Recursive SuperintelligenceLondon · GV + Nvidia 리드 · $500M Series A · 설립 4개월 · 기업가치 $4B
Stanford NLP의 개척자, Google DeepMind 오픈-엔드니스 연구실장, OpenAI 선행 연구진이 한 지붕 아래 — 인간이 AI 개선 파이프라인에서 완전히 손을 떼는 날을 설계하는 “신경망의 세 번째이자 마지막 단계”의 창시자들
Recursive Superintelligence Inc.는 2025년 12월 31일 영국 런던에 공식 등록된 AI 연구 기업입니다. 법인 설립 약 4개월 만인 2026년 4월 17일 Financial Times를 통해 최초 공식 보도가 이루어지며 세상에 알려졌으며, 같은 날 GV(Google Ventures)·Nvidia 참여 $5억 Series A 투자 유치도 동시에 공개됐습니다. 정식 제품 출시(2026년 5월 중순 예정) 이전, 수익도 공개 논문도 없는 순수 연구 단계의 기업이 $40억 기업가치를 인정받은 것은 창업팀의 비할 데 없는 연구 이력에 대한 투자자들의 전례 없는 신뢰를 반영합니다.
1983년 독일 드레스덴 출생. Saarland University에서 석사를 취득한 후 미국으로 건너가 Andrew Ng·Chris Manning 지도하에 Stanford University에서 컴퓨터과학 박사(2014)를 취득했습니다. 졸업 논문은 스탠퍼드 최우수 CS 박사 논문상을 수상했으며, 180,000건 이상의 인용수를 기록한 AI 역사상 가장 많이 인용된 연구자 중 하나입니다.
핵심 학문적 기여: 신경망을 자연어처리(NLP) 분야에 도입한 선구자로, 현재 가장 널리 쓰이는 Word Embedding(단어 벡터), Contextual Vector, Prompt Engineering의 핵심 방법론을 발명했습니다. Recursive Neural Network의 이름도 그의 연구에서 유래합니다.
창업 이력: 2014년 AI 스타트업 MetaMind를 창업해 딥러닝 기반 텍스트·이미지 예측 플랫폼을 구축했으며, 2016년 Salesforce에 $32.8M에 매각됐습니다. 이후 Salesforce Chief Scientist & EVP로 Einstein GPT(세계 최초 생성형 AI CRM)를 개발했고, 2020년 AI 검색 엔진 You.com을 공동 창업해 $1.5억(유니콘)까지 성장시켰습니다. AIX Ventures를 통해 Weights & Biases, ZenML, Replicate 등을 포함해 이미 7개의 유니콘을 배출한 AI 전문 투자자이기도 합니다.
Time100 AI(2023), WEF Young Global Leader(2016), WEF Technology Pioneer(2024), TU Dresden 명예박사(Dr.-Ing. h. c.) 등을 수상했으며 ICML 2011 최우수 논문상, ACL 2023 시간의 시험 상(2013년 논문)도 받았습니다.
베를린 출생. Humboldt-Universität zu Berlin에서 학부를 마치고 UCL에서 Sebastian Riedel 지도 하에 박사를 취득했으며, Microsoft Research PhD Fellowship을 수상했습니다. 옥스퍼드 대학교 Whiteson Research Lab 박사 후 연구원, Jesus College Junior Research Fellow, Meta AI(FAIR) 연구 책임자를 거쳐 구글에 합류했습니다.
Google DeepMind에서의 역할: Director, Principal Scientist, Open-Endedness Team Lead를 역임하며 2024년 ICML 최우수 논문상을 받은 Genie 세계 모델(단일 이미지에서 플레이 가능한 2D 환경 생성)을 이끌었습니다. Open-Endedness — AI가 스스로 문제를 설정하고 목표를 확장하며 끝없이 능력을 향상시키는 개념 — 연구의 세계 최고 권위자로, Recursive Superintelligence의 핵심 기술 비전을 설계한 공동 창업자입니다. UCL 컴퓨터과학과 인공지능 교수이자 DARK(Deciding, Acting, and Reasoning with Knowledge) Lab PI, ELLIS Fellow로도 활동 중입니다.
5인의 공동 창업자 — OpenAI·DeepMind·Meta·Google 출신 드림팀:
OpenAI에서 로봇 학습, 시뮬레이션-현실 전이, 기초 모델 평가 분야를 연구한 전문가. AI 평가 방법론과 데이터 선별의 자동화를 Recursive의 핵심 목표로 삼는 데 핵심 역할을 합니다.
진화 알고리즘과 오픈-엔드 AI 시스템의 선구자. Sakana AI에서의 Darwin Gödel Machine 연구를 통해 자기 개선 AI 시스템의 이론적 기반을 탐구했으며, Recursive의 핵심 기술 방향성을 공유합니다.
OpenAI에서 프론티어 모델 학습·후처리·아키텍처 개선을 연구한 전문가. AI 훈련 파이프라인의 전 과정을 직접 설계하고 운용한 경험이 Recursive의 “자동화된 AI 개발 파이프라인” 구축의 핵심 자산입니다.
Rocktäschel과 Socher의 네트워크를 통해 Google DeepMind·Meta AI(FAIR) 출신 추가 연구원들이 합류. 20인의 소규모 팀이지만, 1인당 연구 이력 밀도에서 현존하는 어떤 스타트업과 비교해도 최상위 수준의 팀 구성입니다.
Recursive가 런던을 법인 소재지로 선택한 것은 전략적 판단입니다. Socher는 EU AI Act에 대해 “유럽이 세상에서 가장 아름다운 야외 박물관이 되고 있다”고 표현하며, EU 규제 부담 없이 유럽 최상위 AI 인재풀(London·Oxford·Cambridge·UCL 생태계)에 접근할 수 있는 런던의 포지셔닝을 선호했습니다. Tim Rocktäschel의 UCL 교수직과 Google DeepMind 런던 캠퍼스와의 연계도 결정적 이유입니다. UK Companies House는 2025년 12월 31일 법인 등록을 확인했으며, Bloomberg는 이미 2026년 1월 23일 자금 조달 협의를 보도해 실제 팀 결성은 공식 등록보다 앞선 시점임을 알 수 있습니다.
Recursive Superintelligence는 2026년 5월 중순 공개 론칭을 예정하고 있으며, 현재는 제품·매출·공식 논문 없이 연구 개발 단계에 있습니다. 기업의 기술 명제는 단순하지만 근본적입니다: “AI 개발 파이프라인에서 인간을 제거한다.” 오늘날 프론티어 AI 모델의 개발은 데이터 큐레이션, 학습 설계, 모델 평가, 후처리(Post-training), 연구 방향 결정의 전 단계에서 인간의 개입을 필요로 합니다. Recursive는 이 모든 과정을 AI 스스로 설계·실행·개선하는 완전 자동화 파이프라인을 구축하는 것을 목표로 합니다.
“우리는 신경망의 세 번째이자 아마도 마지막 단계를 구축하고 있다. 첫 번째는 지도학습, 두 번째는 스케일링과 RLHF, 그리고 세 번째는 AI가 자신의 다음 세대 아키텍처를 설계하는 것이다.”
4대 핵심 기술 축:
현재 LLM은 막대한 양의 인간 라벨링 데이터와 지루한 파인튜닝에 의존합니다. Recursive의 아키텍처는 자기 지도(self-supervising) 방식으로, AI가 자체 알고리즘 개선 사항을 스스로 설계·테스트·합성합니다. “우리는 정보를 처리하는 시스템이 아니라 자신의 논리를 처리하는 시스템을 만들고 있다”는 것이 핵심 명제입니다. 이 과정이 성공한다면, 한 버전에서 다음 버전으로의 도약이 현재의 18개월에서 18시간으로 단축될 수 있습니다.
오늘날 OpenAI·Anthropic·Google DeepMind의 연구자들이 수개월을 투자하는 모든 과정 — 데이터 큐레이션, 학습 설계, 평가, 아키텍처 개선, 후처리 정렬, 연구 방향 선택 — 을 AI 스스로 실행하게 합니다. Socher는 이를 “AI 개발의 병목이 더 이상 컴퓨팅이나 데이터가 아니라 인간의 개입”이라는 진단으로 설명합니다. 이 파이프라인이 실현되면 AI 개발 사이클이 지금과 근본적으로 달라집니다.
Tim Rocktäschel의 Google DeepMind Open-Endedness 연구 — AI가 스스로 문제를 설정하고 목표를 확장하며 끝없이 능력을 향상시키는 프레임워크 — 가 Recursive의 핵심 기술 기반입니다. Genie 세계 모델(단일 이미지에서 무한 플레이 환경 생성)과 Jeff Clune의 Darwin Gödel Machine(진화 기반 자기 개선 AI) 연구가 결합되어 Recursive의 독자 접근법을 형성합니다. ICLR 2026에서 공식 RSI 워크숍이 열린 것은 이 분야가 학문적으로 성숙 단계에 진입했음을 시사합니다.
RSI의 실현은 이론적 설계만으로는 부족하며, 대규모 자율 학습 실험을 뒷받침할 방대한 컴퓨팅 인프라가 필요합니다. Recursive는 $5억 중 상당 부분을 첫 “Level 1” 자율 학습 실행에 필요한 초대형 컴퓨팅 클러스터 구축에 투입할 계획입니다. Nvidia의 투자자 참여는 단순 재무 투자를 넘어, Nvidia GPU 접근 우선권과 기술 협력이라는 전략적 의미를 가집니다.
업계 내 위치 — 새로운 AI 아키텍처 물결의 최전선:
← 빅랩(OpenAI·Anthropic·DeepMind)이 스케일링 경쟁에 집중하는 동안, 새로운 물결의 연구자들이 다음 패러다임을 모색하는 독립 연구소 생태계가 형성되고 있습니다.
Recursive Superintelligence의 자본 조달 여정은 2026년 AI 벤처 투자 환경을 극단적으로 응축하고 있습니다. 법인 설립 4개월·팀원 20명·제품 없음·수익 없음의 조건에서 $40억 기업가치·$5억 라운드가 완성된 것은, 2026년 AI 투자 패러다임이 창업팀의 연구 이력(Founder Pedigree)에 기반한 베팅으로 완전히 전환됐음을 보여주는 가장 극단적인 사례입니다.
UK Companies House가 2025년 12월 31일 Recursive Superintelligence Inc. 런던 법인 등록을 확인했습니다. 그러나 Bloomberg는 이미 2026년 1월 23일 자금 조달 협의를 보도했으므로, 실제 팀 결성과 사전 투자 협의는 법인 등록보다 앞선 시점에 진행됐습니다. Socher와 Rocktäschel이 공동 창업 결정을 내린 시점, OpenAI 출신 공동 창업자들을 섭외한 시점 등 초기 구성은 2025년 후반기부터 진행된 것으로 추정됩니다.
Bloomberg가 Recursive Superintelligence의 자금 조달 협의 진행 중임을 최초로 보도했습니다. 이 시점은 법인 설립 직후로, 창업팀이 GV·Nvidia를 포함한 주요 투자자들과 딜 구조를 논의하고 있었음을 확인할 수 있습니다. 아직 회사의 존재 자체가 공개되지 않은 완전 스텔스 상태에서 Bloomberg 보도가 나온 것은, 딜 사이즈와 팀 구성이 이미 시장에서 충분한 주목을 받고 있었음을 의미합니다.
Socher는 Implicator.ai와의 독점 인터뷰에서 자금 조달 규모에 대해 “directionally right(방향적으로 맞다)”라고 확인하며 공식 발표를 암시했습니다. 또한 공개 론칭을 “약 1개월 후(targeting ~May 2026)”로 예고했습니다. Rocktäschel, Tobin, Clune, Shi를 포함한 공동 창업자 구성도 이 인터뷰를 통해 처음으로 공개됐습니다. Socher는 이 인터뷰에서 이미 “공개하지 않은 기술적 마일스톤”을 달성했다고 밝혔습니다.
Financial Times가 Recursive Superintelligence의 $5억 Series A 완료를 최초 보도했습니다. GV(Google의 벤처 투자 부문)가 리드 투자자, Nvidia가 참여 투자자로 확인됐습니다.
거래 특징: Pre-money 기업가치 $40억. 초과 청약(oversubscribed)으로 최대 $10억까지 라운드 확대 가능하다고 FT는 보도했습니다. GV와 Nvidia 모두 공식 코멘트를 거부했습니다.
투자 논리 — GV: Google 산하 VC로서 RSI 기술이 미래 AI 개발 방식을 바꿀 수 있다는 장기 베팅. 창업팀의 Salesforce·DeepMind·OpenAI 이력이 신뢰 기반.
투자 논리 — Nvidia: RSI 실현을 위한 초대형 컴퓨팅 클러스터 수요가 Nvidia GPU 판매로 직결. 하드웨어 제공사로서의 선제적 전략 포지셔닝.
벤치마크 맥락: 동기간 AMI Labs($1.03B @$3.5B, 4개월), Thinking Machines Lab($2B @$12B, 5개월)과 함께 2026년 AI 초기 투자 역사를 쓰고 있습니다.
Recursive Superintelligence의 경쟁자는 두 갈래입니다. 하나는 기존 프론티어 AI 랩(OpenAI·Anthropic·Google DeepMind)의 자체 RSI 연구 부서이고, 다른 하나는 동기간 새로 설립된 독립 연구소들(AMI Labs·Ineffable Intelligence 등)입니다. Recursive의 경쟁 방어력은 팀 구성의 밀도, 기술 접근법의 차별성, 그리고 GV·Nvidia의 동시 투자가 만들어내는 복합 자산에 기반합니다.
Socher(Stanford NLP의 창시자급, 인용 18만+), Rocktäschel(DeepMind Open-Endedness 디렉터, ICML 2024 최우수 논문), Clune(진화 알고리즘·오픈-엔드 AI 선구자), Tobin·Shi(OpenAI 핵심 연구팀)의 결합은 현재 어떤 AI 스타트업도 갖추지 못한 학문적·실전적 밀도를 가집니다. “2026년 AI 투자 패러다임이 창업팀 이력에 대한 프리미엄으로 완전히 전환됐다”는 AI2Work의 분석은 Recursive가 이 트렌드의 가장 극단적 표현임을 확인합니다.
OpenAI·Anthropic·Gemini가 더 많은 컴퓨팅·데이터·파라미터로 경쟁하는 동안, Recursive는 이 경쟁 자체를 무의미하게 만드는 다른 게임을 합니다. AI가 자신의 학습 파이프라인을 스스로 설계하고 개선한다면, 인간이 이터레이션을 제어하는 모든 시스템을 구조적으로 앞설 수 있습니다. Rocktäschel의 Open-Endedness·Clune의 Darwin Gödel Machine·Socher의 Recursive Neural Net 계보가 단일 기업 안에 수렴한 것은 학문적으로도 전례 없는 집중입니다.
GV 투자는 Google DeepMind의 연구 네트워크, Google Cloud 인프라, Google 제품 생태계와의 잠재적 연계를 의미합니다. Nvidia 투자는 단순 재무 참여가 아니라, RSI 실현에 필수적인 최신 GPU(H100·H200·B200 시리즈)에 대한 우선 접근과 기술 협력을 시사합니다. 두 전략 투자자가 동시에 참여한 것은 소프트웨어(AI 개발 방법론)와 하드웨어(컴퓨팅 인프라) 모두에서 Recursive의 장기 실행 가능성을 검증한 결과입니다.
런던은 EU AI Act 관할 밖에 위치해 규제 부담 없이 연구를 진행할 수 있으면서도, UCL·Oxford·Cambridge·Imperial College·Google DeepMind 런던 캠퍼스의 세계적 AI 인재 생태계에 직접 접근할 수 있습니다. Rocktäschel의 UCL 교수직은 지속적인 인재 파이프라인과 학술 연구 연계를 보장합니다. Socher의 표현처럼 유럽이 “아름다운 박물관”이 되는 것을 우려하면서도 유럽 최상위 AI 연구 허브에 위치하는 것은 Recursive만이 가진 독특한 포지셔닝입니다.
① 기술적 미실증: RSI는 학술적 개념이며, 실제 AI 시스템이 의미 있는 수준의 자기 개선을 안정적으로 달성한 사례가 없습니다. $40억 기업가치는 실증이 아닌 가능성에 기반합니다. ② AI 정렬·안전 문제: 자기 개선 AI는 OpenAI·Anthropic·Anthropic의 안전 프레임워크에서 화학무기·사이버 무기와 동렬에 분류될 만큼 위험성이 높은 연구 방향입니다. David Scott Krueger(몬트리올 대학교·Mila) 등 AI 안전 연구자들은 RSI 연구가 충분한 안전 집중 없이 진행되고 있다고 비판합니다. ③ 실행 리스크: 20인 팀으로 인류 역사상 가장 복잡한 기술 도전을 수행하는 것은 아무리 드림팀이라도 엄청난 실행 압박을 수반합니다. ④ AI 버블 우려: 비평가들은 이 같은 수백억 달러 규모의 스텔스 AI 투자들이 2021년 테크 버블과 유사한 패턴을 보인다고 경고합니다.
Recursive Superintelligence가 목표를 달성한다면, 현재 OpenAI·Anthropic·Google DeepMind가 수백 명의 연구자와 수개월을 투자해 하는 모든 작업이 AI 스스로 수행될 수 있습니다. 이는 AI 개발 비용을 수직으로 낮추고, 이터레이션 속도를 수십~수백 배 높이며, 인간 연구자의 역할을 근본적으로 재정의합니다. 성공의 파급력은 AI 산업 전체에 미치며, 이것이 GV와 Nvidia가 아직 제품도 수익도 없는 20인 팀에 $5억을 베팅한 이유입니다. Socher가 “신경망의 세 번째이자 마지막 단계”라고 부르는 것의 의미는 바로 이것입니다.