Разработка микросхемы занимает два-три года. Это узкое место тормозит весь прогресс в ИИ — нужны более мощные чипы, но их проектирование остаётся ручным, дорогим и медленным процессом. Ricursive Intelligence, стартап соучредителей Google Анны Голди и Азалии Мирхосейни, ставит на то, чтобы сократить этот цикл до недель: пусть сам ИИ займётся той частью разработки, которая поддаётся автоматизации.
До создания Ricursive обе исследовательницы возглавляли проект AlphaChip в Google — ИИ-систему, которая генерировала топологию микросхем за часы вместо месяцев ручного труда. Их работа помогла спроектировать несколько поколений Google TPU. Теперь они масштабируют подход: новая компания разрабатывает инструменты для автоматизации разных этапов проектирования чипа — от размещения компонентов до верификации. Ключевое отличие: система Ricursive должна обучаться поперёк разными проектами, так что опыт разработки одного чипа улучшает подход к следующему.
Возникает потенциально мощный замкнутый цикл: ИИ проектирует более эффективное железо, это железо даёт больше возможностей для более способного ИИ, а тот в свою очередь помогает разработать следующее поколение микросхем. Теоретически это может ускорить развитие архитектур, которые сегодня трудно реализовать именно из-за сроков разработки.
Инвесторы в идею верят: за четыре месяца после запуска в конце 2025 года Ricursive собрала $335 млн на оценке $4 млрд, включая Series A на $300 млн. Среди инвесторов Nvidia — логично, учитывая её долю в рынке ускорителей. На слух это выглядит как очередной хайп вокруг ИИ, но Голди и Мирхосейни не новички: обе были ранними сотрудницами Anthropic и старшими research scientists в Google DeepMind, обе имеют серьёзные академические корни (Голди — PhD Stanford, в списке MIT Technology Review 35 Under 35; Мирхосейни — assistant professor Stanford, основатель лаборатории Scaling Intelligence Lab).
Остаётся вопрос: насколько реально этот замкнутый цикл сокращает сроки в масштабе? AlphaChip доказал, что ИИ справляется с отдельными задачами проектирования лучше человека. Но полная автоматизация от топологии до тестирования в продакшене — другой масштаб сложности. К тому же архитектурные решения, выбор стека технологий, интеграция с производством остаются сложными вопросами, где нужна не только скорость, но и предсказуемость. Если Ricursive сможет хотя бы вдвое ускорить разработку, это уже изменит игру.
Для российского бизнеса прямое применение этой технологии ограничено: отечественные компании не производят собственные микросхемы в промышленном масштабе из-за санкций и недостатка инфраструктуры. Но косвенный эффект реален. Более быстрый цикл разработки чипов глобально означает более дешёвое и доступное железо, на котором местные компании смогут запускать собственные ИИ-решения. Для стартапов и компаний среднего размера, которые разрабатывают специализированные ИИ-приложения (обработка видео, контент-генерация, финтех), снижение стоимости вычислений прямым образом улучшает экономику продуктов.
Появление инструментов вроде Ricursive вписывается в более широкую тенденцию: крупные ИИ-лаборатории и стартапы всё активнее оптимизируют не сам ИИ, а его инфраструктуру — от эффективности обучения до архитектуры железа. Это здоровый сдвиг от гонки в размерах моделей к практической экономике. Вопрос в том, выдержит ли реальность обещания, или это переоценённый хайп вокруг ещё одного слоя автоматизации. Ответ будет понятен, когда первые проекты Ricursive попадут в полноценное производство.