Come Ricursive Intelligence ha raccolto 335 milioni di dollari con una valutazione di 4 miliardi di dollari in 4 mesi

I cofondatori della startup Ricursive Intelligence sembravano destinati a diventare cofondatori.

Anna Goldie, CEO, e Azalia Mirhoseini, CTO, sono così famose nella comunità dell’intelligenza artificiale che erano tra quegli ingegneri dell’intelligenza artificiale che “hanno ricevuto quelle strane e-mail da Zuckerberg che ci faceva offerte folli”, ha detto Goldie a TechCrunch, ridacchiando. (Non hanno accettato le offerte.) La coppia ha lavorato insieme presso Google Mind ed è stata la prima dipendente di Anthropic.

Si sono guadagnati il ​​plauso di Google creando Alpha Chip, uno strumento di intelligenza artificiale in grado di generare solidi structure di chip in poche ore, un processo che normalmente richiede ai progettisti umani un anno o più. Lo strumento ha contribuito a progettare tre generazioni di Tensor Processing Unit di Google.

Questo pedigree spiega perché, appena quattro mesi dopo il lancio di Ricursive, il mese scorso hanno annunciato un spherical di serie A da 300 milioni di dollari con una valutazione di 4 miliardi di dollari guidato da Lightspeed, solo un paio di mesi dopo aver raccolto un spherical seed da 35 milioni di dollari guidato da Sequoia.

Ricorsivo significa costruire strumenti di intelligenza artificiale che progettano chip, non i chip stessi. Ciò li rende fondamentalmente diversi da quasi tutte le altre startup di chip AI: non sono un aspirante concorrente di Nvidia. In effetti, Nvidia è un investitore. Il gigante della GPU, insieme advert AMD, Intel e ogni altro produttore di chip, sono i clienti goal della startup.

“Vogliamo consentire a qualsiasi chip, come un chip personalizzato o un chip più tradizionale, qualsiasi tipo di chip, di essere costruito in modo automatizzato e molto accelerato. Usiamo l’intelligenza artificiale per farlo”, ha detto Mirhoseini a TechCrunch.

Le loro strade si sono incrociate per la prima volta a Stanford, dove Goldie ha conseguito il dottorato mentre Mirhoseini insegnava lezioni di informatica. Da allora, le loro carriere sono andate di pari passo. “Abbiamo iniziato a lavorare in Google Mind lo stesso giorno. Abbiamo lasciato Google Mind lo stesso giorno. Siamo entrati in Anthropic lo stesso giorno. Abbiamo lasciato Anthropic lo stesso giorno. Siamo tornati in Google lo stesso giorno, e poi abbiamo lasciato di nuovo Google lo stesso giorno. Poi abbiamo fondato questa azienda insieme lo stesso giorno”, ha raccontato Goldie.

Durante la loro permanenza in Google, i colleghi erano così vicini che hanno persino lavorato insieme, godendosi entrambi l’allenamento a circuito. Il gioco di parole non sfuggì a Jeff Dean, il famoso ingegnere di Google che fu loro collaboratore. Ha soprannominato il loro progetto Alpha Chip “chip circuit coaching” – un gioco sulla loro routine di allenamento condivisa. Internamente, la coppia ha anche un soprannome: A&A.

L’Alpha Chip ha guadagnato loro l’attenzione del settore, ma ha anche suscitato polemiche. Nel 2022, uno dei loro colleghi di Google è stato licenziato, Lo ha riferito Wireddopo aver trascorso anni cercando di screditare A&A e il loro lavoro sui chip, anche se quel lavoro è stato utilizzato per contribuire a produrre alcuni dei chip AI più importanti e scommettenti di Google.

Il loro progetto Alpha Chip presso Google Mind ha dimostrato il concetto che sarebbe diventato ricorsivo: utilizzare l’intelligenza artificiale per accelerare notevolmente la progettazione dei chip.

Progettare i chip è difficile

Il problema è che i chip dei laptop hanno da milioni a miliardi di componenti di porte logiche integrati sul loro wafer di silicio. I progettisti umani possono impiegare un anno o più per posizionare tali componenti sul chip per garantire prestazioni, un buon utilizzo della potenza e qualsiasi altra esigenza di progettazione. Determinare digitalmente il posizionamento di componenti così infinitesimi con precisione è, come ci si potrebbe aspettare, difficile.

Alpha Chip “potrebbe generare un structure di altissima qualità in circa sei ore. E la cosa interessante di questo approccio è che impara effettivamente dall’esperienza”, ha affermato Goldie.

La premessa del loro lavoro di progettazione dei chip AI è utilizzare “un segnale di ricompensa” che valuti quanto sia buono il design. L’agente quindi prende quella valutazione per “aggiornare i parametri della sua rete neurale profonda per migliorare”, ha detto Goldie. Dopo aver completato migliaia di progetti, l’agente è diventato davvero bravo. Inoltre è diventato più veloce man mano che ha imparato, dicono i fondatori.

La piattaforma di Ricursive porterà ulteriormente il concetto. Il progettista di chip AI che stanno costruendo “impararà attraverso diversi chip”, ha detto Goldie. Quindi ogni chip che progetta dovrebbe aiutarlo a diventare un progettista migliore per ogni chip successivo.

La piattaforma di Ricursive utilizza anche LLM e gestirà tutto, dal posizionamento dei componenti alla verifica del progetto. Qualsiasi azienda che produce elettronica e ha bisogno di chip è il suo cliente goal.

Se la loro piattaforma si dimostrerà valida, come sembra probabile, Ricursive potrebbe svolgere un ruolo nell’obiettivo lunare di raggiungere l’intelligenza generale artificiale (AGI). In effetti, la loro visione finale è progettare chip IA, il che significa che l’IA progetterà essenzialmente il proprio cervello informatico.

“I chip sono il carburante per l’intelligenza artificiale”, ha detto Goldie. “Penso che costruire chip più potenti sia il modo migliore per far avanzare quella frontiera.”

Mirhoseini aggiunge che il lungo processo di progettazione dei chip sta limitando la velocità con cui l’intelligenza artificiale può avanzare. “Pensiamo di poter anche consentire questa rapida coevoluzione dei modelli e dei chip che sostanzialmente li alimentano”, ha affermato. Quindi l’intelligenza artificiale può diventare più intelligente più velocemente.

Se il pensiero di un’intelligenza artificiale che progetta il proprio cervello a velocità sempre crescenti ricorda visioni di Skynet e Terminator, i fondatori sottolineano che esiste un vantaggio più positivo, immediato e, a loro avviso, più probabile: l’efficienza dell’{hardware}.

Quando i laboratori di intelligenza artificiale potranno progettare chip molto più efficienti (e, infine, tutto l’{hardware} sottostante), la loro crescita non dovrà consumare così tante risorse mondiali.

“Potremmo progettare un’architettura informatica particolarmente adatta a quel modello e potremmo ottenere un miglioramento di quasi 10 volte nelle prestazioni per costo totale di proprietà”, ha affermato Goldie.

Sebbene la giovane startup non nomini i suoi primi clienti, i fondatori affermano di aver sentito parlare di ogni grande nome che si possa immaginare nel settore dei produttori di chip. Non sorprende che possano scegliere anche i loro primi accomplice di sviluppo.