从Meta被裁到46亿美金联创：田渊栋官宣前的最后一次独家对话

文｜尚莞迪 5月13日,Recursive Superintelligence 以6.5亿美金融资、46.5亿美金估值正式亮相,Google Ventures 和 Greycroft 领投,英伟达、AMD 跟投。 公司的名字就点明了八位联创的使命:AI 自我改进的闭环,直到超级智能。这八个人,任何一个单拎出来都足以领一家 AI 独角兽。而田渊栋,是其中之一。 谁曾记得, 上一次他成为新闻头条,是另一番光景。 一觉醒来,顶级科学家被裁。 去年10月,Meta 裁掉600人,FAIR 整组整组地走,田渊栋也在其列。作为前 Meta FAIR 研究总监,他在 Meta 奉献了十年有余,是该机构职位最高的华人科学家之：提出位置插值技术,开启长文训练的时代;主导 ELF OpenGo项目,以极少的资源超越 AlphaZero。令人意外的是,被裁之后他只留下一句话:真正应该对解决问题负责任的人，并不是被裁掉的人。 沉寂了 203 天后 , 他的名字赫然出现在这份联创名单上 , 再次创造一条惊天大新闻。 就在他官宣前不久,田渊栋坐在了「创见」播客的话筒前，与盛大集团副总裁、EverMind CEO邓亚峰，Astra X Ventures创始人尚莞迪完成他在创业前的封官访谈。这场两个小时的对话横跨了AI memory技术底层、大模型公司组织管理、人类记忆机制与遗忘的哲学、意识的边界，最终落在一个所有人都在回避却无法绕开的问题上：当AI可以接管人类的一切工作以及承接人类所有记忆，那么人类的未来，到底在哪里？ 对话中,两人达成了几点关键共识:AI 记忆不等于上下文窗口,它是一个比 context 更大的抽象概念;2026年行业从"卷参数"转向"谈记忆",本质是大模型终于开始落地;技术没有绝对壁垒,真正的护城河是数据迭代的飞轮,以及敢于做非共识决策的人;AI 不太可能自发产生意识,但被人滥用的风险,远比"AI 觉醒"更值得警惕。 他们也有清晰的分歧。田渊栋相信,打开黑盒有可能从根本上解决幻觉问题;邓亚峰则认为,可解释性路线在历史上从未真正 work,最终解决问题的还是 scaling。关于 AI 能否在所有领域超越人类,邓亚峰从能力侧判断,将来没有什么是 AI 不能超越人类的,技术问题终将被解决;田渊栋则保持谨慎,他认为人类专家从极少数据中获取洞察的能力,AI 目前还达不到——而一旦这道 gap 被填平,或许就标志着 AGI 真正意义上的到来。 田渊栋在这场对话里对 AI 自我改进、对可解释性、对人类洞察力与 AGI 边界的判断,几乎就是 Recursive 这条路线的提前剧透。 本期「创见」以视频播客的形式录制。以下是这次对话的精选内容。 技术平权的意外推手 从 Anthropic 的「被开源」说起 录制开始前，主播尚莞迪抛出一个近期业界热议话题：Anthropic最近的操作实在太反常规——“意外开源”了Claude Code源代码，紧接着又对第三方工具调用施加限制。行业里讨论热烈，这些动作背后的逻辑到底是什么？ 田渊栋的判断很干脆：意外开源并非战略意图。Anthropic今年1月收购了一个叫Bunt的包托管软件，软件本身有bug，本应在发布环节被过滤掉的source map没有去除，源代码就跟着软件包一起泄露了出去。「AI来写代码，一定会出现一些新的问题，」他提到，「Meta之前也有过类似的情况。以后大家用AI写代码，可能还要多关注安全性。」 邓亚峰看到的是另一层。在他看来，Anthropic在行业中长期代表着一种最佳实践，技术博客和方法论一直被广泛学习和跟进。源代码意外泄露之后，这些实践等于向全行业敞开了大门。「技术上某种意义上有点平权了，」他说，这件事从侧面推动了整个AI agent领域的发展。 当AI开始「记住」一切 当我们谈AI记忆，我们在谈什么？ 聊完热点，话题回到主场。尚莞迪提出问题：「AI memory」这个词，不同人的理解不尽相同。做模型的人认为是上下文窗口，做agent的人理解为长期状态管理。两位科学家先要解决的，是一个看似基础却从未被真正统一过的共识问题：什么是AI记忆？ 田渊栋给出了一个二分框架。AI记忆不仅包括KV Cache（当前会话内的短期信息），还包括模型权重本身（模型在漫长训练过程中获得的长期记忆）。Agent memory要解决的核心问题，是如何把多个会话的历史信息放入上下文，让模型最大化发挥作用。 邓亚峰从人类认知出发，拆解得更细。他先讲了人的记忆结构：人的智能由两大核心构成，推理能力和长期记忆。人在工作时依赖的工作记忆窗口极其有限，所以在演化中发展出了记忆巩固机制，把关键信息沉淀为长期记忆。远古时代的人类，能辨清哪里有水草、哪里有危险，都是通过记忆来组织的。 映射到AI，他把记忆的形式归纳为三种：KV Cache、外部存储（如RAG）、以及一种较少被讨论的隐状态（如RNN中间状态）。功能上也是三个层面：上下文管理（压缩超长上下文）、个性化（记住用户偏好）、自我演化（帮助AI组织数据、学习并预测未来）。 两人最后在一个表述上形成了默契。田渊栋说：「记忆是一个抽象的概念，上下文是它的实现方式。」邓亚峰补充：「上下文可能更具体，记忆在范畴上更大。」」 这个区分看似学术，但它决定了后面所有讨论的坐标系。 为什么2026年，整个行业突然开始谈记忆？ 尚莞迪提出一个敏锐的观察：为什么行业似乎一夜之间不约而同从「卷参数」转向了「谈记忆」？Gemini，ChatGPT，Claude都开始主动询问用户是否要从其他工具迁移记忆。 田渊栋认为根本原因是：大模型终于开始「落地」了。ChatGPT刚出来时，大家看到了希望但仍沿着旧轨迹生活。直到今年年初，人们突然意识到AI工具已经能够「部分代替甚至完全代替人的工作」。一旦涌入大量真实需求，如何让大模型适应每个用户就成了核心问题。「你不可能因为每个人单独训练一遍模型。这时候memory、agent就非常重要了。」 邓亚峰从技术演进的视角进行了补充。早期大厂聚焦于把大模型训好、追求reasoning和scaling law，但当大家发现在这条路上的性价比不再那么高，另一个变量便浮出水面：除了推理能力，最重要的其实就是memory如何管理数据。无论陪伴场景、办公协同还是agent，记忆管理都正在成为决定产品体验的核心变量。他还指出，2025年以来这个领域的学术工作明显增多。benchmark上开始有人刷数据集，各种paper密集涌现。需求驱动和技术突破正在形成正反馈。 Evermind的起源：陈天桥、脑科学与一次方向选择 尚莞迪追问邓亚峰的个人选择：他在AI领域工作了20多年，产学研背景扎实，为什么选择和前首富陈天桥合作，把筹码全押在AI记忆上？ 他透露了EverMind的起源与本次选择背后的渊源。盛大集团创始人陈天桥过去十年对大脑机制极度痴迷，成立了TCCI天桥脑科学院机构持续推动脑科学研究。其中脑科学中的记忆机制，为AI记忆的方向判断提供了底层启发。三四年前，陈天桥开始关注AI革命，躬身入局。他对下一代AI的核心判断浓缩为一个等式：人类智能 = reasoning + long term memory，并由此设立两条主线：推理能力交给另一团队Mi