リカーシブ・インテリジェンスが4か月で評価額4Bで$335Mを調達した方法

ジュリー・ボルト

2026年2月17日（火）午前2:00（GMT+9） 5分で読む

この記事で：

GOOG

-1.08%

ANTH.PVT

リカーシブ・インテリジェンスの共同創業者CTOアザリア・ミルホセイニ（左）、CEOのアンナ・ゴールディ（右）| 画像クレジット：リカーシブ・インテリジェンス

リカーシブ・インテリジェンスのスタートアップ共同創業者たちは、共同創業者になる運命だったように見えた。

アンナ・ゴールディ（CEO）とアザリア・ミルホセイニ（CTO）はAIコミュニティであまりに有名で、「ズッカーバーグから、クレイジーなオファーをしてくる変なメールをあれこれ受け取った人たち」の一員だった、とゴールディはTechCrunchに語り、笑った。（彼らはオファーを受けなかった。）2人はGoogle Brainで一緒に働き、Anthropicの初期の従業員でもあった。

2人はAlpha Chipを作ってGoogleで称賛を得た。Alpha Chipは、数時間でしっかりしたチップのレイアウトを生成できるAIツールで、通常は人間の設計者が1年あるいはそれ以上かかる工程だった。このツールは、GoogleのTensor Processing Unitsの3世代の設計に役立った。

その経歴が、リカーシブのローンチからわずか4か月後に、先月、ライトスピード主導で評価額40億ドルで3億ドルのSeries Aラウンドを発表するに至った理由を説明している。これは、セコイアが主導した3500万ドルのシードラウンドを調達してから、ほんの数か月後のことだ。

リカーシブは、チップそのものではなく、チップを設計するAIツールを作っている。これは、ほぼすべての他のAIチップスタートアップと本質的に違う点で、いわゆるNvidiaの対抗馬になりたいわけではない。実際にNvidiaは投資家である。GPUの巨人に加え、AMD、Intel、そして他のあらゆるチップメーカーが、同スタートアップのターゲット顧客だ。

「私たちは、カスタムチップでも、より伝統的なチップでも、あらゆる種類のチップを、自動化され、非常に加速された形で作れるようにしたいんです。そのためにAIを使っています」とミルホセイニはTechCrunchに語った。

2人の道が最初に交差したのはスタンフォードで、そこでゴールディは博士号を取得したが、ミルホセイニがコンピュータサイエンスの授業を教えていた。その後はキャリアが完全に歩調を合わせてきた。「同じ日にGoogle Brainでスタートしました。同じ日にGoogle Brainを離れました。同じ日にAnthropicに加わりました。同じ日にAnthropicを離れました。同じ日にGoogleに再び加わって、それから同じ日にまたGoogleを離れました。そして、同じ日に一緒にこの会社を始めたんです」とゴールディは振り返った。

Googleでの在籍中、2人の距離はとても近く、一緒にトレーニングまでしていて、ともにサーキットトレーニングを楽しんでいた。ジェフ・ディーンという、名高いGoogleのエンジニアで、彼らの共同作業者でもあったが、そこにもつながる言葉遊びがあった。彼は彼らのAlpha Chipプロジェクトを「chip circuit training（チップのサーキットトレーニング）」と呼んだ。これは、共通のトレーニング習慣への当てこすりだった。社内では2人にもう1つのニックネームも付けられていた。A&Aだ。

Alpha Chipは業界で注目を集めたが、同時に論争も呼んだ。2022年に、Wiredが報じたところによれば、Googleでの同僚の1人が解雇された。彼は何年もかけてA&Aとチップ開発の取り組みを信用できないものにしようと画策していたが、その取り組みは、Googleの最重要かつ“賭けるべき”AIチップの一部を作るのに使われていたのだ。

物語は続く  

Google Brainでの彼らのAlpha Chipプロジェクトは、リカーシブになることになるコンセプト——AIを使ってチップ設計を劇的に加速する——の実現可能性を示した。

チップ設計は難しい

問題は、コンピュータチップには、シリコンウェハに統合されている何百万〜何十億ものロジックゲート部品があることだ。人間の設計者は、性能、良好な電力利用、その他の設計要件を満たすために、そうした部品をチップ上に配置するのに1年あるいはそれ以上を費やすことができる。そのような非常に微細な部品の配置を精密にデジタルで決定することは、予想どおり難しい。

Alpha Chipは「、たとえば6時間で非常に高品質なレイアウトを生成できた。そして、このアプローチの面白い点は、実際に経験から学習することだった」とゴールディは言った。

彼らのAIチップ設計の取り組みの前提は、「報酬シグナル」を使って、その設計がどれほど良いかを評価することだ。するとエージェントは、その評価を「深層ニューラルネットワークのパラメータを更新して、より良くするために使う」とゴールディは言う。何千もの設計を完了すると、エージェントはかなり上達した。さらに、学習するにつれて速くもなった、と創業者たちは語っている。

リカーシブのプラットフォームは、このコンセプトをさらに先へ進める。ゴールディによれば、彼らが構築しているAIチップ設計者は「さまざまなチップにわたって学習」する。つまり、設計したそれぞれのチップが、次に作るあらゆるチップのための、より良い設計者になるのに役立つはずだ。

リカーシブのプラットフォームは、LLMも活用し、部品配置から設計検証まで、あらゆる処理を担う。電子機器を作り、チップが必要なあらゆる企業が、彼らのターゲット顧客だ。

もし彼らのプラットフォームがうまく証明できるなら（そうなる可能性が高いように見える）、リカーシブは、人工汎用知能（AGI）を達成するというムーンショット目標において役割を果たし得る。実際、彼らの最終ビジョンはAIチップの設計だ。つまり、AIは本質的に自分自身の“コンピュータの頭脳”を設計することになる。

「チップはAIの燃料です」とゴールディは言う。「より強力なチップを作ることで、そのフロンティアを前進させるのが最善だと思います。」

ミルホセイニはさらに、長いチップ設計プロセスが、AIの進歩をどれだけ早くできるかを制約していると付け加える。「私たちは、これが実質的にそれらを支えるモデルとチップの、こうした高速な共進化も可能にできると考えています」と彼女は言った。つまり、AIはより速く賢くなれる。

AIが加速度的に自分の“脳”を設計していくという考えから、スカイネットやターミネーターのようなイメージが頭に浮かぶとしても、創業者たちは、より前向きで、より身近で、そして彼らが考えるにはより現実的な恩恵があるのだと指摘する。それはハードウェア効率だ。

AI Labsが、はるかに効率的なチップ（そして、いずれは土台となるあらゆるハードウェア）を設計できるようになれば、その成長が世界の資源をこれほど大量に消費する必要はなくなる。

「私たちは、そのモデルに独自に適したコンピュータ・アーキテクチャを設計できるはずで、総所有コストあたりの性能で、ほぼ10倍の改善を達成できると思います」とゴールディは言った。

若いスタートアップは初期の顧客名を挙げないだろうが、創業者たちは、想像できるあらゆる大手チップ製造の名前から連絡が来ていると述べている。もちろん、最初の開発パートナーについても、彼らは選り取り見取りだ。

利用規約およびプライバシーポリシー

プライバシーダッシュボード

詳細情報