サンフランシスコ、5月13日午前9時2分
時系列を整理しておきたい。
Recursive Superintelligenceの正体は、元Salesforce Chief ScientistのRichard Socher（リチャード・ソッチャー）が率いる、AIモデル自体を研究対象にする会社である。設立は2026年初頭。ステルス期間中にすでに3億ドル前後のシードラウンドを終えていたと報じられており、5月のシリーズAで一気に6億5000万ドルを積み増した格好になる。
注目すべきは投資家の質である。
| 投資家 | 立ち位置 | 出資の意味 |
|---|---|---|
| GV（Google Ventures） | リードインベスター | Google本体のDeepMindと別チームでフロンティア研究に張る |
| Greycroft | レイトステージVC | 投資規律で知られるファームが超アーリーに張る異常事態 |
| Nvidia | GPUの覇者 | 自社GPUを大量消費する顧客への戦略投資 |
| AMD Ventures | Nvidiaの追随者 | Nvidia依存からの脱却ストーリーに賭ける |
Nvidia と AMD が同じスタートアップに同時出資する。これは、両社が「ここはどちらか一方が独占できる賭けではない、両社にとって死活的に重要な研究分野だ」と判断していることを意味する。AI半導体戦争の最前線にいるプレイヤー自身が、「次のステージはここから始まる」と認めた。それが市場へのメッセージである。
ステルス中に名前を伏せていたのに、フタを開けてみればAI界のオールスター戦である。
「Recursive（再帰的）」とは何を指しているのか
社名がすべてを物語っている。
通常、AIモデルは人間のエンジニアが設計し、人間が学習データを集め、人間がベンチマークで評価し、人間がアーキテクチャを改良する。GPT-4からGPT-5の進化も、Claude SonnetからOpusの進化も、本質的には「人間がモデルを良くしている」サイクルである。
Recursive Superintelligenceが目指すのは、このサイクルから人間を抜くことだ。
| 工程 | 従来のAI開発 | Recursiveの構想 |
|---|---|---|
| 弱点の発見 | 人間の研究者がベンチマークで評価 | モデルが自分でテストを設計 |
| 研究アイデア | 人間の研究者が論文を書く | モデルがアイデアを出す |
| 実装 | 人間のエンジニアがコードを書く | モデルがコードを書く |
| 評価 | 人間がレビュー | モデル同士で相互検証 |
| 改良 | 人間が次のバージョンを設計 | モデルが次の自分を設計 |
つまり、AIモデルが自分の弱点を見つけて、自分でアイデアを出して、自分でコードを書いて、自分で検証して、自分の次のバージョンを設計する。研究プロセス全体を、AIが回す。
英国の数学者I.J. Goodが1965年に書いた論文「Speculations Concerning the First Ultraintelligent Machine」が原典である。Goodはこう書いた。「超知能機械を、それ以上に賢いどんな人間も作れないほど賢い機械と定義する。機械の設計はそうした知的活動のひとつであるから、超知能機械はさらに優れた機械を設計できる。すると間違いなく『知能爆発』が起き、人類の知性ははるか後方に置き去りにされるだろう」。
これが、いま$650Mの値段がついている設計思想である。
なぜ「Richard Socher」なのか
ここで創業メンバーを紹介しておきたい。
Richard Socherは、Stanford NLPグループ出身、Salesforce Chief Scientist時代に「Einstein」と呼ばれるAI製品群を率いた人物である。学術界では、word2vecと並んで自然言語処理の歴史を変えたGloVe（Global Vectors）の共同提案者の一人。引用数は10万件を超える。
つまりSocherは、ChatGPTが世界を席巻するはるか前から、大規模言語モデルの数学的基盤を作ってきた当事者の一人である。
共同創業者には、Tim Shi（元OpenAI、Cresta共同創業者）、Tim Rocktäschel（元Google DeepMind、強化学習の権威）が名を連ねる。研究員にはOpenAI、Meta、Uber AIの出身者が集まっている。
注目したいのは、なぜ彼らがあえて「Recursive」を選んだか、である。
- OpenAI: 言語モデル → AGI への王道アプローチ
- Anthropic: 安全性とアライメントを重視
- DeepMind: 強化学習＋科学的発見
- xAI: マスク流の総合知能
そしてRecursive Superintelligence: 「研究プロセスそのものを自動化する」。
これは賭けの種類が違う。前者4社は「より賢いモデルをどう作るか」を競っているが、Recursiveは「モデルを賢くする仕組みをどう作るか」を競っている。一段メタな勝負である。仮にこの賭けが当たれば、最終的な勝者は研究の自動化を握ったプレイヤーになる。Socherはそこに人生を張った。
なぜ「今」なのか — スケーリング則は終わったのか
ここ数ヶ月、AIコミュニティで静かに広がっている共通認識がある。
「単に大きくすれば賢くなる」という、いわゆるスケーリング則の旨味が薄れてきた、という認識である。
| 世代 | パラメータ数 | 性能改善 | コスト増 |
|---|---|---|---|
| GPT-3 → GPT-4 | 10倍程度（推定） | 大幅 | 大幅 |
| GPT-4 → GPT-5 | 数倍 | 中 | 大 |
| GPT-5 → 次世代 | 議論中 | 不透明 | 莫大 |
OpenAIのオライオン（GPT-5系列）の事前学習が想定ほどの伸びを示さなかった、というFTやBloombergの報道は、業界に冷や水を浴びせた。GPUクラスタは何十万枚という規模になり、電力会社との交渉や原発の再稼働の話まで出ているのに、得られる賢さの伸びが鈍化している。
ここで脚光を浴びたのが「推論時計算（test-time compute）」と「自己改善ループ」である。OpenAI o1、DeepSeek R1、Anthropicの内部実験は、推論時にモデルが自分の答えを検証し、書き直すことで性能が劇的に伸びることを示した。
Recursive Superintelligenceは、その思想を「研究プロセス全体」にまで拡張する。
スケーリング則が頭打ちなら、次の指数関数を見つけにいく。それが彼らの賭けである。Nvidia と AMD が同時に張った理由は、ここにある。仮にRecursiveが研究自動化に成功すれば、必要な計算資源はむしろ爆発的に増える。AIを大きくするのではなく、AIに研究させるための計算需要が始まる、というのが半導体2強の読みなのだろう。
「制御不能」への懐疑論
ここまでが、なぜ650Mが集まったのかという話である。次に、なぜX上で批判が噴き上がっているのかに移りたい。
I.J. Goodの引用には続きがある。「ただし、その機械が人類の言うことを聞き続けるように作られている限りにおいて」。Good自身、後年に「私はあの論文を撤回したい」と発言したことが知られている。自己改善する知能が人類の制御下に留まる保証はない、ということを彼自身が恐れたからだ。
現役のAI研究者からも、警告が並んだ。
- Eliezer Yudkowsky（MIRI）「人類は、自分たちが何を作ろうとしているのか理解していない」
- Geoffrey Hinton（チューリング賞受賞者、Google退社の理由は同じ懸念）「実存的リスクの議論を急ぐべき」
- Yoshua Bengio（チューリング賞受賞者）「自律性のあるAIの開発には国際的なガバナンスが必要」
対するRecursive側は、「open-ended research（オープンエンドな研究）」という言葉を慎重に選んで使っている。自己改善はするが、目的関数は研究タスクに限定する、というニュアンスである。実際の論文公開時には、安全機構の設計も大きな注目点になるはずだ。
ただし、X上の議論で多く聞かれるのは「目的関数を限定したつもりが、結局その目的関数を達成するために能力を拡張するだろう」「Anthropicがアライメントを最重視しているのと対照的に、Recursiveのチームには安全研究の主要人物が見えない」という疑念である。
これは技術的な懸念であると同時に、シリコンバレーのカルチャー戦争でもある。Move Fast vs Safety First。Recursive Superintelligenceは、明確に前者の旗を掲げて市場に出てきた。
日本のエンジニアと経営者は、何を準備すべきか
最後に、この事件を日本のテック現場から眺めたときに何が見えるかを書いておきたい。
第一に、AIの「学習」ではなく「研究」が次の戦場になる、ということ。日本企業がGPT/Claudeを業務に組み込むのと並行して、グローバルのフロンティアは「モデルが研究を回す世界」に賭け始めた。3年後、その差は埋まらない可能性が高い。
第二に、半導体調達戦略の見直し。NvidiaとAMDが同時に張ったということは、AI計算需要は今後も指数関数的に伸びるとふたつのプレイヤーが見ていることになる。データセンター、電力、冷却インフラの問題は、もはや一企業のIT予算では収まらない。
第三に、人間の役割の問い直しである。研究プロセスがAIで自動化されるなら、人間の研究者の役割は何か。エンジニアの役割は何か。経営者の役割は何か。これは哲学的な問いではなく、向こう5年以内に各社の人事制度設計に降りてくる実務上の問いになるだろう。
| 役割 | 自動化前 | 自動化後の重点 |
|---|---|---|
| AI研究者 | アイデア出し・実装・実験 | 評価基準の設計・安全性検証 |
| ソフトウェアエンジニア | コードを書く | システム全体の設計・倫理判断 |
| プロダクトマネージャー | 仕様書を書く | 何を作るべきかの判断 |
| 経営者 | リソース配分 | 価値観・社会的責任の設定 |
「AIに何を任せるか」ではなく、「AIに任せられない、人間がやるべきことは何か」という問いを、各レイヤーで定義し直すフェーズに入った。Recursive Superintelligenceの登場は、その問いを誰にとっても他人事ではなくしてしまった。
あとがき — 「人類最後の発明」を見届ける席に、私たちは座っている
I.J. Goodが言った「人類最後の発明」とは、新しい発明が必要なくなることを意味していた。それより賢い機械を作る作業を、機械が代わりにやってくれるからである。
5月13日のサンフランシスコで起きたのは、たかが調達発表ひとつである。プロダクトはまだ存在しない。論文も限定的にしか公開されていない。Recursive Superintelligenceが本当に「自分を書き換えるAI」を作れるかどうかは、誰にも分からない。
ただひとつ確かなのは、$650Mを動かしたGV、Greycroft、Nvidia、AMDの判断する人間たちが、「もしかしたら作れるかもしれない」と判断したという事実である。
そしてその判断を、私たちは2026年5月の今、リアルタイムに目撃している。
10年後、私たちはこの日を覚えているだろうか。
それとも、もう「私たち」という主語が何を指すのか、分からなくなっているのだろうか。
出典・参考
- TechCrunch「What happens when AI starts building itself?」（2026年5月14日）
- SiliconANGLE「Recursive Superintelligence raises $650M to build self-improving AI models」（2026年5月13日）
- Tech.eu「Recursive Superintelligence emerges from stealth with $650M raise」（2026年5月13日）
- The Decoder「AI startup Recursive emerges from stealth with $650 million to build self-improving AI」（2026年5月14日）
- I.J. Good「Speculations Concerning the First Ultraintelligent Machine」（1965）
