Medgrundarna av startupen Recursive Intelligence verkade avsedda att bli medgrundare.
VD Anna Goldie och CTO Azalia Mirhoseini är mycket välkända inom AI-communityn, och de var bland AI-ingenjörerna som ”fick det här konstiga mejlet från Zuckerberg som gav oss ett galet erbjudande”, sa Goldie till TechCrunch med ett skratt. (De accepterade inte erbjudandet.) De två arbetade tillsammans på Google Brain och var tidiga anställda på Anthropic.
De fick erkännande hos Google för att skapa Alpha Chip, ett AI-verktyg som kan generera solida chiplayouter på timmar. Denna process tar vanligtvis ett år eller mer för mänskliga designers. Detta verktyg hjälpte till att designa tre generationer av Googles Tensor Processing Units.
Denna stamtavla förklarar varför Recursive tillkännagav en serie A-runda på $300 miljoner till en värdering på $4 miljarder, ledd av Lightspeed, förra månaden, bara fyra månader efter lanseringen och bara två månader efter att ha samlat in en $35 miljoner seedrunda ledd av Sequoia.
Rekursiv bygger AI-verktygen som designar chipsen, inte själva chipsen. Det gör företaget fundamentalt annorlunda från nästan alla andra AI-chipstarter. Så de försöker inte vara en konkurrent till Nvidia. Faktum är att Nvidia också är en investerare. GPU-jätten är startupens målkund, liksom AMD, Intel och alla andra kretstillverkare.
”Vi vill kunna bygga alla typer av marker, inklusive anpassade marker och mer traditionella marker, på ett automatiskt och mycket snabbt sätt, och vi använder AI för att göra det,” sa Mirhosseini till TechCrunch.
Deras vägar korsades först vid Stanford University, där Mirhoseini undervisade i datavetenskap och Goldie tog sin doktorsexamen. Sedan dess har deras karriär rullat på. ”Vi gick med i Google Brain samma dag. Vi lämnade Google Brain samma dag. Vi gick med i Anthropic samma dag. Vi lämnade Anthropic samma dag. Vi gick med i Google igen samma dag. Vi lämnade Google igen samma dag. Och vi startade det här företaget tillsammans samma dag,” sa Goldie.
tech crunch event
boston, massachusetts
|
23 juni 2026
Under min tid på Google var mina kollegor tillräckligt nära för att träna tillsammans, och vi gillade båda cirkelträning. Ordleken tog sig också till deras samarbetspartner, den berömda Google-ingenjören Jeff Dean. Han döpte deras Alpha Chip-projekt till ”Chip Circuit Training”. Detta är en lek med träningsrutinerna de delar. Internt fick paret även smeknamnet ”A&A.”
Alpha-chippet väckte uppmärksamhet i branschen, men det väckte också kontroverser. Wired rapporterade att 2022 fick en av hans kollegor på Google sparken efter att ha tillbringat flera år med att försöka misskreditera A&A och dess chiparbete, även om det arbetet användes för att producera AI-chips, Googles viktigaste och affärsmässiga insats.
Alpha Chip-projektet på Google Brain bevisade konceptet med vad som skulle bli rekursivt: att använda AI för att dramatiskt accelerera chipdesign.
Chipdesign är svårt
Problemet är att datorchips har miljontals till miljarder logiska grindkomponenter integrerade på en kiselskiva. Mänskliga designers kan spendera mer än ett år på att placera dessa komponenter på ett chip för att säkerställa prestanda, bra strömutnyttjande och andra designbehov. Som du kan föreställa dig är det svårt att exakt bestämma placeringen av sådana små komponenter digitalt.
Alpha Chip ”kan producera mycket högkvalitativa layouter på cirka sex timmar, och det fantastiska med detta tillvägagångssätt är att du faktiskt lär dig av erfarenhet,” sa Goldie.
Utgångspunkten för deras AI-chipdesignarbete är användningen av ”belöningssignaler” för att utvärdera godheten i en design. Agenten använder sedan den bedömningen för att ”uppdatera och förbättra parametrarna för det djupa neurala nätverket”, sa Goldie. Efter att ha slutfört tusentals konstruktioner har agenten blivit väldigt bra på det. Och som den lärde sig gick det snabbare, sa grundarna.
Recursives plattform tar detta koncept ännu längre. AI-chipdesignerna de bygger ”lär sig över olika chips”, sa Goldie. Så varje chip du designar borde hjälpa dig att bli en bättre designer för varje chip som följer.
Recursives plattform använder även LLM, som hanterar allt från komponentplacering till designvalidering. Alla företag som tillverkar elektronisk utrustning och kräver chips är en målkund.
Om deras plattform visar sig, vilket verkar troligt, kan Recursive spela en roll i månskottsmålet att uppnå artificiell allmän intelligens (AGI). Faktum är att deras ultimata vision är att designa AI-chips, vilket innebär att AI i huvudsak designar sin egen datorhjärna.
”Chips är bränslet för AI,” sa Goldie. ”Jag tror att att bygga mer kraftfulla marker är det bästa sättet att flytta den gränsen framåt.”
Mirhosseini tillade att hastigheten på framsteg inom AI begränsas av den långa chipdesignprocessen. ”Vi tror att vi också kan möjliggöra denna snabba samutveckling av modeller och de chips som i huvudsak driver dem,” sa hon. Så AI kan växa snabbare och smartare.
Om idén att AI designa sin egen hjärna i allt snabbare hastigheter frammanar visioner av Skynet eller Terminator, pekar grundarna på fördelarna med vad de ser som mer aggressivt, omedelbart och mer troligt. Det handlar om hårdvarueffektivitet.
Om AI Labs kan designa mycket effektivare chips (och i slutändan all underliggande hårdvara), kommer deras tillväxt inte att kräva lika mycket av världens resurser.
”Vi kunde designa en datorarkitektur som var unikt anpassad för den modellen, och vi kunde förbättra prestandan per total ägandekostnad med nästan en faktor 10,” sa Goldie.
Den unga startupen kommer inte att avslöja namnen på sina tidiga kunder, men dess grundare säger att de har hört från alla stora chiptillverkare man kan tänka sig. Naturligtvis väljer de också sina egna initiala utvecklingspartners.
