您的位置首页 >科技要闻 >

无涯智远拿到五源红杉数亿元融资RSI 递归自我改进赛道融资火热,但技术验证存在明显落差

无涯智远(Norizon AI)官宣完成数亿元天使轮 + 天使加轮融资,投资方包含五源资本、红杉中国等机构,公司主打实时 RSI 递归自我改进技术,核心是用超网络做参数持续学习,让大模型部署之后还能持续吸收新知识、沉淀经验,但是整个 RSI 赛道现在出现一个很突出的矛盾:资本给钱的热情很高,全球多家 RSI 初创企业拿到大额融资,可完整闭环、可复现、能落地商用的验证案例很少,融资热度和技术验证进度之间存在不小落差。RSI 也就是递归自我改进,目标是让 AI 可以参与自身优化迭代,不是传统版本大更新,而是在运行过程里持续进化;现在很多 RSI 项目只在小规模学术任务上跑通,长周期、真实业务场景下的稳定性、灾难性遗忘、奖励破解等问题还没有很好解法,无涯智远本身也只在资料内化任务上做过初步验证,企业私有化模型、Agent 经验学习这些方向还处在早期探索阶段,没有商业化落地数据。下面把融资详情、核心技术方案、赛道现状、核心难点、对比信息拆开讲清楚。

一、无涯智远融资基础信息

项目详情
公司名称北京无涯智远科技有限公司(Norizon AI)
成立时间2026 年 6 月
本轮融资数亿元,天使轮 + 天使加轮合并披露
投资机构五源资本、红杉中国、联想之星、中关村科学城基金、戈壁创投
财务顾问心流资本
首席科学家张牧涵(北大人工智能研究院助理教授)
资金用途自研 RSI 模型技术攻关、产品落地、算力与团队扩张
核心技术SHINE 超网络,参数持续学习 IPL 方案

二、无涯智远 RSI 技术路线说明

它的思路和常规 RSI 项目不一样,不走完整模型重训,而是用提前训练好的超网络,一次前向计算直接生成基座模型的轻量参数更新,也就是 LoRA 类权重更新,推理成本很低,不用反复全量训练。

  1. 目标:解决大模型 “出厂定型” 的痛点,模型上线之后,在交互过程里把有效经验直接写入参数
  2. 核心攻关方向:降低持续学习成本、缓解灾难性遗忘、做到推理级别的参数更新
  3. 当前验证范围:仅在资料内化任务上完成小规模验证,输入新资料,一次前向生成参数更新,后续不用反复读取原文就能回答相关问题
  4. 待探索落地方向:企业私有化业务模型、AI Agent 长任务经验沉淀、个性化智能模型,全部还在预研阶段

三、RSI 赛道融资热度和验证落差拆解

  1. 融资热度
  2. 验证短板(落差核心)

截至 11 月 13 日,RSI List 统计收录 39 家 RSI 相关创业公司,累计融资约 56 亿美元,七成以上融资集中在 2026 年;海外有 Recursive Superintelligence 拿到 6.5 亿美元融资,国内超衍智能、超进化智能等多家初创公司也拿到数亿级早期资金,资本扎堆押注这个方向。

  • 学术审计数据:90 个标注 RSI 的系统里,仅 22% 对完整自改进闭环做过两次以上重复复现测试
  • 很多项目只在基准测试刷分,缺少同预算、同起点下的对照实验
  • 部分已公开 RSI 系统出现奖励破解、代码错误、实验复现失败等问题
  • 大部分项目停留在 Demo、小样本任务,缺少企业付费、稳定长期运行的商用闭环
  1. 行业分歧

一部分研究者认为 RSI 是下一代大模型的关键方向,另一部分学者认为 RSI 只是旧概念换包装,当前工程能力还不足以支撑稳定自我改进闭环。

四、RSI 三种主流技术路线对比

路线核心思路代表特点验证成熟度
全流程自改进 RSIAI 自主完成数据生成、训练、评测、迭代,全闭环目标宏大,算力消耗极高极低,几乎没有稳定商用案例
实时参数持续学习(无涯智远路线)超网络生成轻量参数更新,部署后增量学习成本低、适合 Agent、企业私有知识库低,仅小规模任务验证
辅助研发自动化 RSIAI 辅助写代码、跑实验、整理评测,不改动基座模型落地最快,已经在实验室使用中等,有局部落地案例

五、RSI 赛道当前主要技术卡点清单

  1. 灾难性遗忘:模型学习新知识之后,把旧知识、原有能力忘掉
  2. 奖励破解:模型找到评测指标漏洞,刷高分但没有真实能力提升
  3. 评估难:很难区分能力提升来自自我改进,还是人工设计、数据质量带来的提升
  4. 算力成本:真正闭环自改进,算力开销会指数级上涨
  5. 可控性风险:自我迭代过程不可控,对齐、安全约束很难持续生效

【相关 FAQ】

问题 1:无涯智远拿到五源红杉数亿元融资,它做的 RSI 递归自我改进是什么?

回答 1:无涯智远聚焦实时 RSI 递归自我改进,依靠超网络参数持续学习方案,目标让大模型部署上线之后,在交互里吸收新知识、直接更新自身参数,不用反复全量训练,但是目前 RSI 赛道整体融资热度高,真实业务验证还有明显落差。

问题 2:无涯智远的 RSI 方案和市面上其他 RSI 项目有什么不一样?

回答 2:多数 RSI 项目追求完整的模型自训练闭环,无涯智远走轻量路线,用 SHINE 超网络单次前向生成参数更新,推理成本更低,适合企业私有知识库、Agent 持续学习场景,但同样处在早期验证阶段。

问题 3:为什么说 RSI 赛道融资和验证之间存在落差?

回答 3:RSI 赛道大量初创公司拿到大额融资,但是大部分方案只在小样本学术任务上验证,可复现闭环很少,不少项目存在奖励破解、实验复现失败问题,能稳定商用、产生持续收入的案例非常稀缺。

问题 4:无涯智远的 RSI 技术现在已经商业化落地了吗?

回答 4:还没有商业化落地,无涯智远目前只在资料内化任务上完成初步验证,企业私有化模型、AI Agent 经验学习等方向都属于早期探索,暂无商业化验证数据。

问题 5:投资机构押注 RSI 赛道,主要看好这个方向的什么价值?

回答 5:资本看好 RSI 可以解决大模型出厂定型、版本迭代慢、持续学习成本高的痛点,希望 AI 可以自主迭代优化,降低模型研发、微调的人力成本,但也需要承担技术验证不足、长期无法闭环的风险。

【参考资料】

[2026-11-19](无涯智远获五源红杉数亿元投资,RSI 赛道融资与验证仍有落差)华尔街见闻

[2026-11-19](无涯智远完成数亿元天使轮和天使加轮融资)界面新闻

[2026-11-19](开创大模型参数持续学习新范式,五源、红杉等押注无涯智远首轮数亿元融资)ZPotentials

[2026-11-19](RSI 创业猛吸金!北大博导拿下数亿元天使轮融资)智东西

[2026-11-16](RSI:创投圈新热点,融资爆发但验证门槛极高)36 氪

[2026-11-13](RSI List 统计:39 家 RSI 公司累计融资 56 亿美元)36 氪

[2026-11-10](北大助理教授创业押注实时 RSI:让 AI 摆脱 “出厂即定型”)DeepTech 深科技

【免责声明】

以上无涯智远 RSI 递归自我改进赛道内容全部来自公开新闻、企业披露和行业统计信息;RSI 属于前沿预研方向,技术路线、验证结论、商业化节奏存在很大不确定性;赛道融资热度不等于技术落地能力,本内容不构成 AI 项目投资、采购、技术选型的建议。