Ricursive Intelligence 融资 3.35 亿美元，押注 AI 设计芯片

Ricursive Intelligence 是 Anna Goldie 与 Azalia Mirhoseini 创办的芯片设计 AI 公司，两人此前在 Google 参与开发 AlphaChip。公司于 2026 年 1 月 26 日宣布 3 亿美元 A 轮融资，估值 40 亿美元；TechCrunch 后续披露，连同此前种子轮累计融资为 3.35 亿美元。它想把 AI 放进芯片设计流程，让设计工具从每次设计中学习，再用于下一轮芯片开发。

要点

• 1 月宣布的 A 轮为 3 亿美元，由 Lightspeed 领投；NVIDIA 的 NVentures、Sequoia 等参与。
• 累计 3.35 亿美元包含 3,500 万美元种子轮与 3 亿美元 A 轮，不能把累计额误写成单轮金额。
• TechCrunch 10 月报道，Goldie 称传统芯片设计可能需要 6 个月至 2 年，而团队希望把一次设计缩短到约一周；这是团队的说法，不是已公开的独立基准测试。

融资背景

Ricursive 的融资速度解释了标题中两个金额的差别。TechCrunch 在 2026 年 2 月的创始团队报道中梳理出，种子轮融资 3,500 万美元，由 Sequoia 领投；2026 年 1 月公布的 A 轮为 3 亿美元，由 Lightspeed 领投。两轮相加是 3.35 亿美元，公司估值为 40 亿美元。官方融资公告称资金将用于扩充研究与工程团队、增加计算基础设施。由此，融资新闻反映的是这家公司的早期资本支持，并不等于其芯片设计平台已经大规模商用。

创始人经历是投资逻辑的一部分。Goldie 与 Mirhoseini 曾在 Google 共同研发 AlphaChip；Lightspeed 的投资文章将这段经历列为关键依据，并称 AlphaChip 的布局方法已用于多个 Google TPU 世代，也被 MediaTek 采用。TechCrunch 对创始人的报道同样把 AlphaChip 描述为机器学习辅助芯片布局的前作。需要区分的是，AlphaChip 的既有成果为团队提供技术履历，不能直接证明 Ricursive 正在开发的平台已达到相同成熟度。本站此前报道过 OpenAI 与 Synopsys 的芯片设计合作，它从 EDA 工具与模型合作切入，Ricursive 则希望建立一套可跨设计迭代的芯片设计平台。

工作方式

Ricursive 试图把芯片设计变成可以反复学习的过程。官方公告把目标概括为让 AI 模型与支撑它们的芯片形成递归反馈：模型辅助设计硬件，专用硬件又能提升后续计算能力。TechCrunch 2 月报道提到其方案结合强化学习与大语言模型，覆盖组件布局到设计验证；公司希望系统从不同芯片的设计中积累经验，而不是每次从头开始。

10 月 TechCrunch 采访补充了团队与传统流程的区别描述。Goldie 说，传统芯片设计往往把芯片拆成许多较小区块分别处理，Ricursive 希望优化整颗芯片，并让算法探索不规则的布局形态。她举 AlphaChip 曾生成环形布局的例子，说明算法可能找到工程师不常采用、但仍能满足设计目标的方案。这个例子属于前作，并非 Ricursive 新平台的公开测试结果。新闻材料也没有披露新平台的芯片实测指标、客户名单或已量产设计，因而目前只能评估其方法与团队背景，不能比较具体芯片的性能。

速度主张

芯片设计周期长，是这家公司的商业论点之一。TechCrunch 10 月报道中，Goldie 将传统周期描述为 6 个月至 2 年，并称 Ricursive 可以把设计压缩到约一周。Lightspeed 的投资文章则称领先芯片的设计通常要 2 至 3 年、花费数亿美元，并把缩短到数周作为平台目标。这些数字采用不同范围：Goldie 谈的是传统周期与公司团队的目标，Lightspeed 谈的是领先芯片的设计投入；它们都不是同一组芯片、同一套方法下的对照实验。

对芯片团队而言，压缩周期的意义不止是提前流片。如果布局、验证等工作可以由 AI 工具迭代完成，团队理论上能更便宜地评估面向特定模型或设备的定制芯片。Lightspeed 将这种方向描述为降低定制硅片的门槛；Ricursive 也把硬件与 AI 模型相互推动作为愿景。不过，新闻报道没有给出实际项目的成本节省、工具接入方式或可复现结果。所谓“一周”应当视作创始人的速度主张，而非适用于每种芯片的交付承诺。

算力路径

Goldie 在 TechCrunch Disrupt 的访谈中预测，未来五年计算需求至少增长 10,000 倍，并补充说这个估计可能偏保守。这是她对需求的判断，不是行业统一预测。她据此主张，满足增长不能只靠继续增加数据中心，还要更有效地利用带宽、晶圆与晶圆厂产能；AI 参与芯片设计，是她提出的供给侧路径之一。

这个论点把 Ricursive 放进算力基础设施讨论，也让它区别于直接训练大模型或制造加速卡的公司。它销售的目标是设计工具，潜在使用者包括芯片与电子设备开发商；NVIDIA 同时通过 NVentures 参与投资，说明投资方与芯片产业链的关系，但不能据此推断 NVIDIA 已是其客户。可以把它与 OpenAI 计算团队的管理调整放在同一条算力供给线索里看：一个关注建设与运营计算基础设施的人事变化，另一个尝试从芯片设计效率增加供给。

编辑判断

如果你负责芯片、EDA 或 AI 基础设施，Ricursive 值得跟进的原因是它把 AI 芯片议题放在设计工具，而不是又一款加速器上。它的团队曾做出 AlphaChip，融资也得到 Lightspeed、Sequoia 与 NVentures 支持；这些事实提高了项目获得资源和行业接触的可能性，却不能替代新平台的技术验证。

读者现在能做的“一分钟上手”是阅读官方融资公告与创始团队报道，了解公司投入方向和技术沿革；目前没有公开产品下载、API 或开发者试用入口，因此不能把它当作可立即部署的工具。评估后续进展时，优先看公司是否公布客户合作、可复现的设计结果、覆盖的设计环节，以及“一周”周期适用于哪类芯片。更关键的是，芯片设计还受制造工艺、验证要求和实际工作负载约束；仅靠生成布局的速度，尚不足以说明最终芯片更快、更省电或更便宜。