Recursive Superintelligence: AI가 스스로를 개선하는 시대의 시작
핵심 요약
2026년 5월 13일, 런던·샌프란시스코 기반 AI 스타트업 Recursive Superintelligence가 스텔스를 해제하며 6억 5천만 달러 유치를 공식 발표했습니다. GV(구글 벤처스)와 Greycroft가 공동 리드를 맡았고, NVIDIA와 AMD Ventures가 참여했습니다. 기업가치는 46억 5천만 달러입니다.
설립한 지 약 4개월. 공개된 모델 없음. 공개된 제품 없음.
그럼에도 이 규모의 투자가 성사된 이유는 공동창업자 8인의 이름에 있습니다. Richard Socher(Salesforce 전 최고 과학자), Jeff Clune(OpenAI 오픈엔디드니스 팀장), Alexey Dosovitskiy(Vision Transformer 공동 저자) — AI 자기 개선 분야에서 손꼽히는 연구자들이 한 팀을 이루었습니다.
회사의 목표는 단 하나입니다. AI가 스스로를 재설계하고 개선하는 시스템.
4개월 만의 공개, 그 배경
Recursive Superintelligence는 2025년 말 조용히 설립됐습니다. 외부에 거의 알려지지 않다가 2026년 4월 파이낸셜 타임스가 "5억 달러 이상 조달" 소식을 보도하면서 처음 이름이 퍼졌습니다. 5월 13일, 정식 금액(6억 5천만 달러)과 함께 회사의 기술 방향을 처음 공개했습니다.
현재 연구 팀은 25명 이상의 연구자와 엔지니어로 구성됩니다. 자금은 두 곳에 집중됩니다: 대규모 컴퓨팅 인프라 확보, 그리고 "Level 1" 자율 학습 시스템 구동.
회사 이름이 의도를 명시합니다. Recursive Superintelligence. 재귀적 초지능. AI 연구에서 "재귀적 자기 개선"은 수십 년간 이론으로만 존재하던 개념입니다. 이 팀은 그것을 실제로 만들겠다고 합니다.
8인의 공동창업자
각자의 배경을 보면 팀 구성이 우연이 아님을 알 수 있습니다. AI가 스스로를 개선하는 데 필요한 각 기술 영역에 전문가가 배치된 구조입니다.
Richard Socher (CEO)는 Stanford에서 NLP 딥러닝으로 박사 학위를 받고, Salesforce 최고 과학자(Chief Scientist)로 재직하며 기업 AI 적용의 실제 구조를 경험했습니다. 초기 딥러닝 기반 NLP 연구의 핵심 인물 중 한 명입니다.
Tim Rocktäschel은 UCL(유니버시티 칼리지 런던)의 AI 교수이자 Google DeepMind 전직 연구자입니다. 강화학습과 오픈엔디드 학습 분야에서 다수의 영향력 있는 연구를 발표했습니다.
Alexey Dosovitskiy는 2020년 컴퓨터 비전 역사를 바꾼 Vision Transformer(ViT) 논문의 공동 저자입니다. 트랜스포머 구조를 이미지 처리에 성공적으로 적용한 이 연구는 지금의 멀티모달 AI 구조 전체의 기반이 됩니다.
Josh Tobin은 OpenAI 연구원 시절 도메인 랜덤화(domain randomization) 기법을 정립했습니다. AI가 시뮬레이션 환경에서 다양한 변형에 적응하도록 훈련하는 방법론으로, 이후 로봇공학과 강화학습에 광범위하게 쓰였습니다.
Caiming Xiong은 Salesforce AI에서 멀티모달 사전학습을 이끌었습니다. 언어와 이미지를 결합한 대형 모델 연구를 다수 주도했습니다.
Yuandong Tian은 Meta AI 연구원 출신으로 강화학습과 게임이론 기반 AI에 집중해왔습니다.
Jeff Clune이 이 팀에서 가장 주목할 인물입니다. OpenAI 오픈엔디드니스 팀장을 지냈고 현재 UBC(브리티시컬럼비아 대학교) 교수입니다. Sakana AI에서 공개된 Darwin Gödel Machine 연구의 핵심 참여자로, AI 에이전트가 자신의 코드를 재작성해 벤치마크 성능을 실제로 높이는 것을 증명했습니다. 오픈엔디드 학습, 즉 AI가 끊임없이 새로운 기술을 자율적으로 습득하는 연구를 수십 년간 이어온 인물입니다.
Tim Shi는 AI 엔지니어링 전문가입니다.
Level 1 시스템: 어떻게 작동하나
Recursive Superintelligence의 기술 로드맵 중심에 "Level 1" 자율 학습 시스템이 있습니다. 2026년 중반 공개를 목표로 합니다.
회사가 공개한 개념에 따르면 이 시스템은 네 단계 루프로 작동합니다.
첫째, AI가 자신의 현재 능력에서 병목 지점을 스스로 파악합니다. 둘째, 그 한계를 측정할 벤치마크를 직접 설계합니다. 셋째, 한계를 극복하기 위해 자신의 코드베이스를 재작성합니다. 넷째, 새 구조로 자체 재학습을 수행합니다. 그리고 이 루프를 반복합니다.
Socher가 제시한 초기 목표는 "AI 과학 연구를 자동화할 수 있는 5만 명의 의사 수준 역량을 갖춘 AI"입니다. 인간 연구자가 수행하는 AI 실험 설계, 데이터 수집, 분석까지 자동화하겠다는 것입니다.
실제로 이와 유사한 개념은 이미 소규모로 증명된 바 있습니다. Jeff Clune가 참여한 Darwin Gödel Machine이 대표적입니다. AI 에이전트가 자신의 코드를 수정하고 리소스를 확보해 작업 성능을 높이는 것을 실험 환경에서 구현했습니다. Recursive Superintelligence는 이것을 생산 규모로 끌어올리겠다는 목표입니다.
투자자들이 보는 것
NVIDIA와 AMD Ventures가 동시에 참여한 것은 이례적입니다. 두 회사는 GPU 시장에서 직접 경쟁하지만, 자기 개선 AI의 컴퓨팅 수요가 기하급수적으로 커질 것이라는 판단에서는 일치합니다. Level 1 시스템이 실제로 구동된다면, 필요한 GPU 연산량은 일반 모델 학습과 비교가 안 됩니다.
GV는 구글 딥마인드, Waymo, Flatiron Health 등에 투자한 전략적 벤처 펀드입니다. 이번 투자는 "AI가 AI를 만드는" 인프라 레이어에 대한 선점으로 해석됩니다.
4개월 된 회사가 46억 5천만 달러 기업가치를 받은 것은 사실입니다. 그 근거는 제품도, 수익도 아닙니다. 인재입니다. 이 8인이 만들 수 있는 것에 투자자들이 베팅한 구조입니다. "AI 인재 집약 = 벤처 자산"이라는 2026년 투자 공식의 가장 극단적인 사례 중 하나입니다.
전망
솔직히 말하면, 아직 공개된 건 거의 없습니다.
자기 개선 AI는 이론상 멈추기 어렵습니다. AI가 자신을 재설계한다는 개념은 AI 안전 분야에서 가장 오래된 위험 시나리오 중 하나입니다. Recursive는 "투명성과 통제"를 강조했지만, 구체적인 안전 프레임워크는 공개하지 않았습니다. Level 1이 작동하는 방식을 어떻게 감독할 것인지는 아직 열린 질문입니다.
경쟁도 빠릅니다. Sakana AI의 Darwin Gödel Machine은 이미 자기 코드 수정을 실험적으로 구현했고, OpenAI 내부에서도 유사한 연구가 진행 중입니다. Recursive는 이 레이스에서 가장 공격적인 포지션을 택한 것입니다.
Level 1 시스템이 실제로 공개되는 2026년 하반기가 첫 번째 검증 시점입니다. 그때 이 팀의 주장이 얼마나 현실에 가까운지 볼 수 있을 것입니다.
참고
