Bagaimana Ricursive Intelligence mengumpulkan $335M dengan valuasi $4B dalam 4 bulan

Julie Bort

Sel, 17 Februari 2026 pukul 2:00 AM GMT+9 5 menit baca

Dalam artikel ini:

GOOG

-1,08%

ANTH.PVT

Pendirinya Ricursive Intelligence, CTO Azalia Mirhoseini (kiri), Anna Goldie CEO (kanan) | Kredit Gambar:Ricursive Intelligence

Para pendiri bersama startup Ricursive Intelligence tampaknya memang ditakdirkan untuk menjadi rekan pendiri.

Anna Goldie, CEO, dan Azalia Mirhoseini, CTO, begitu terkenal di komunitas AI hingga mereka termasuk di antara para insinyur AI yang “mendapat email-email aneh dari Zuckerberg yang berisi penawaran gila-gilaan kepada kami,” kata Goldie kepada TechCrunch sambil tertawa. (Mereka tidak menerima penawaran itu.) Keduanya bekerja di Google Brain bersama dan menjadi karyawan awal di Anthropic.

Mereka meraih pengakuan di Google dengan membuat Alpha Chip — sebuah alat AI yang dapat menghasilkan tata letak chip yang solid dalam hitungan jam — proses yang biasanya membutuhkan waktu setahun atau lebih bagi desainer manusia. Alat itu membantu merancang tiga generasi Tensor Processing Units milik Google.

Jejeran pengalaman itulah yang menjelaskan mengapa, hanya empat bulan setelah meluncurkan Ricursive, bulan lalu mereka mengumumkan putaran Seri A senilai $300 juta dengan valuasi $4 miliar yang dipimpin oleh Lightspeed, hanya beberapa bulan setelah mengumpulkan putaran seed $35 juta yang dipimpin oleh Sequoia.

Ricursive membangun alat AI yang merancang chip, bukan chipnya sendiri. Itu membuat mereka berbeda secara mendasar dari hampir semua startup chip AI lainnya: mereka bukan calon pesaing Nvidia. Bahkan, Nvidia adalah investor. Raksasa GPU itu, bersama AMD, Intel, dan setiap pembuat chip lainnya, adalah target pelanggan startup tersebut.

“Kami ingin memungkinkan pembuatan semua chip, seperti chip buatan khusus atau chip yang lebih tradisional, segala jenis chip, dengan cara otomatis dan sangat dipercepat. Kami menggunakan AI untuk melakukan itu,” kata Mirhoseini kepada TechCrunch.

Jalur mereka pertama kali bertemu di Stanford, tempat Goldie meraih PhD sementara Mirhoseini mengajar kelas ilmu komputer. Sejak itu, karier mereka berjalan selaras. “Kami mulai di Google Brain pada hari yang sama. Kami meninggalkan Google Brain pada hari yang sama. Kami bergabung dengan Anthropic pada hari yang sama. Kami meninggalkan Anthropic pada hari yang sama. Kami bergabung lagi dengan Google pada hari yang sama, lalu kami meninggalkan Google lagi pada hari yang sama. Lalu kami memulai perusahaan ini bersama pada hari yang sama,” kenang Goldie.

Selama masa mereka di Google, para rekan itu begitu dekat sampai mereka bahkan berlatih bersama, dan sama-sama menikmati latihan circuit training. Permainan kata itu tidak luput dari Jeff Dean, insinyur Google terkenal yang menjadi kolaborator mereka. Ia memberi julukan proyek Alpha Chip mereka “chip circuit training” — permainan atas rutinitas latihan yang mereka jalani bersama. Secara internal, pasangan itu juga mendapat julukan: A&A.

Alpha Chip memberi mereka perhatian industri, tetapi juga menarik kontroversi. Pada 2022, salah satu rekan mereka di Google diberhentikan, demikian dilaporkan Wired, setelah ia menghabiskan bertahun-tahun mencoba mendiskreditkan A&A dan pekerjaan chip mereka, meskipun pekerjaan itu digunakan untuk membantu memproduksi beberapa chip AI terpenting milik Google—yang menjadi taruhan bisnisnya.

Cerita berlanjut  

Proyek Alpha Chip mereka di Google Brain membuktikan konsep yang kemudian menjadi Ricursive — menggunakan AI untuk mempercepat desain chip secara drastis.

Merancang chip itu sulit

Masalahnya adalah, chip komputer memiliki jutaan hingga miliaran komponen gerbang logika yang terintegrasi pada wafer silikon mereka. Desainer manusia bisa menghabiskan waktu setahun atau lebih untuk menempatkan komponen-komponen itu pada chip guna memastikan performa, pemanfaatan daya yang baik, dan kebutuhan desain lainnya. Menentukan secara digital penempatan komponen yang sekecil itu dengan presisi adalah, seperti yang bisa Anda bayangkan, sulit.

Alpha Chip “bisa menghasilkan tata letak berkualitas sangat tinggi dalam, misalnya, enam jam. Dan hal keren dari pendekatan ini adalah, pendekatan ini sebenarnya belajar dari pengalaman,” kata Goldie.

Premis dari pekerjaan desain chip AI mereka adalah menggunakan “sinyal imbalan” yang menilai seberapa bagus desain tersebut. Agen kemudian menggunakan penilaian itu untuk “memperbarui parameter dari deep neural network-nya supaya menjadi lebih baik,” kata Goldie. Setelah menyelesaikan ribuan desain, agen tersebut menjadi benar-benar hebat. Mereka mengatakan agen itu juga menjadi lebih cepat seiring ia belajar.

Platform Ricursive akan melangkah lebih jauh dari konsep itu. Perancang chip AI yang sedang mereka bangun akan “belajar lintas berbagai chip,” kata Goldie. Jadi, setiap chip yang dirancangnya harus membantunya menjadi desainer yang lebih baik untuk setiap chip berikutnya.

Platform Ricursive juga memanfaatkan LLMs dan akan menangani semuanya mulai dari penempatan komponen hingga verifikasi desain. Perusahaan mana pun yang membuat elektronik dan membutuhkan chip adalah target pelanggannya.

Jika platform mereka terbukti, seperti yang tampaknya kemungkinan besar terjadi, Ricursive dapat berperan dalam tujuan moonshot untuk mencapai artificial general intelligence (AGI). Memang, visi utama mereka adalah merancang chip AI—artinya AI pada dasarnya akan merancang “otak komputer”-nya sendiri.

“Chip adalah bahan bakar untuk AI,” kata Goldie. “Saya pikir dengan membangun chip yang lebih kuat, itulah cara terbaik untuk mendorong batas itu.”

Mirhoseini menambahkan bahwa proses perancangan chip yang panjang membatasi seberapa cepat AI bisa maju. “Kami berpikir kami juga bisa memungkinkan evolusi bersama yang cepat dari model dan chip yang pada dasarnya menenagai mereka,” katanya. Jadi AI bisa menjadi lebih cerdas lebih cepat.

Jika membayangkan AI yang merancang “otaknya” sendiri dengan kecepatan yang terus meningkat membuat Anda teringat pada Skynet dan Terminator, para pendiri justru menunjukkan bahwa ada manfaat yang lebih positif, lebih langsung, dan—menurut mereka—lebih mungkin: efisiensi perangkat keras.

Ketika AI Labs bisa merancang chip yang jauh lebih efisien (dan, pada akhirnya, seluruh perangkat keras yang mendasarinya), pertumbuhan mereka tidak harus menghabiskan begitu banyak sumber daya dunia.

“Kami bisa merancang arsitektur komputer yang secara unik cocok untuk model itu, dan kami bisa mencapai peningkatan performa hampir 10x per total biaya kepemilikan,” kata Goldie.

Meskipun startup muda itu tidak akan menyebutkan pelanggan awalnya, para pendiri mengatakan bahwa mereka telah mendengar kabar dari setiap nama besar pembuat chip yang bisa Anda bayangkan. Tidak mengherankan, mereka juga punya pilihan mitra pengembangan pertama, juga.

Syarat dan Kebijakan Privasi

Dasbor Privasi

Info Lebih Lanjut