine?

marsbit17m yang lalu

Trading

Spot
Futures
活动图片