AGI dan AI masa depan

Komitmen Rekursif Sebagian Besar Penggalangan Dana untuk Kapasitas Komputasi AWS

mm
Tambahkan Unite.AI ke sumber pilihan Anda di Google

Recursive, perusahaan penelitian AI yang dipimpin oleh Richard Socher, telah menandatangani perjanjian multi-tahun senilai $410 juta dengan Amazon Web Services (AMZN ) untuk menjalankan sistem penelitian AI otomatis, memasukkan sebagian besar pendanaannya ke dalam kontrak cloud tunggal.

Perusahaan ini keluar dari stealth pada Mei 2026 dengan $650 juta pada valuasi $4,65 miliar, yang membuat komitmen AWS ini mendekati dua pertiga dari semua yang telah dinaikkan. Situs web Recursive menempatkan tim lebih dari 25 orang di San Francisco dan London. Rasio itu adalah substansi dari kesepakatan: perusahaan membeli komputasi dengan syarat laboratorium terdepan sementara mempekerjakan seperti startup tahap awal.

Socher, CEO dan co-pendiri Recursive, mengatakan kepada TechCrunch bahwa perjanjian ini kemungkinan akan menjadi salah satu yang terkecil yang ditandatangani perusahaan dalam beberapa tahun mendatang. “Bagi kami, ini lebih tentang jumlah agen dan bukan tentang jumlah karyawan,” katanya.

Beban Kerja di Balik Pengeluaran

Sistem Recursive menjalankan loop penelitian itu sendiri: usulkan perubahan, implementasikan, jalankan eksperimen, validasi hasil, lalu pilih eksperimen berikutnya. Hasil publik pertama, dipublikasikan pada 11 Juni 2026, menunjukkan apa yang dikonsumsi dalam praktek. Tiga benchmark yang dilaporkan perusahaan ini secara individu sangat kecil: anggaran pelatihan model bahasa lima menit pada satu GPU, kecepatan pelatihan yang diukur pada satu node H100 delapan-GPU, dan 235 tugas penulisan kernel GPU yang diukur pada Nvidia (NVDA ) B200s.

Pada kecepatan pelatihan, Recursive melaporkan memotong waktu ke validasi kerugian tetap dari 79,7 detik menjadi 77,5 detik, melawan leaderboard yang telah dioptimalkan komunitas sumber terbuka selama lebih dari dua tahun. Pada benchmark kernel, perusahaan melaporkan meningkatkan skor rata-rata dari 0,699 menjadi 0,754 pada skala di mana 1,0 mewakili batas perangkat keras analitis.

Pekerjaan kecil, dijalankan ribuan kali, adalah yang membuat ini mahal. Setiap eksperimen memunculkan eksperimen berikutnya, dan setiap kandidat yang menjanjikan memerlukan validasi untuk menyaring solusi yang memanipulasi evaluator alih-alih memperbaiki model. Itu adalah masalah pengadaan yang berbeda dari pelatihan pra-pelatihan berbulan-bulan pada cluster khusus. Ini membutuhkan kapasitas burst, penjadwalan cepat, dan putaran pekerjaan tinggi daripada satu blok akselerator yang sangat besar.

AWS menjual melawan profil itu. Jason Bennett, wakil presiden dan kepala global startup dan modal ventura, mengatakan dalam pengumuman bahwa AI yang self-improving menciptakan permintaan komputasi yang berkompound karena setiap loop penelitian menghasilkan eksperimen berikutnya, dan mempromosikan AWS pada elastisitas untuk menjalankan loop-loop tersebut secara paralel. Kedua perusahaan juga mengatakan mereka berencana untuk mengembangkan infrastruktur yang dibangun khusus untuk penelitian otomatis skala besar, komitmen yang bertahan lebih lama dari blok kapasitas tunggal.

Ada efek kedua yang patut diperhatikan: sebagian besar dari apa yang dihasilkan sistem Recursive sejauh ini adalah efisiensi. Kernel yang lebih cepat dan resep pelatihan yang lebih murah adalah output, yang berarti sebagian dari tagihan AWS mendanai pekerjaan yang ditujukan untuk menurunkan biaya komputasi yang mengikuti.

Dihargai dalam Dolar, Bukan Gigawatt

Komitmen AI terbesar AWS dinominasikan dalam daya bukan mata uang. Dalam hasil kuartal pertama pada 29 April 2026, Amazon mengatakan OpenAI telah berkomitmen untuk mengonsumsi sekitar dua gigawatt kapasitas Trainium melalui infrastruktur AWS, meningkat dari 2027, dan bahwa Anthropic akan mengamankan hingga lima gigawatt kapasitas saat ini dan generasi masa depan dari chip yang sama. Pendapatan AWS pada kuartal itu adalah $37,6 miliar, naik 28% dari tahun ke tahun, dan bisnis silikon khusus Amazon melewati tingkat pengeluaran tahunan $20 miliar.

Dibandingkan dengan itu, $410 juta yang tersebar selama beberapa tahun adalah garis kecil untuk AWS. Ini juga terstruktur secara berbeda. TechCrunch melaporkan bahwa Amazon tidak mengambil saham investasi di samping kapasitas, yang memisahkan ini dari paket komputasi dan modal yang telah membentuk pendanaan laboratorium terdepan baru-baru ini, dari taruhan AMD $5 miliar pada Anthropic hingga pengambilalihan Anthropic atas Colossus 1 SpaceX. Recursive membeli kapasitas sebagai pelanggan, sehingga kontrak ini berada di neraca perusahaan, bukan di dalam kemitraan strategis.

Itu adalah versi yang lebih sulit dari perdagangan, dan itu menjelaskan rasio. Perusahaan yang mengotomatisasi proses penelitian sendiri mengubah modal menjadi eksperimen daripada gaji, dan biaya menjalankan organisasi penelitian bergeser dari gaji ke tagihan cloud.

Apa yang Akan Dikirim Berikutnya

Urutan yang dinyatakan Recursive dimulai dengan penelitian AI dan melebar dari sana: gunakan loop otomatis untuk memperbaiki sistem AI terlebih dahulu, lalu terapkan metode yang sama pada masalah ilmiah lain. Komputasi sekarang dikontrak untuk tahun-tahun, dan kerja sama pengembangan dengan AWS memberi perusahaan input pada sistem yang dijalankan eksperimennya.

Milestone yang lebih dekat adalah komersial. Socher mengatakan dalam wawancara yang sama bahwa produk pertama yang dapat digunakan orang harus muncul sekitar Oktober 2026, dan bahwa mereka akan tiba dalam bulan-bulan daripada kuartal.

Theo Nash adalah seorang spesialis yang dihasilkan oleh AI di Unite.AI, yang meliputi infrastruktur AI, komputasi, dan sistem perangkat keras yang memungkinkan kecerdasan buatan modern. Pekerjaannya berfokus pada fondasi teknis di balik beban kerja AI skala besar, termasuk pusat data, akselerator, jaringan, dan tumpukan perangkat lunak yang menghubungkannya.
Dengan perspektif analitis dan berbasis teknik, Theo memeriksa bagaimana kemajuan dalam GPU, silikon kustom, arsitektur memori, dan sistem terdistribusi memungkinkan generasi baru model AI. Ia memperhatikan khusus pada pertukaran kinerja, efisiensi energi, skalabilitas, dan kendala praktis yang membentuk penerapan infrastruktur AI di dunia nyata.
Artikel yang ditulis oleh Theo Nash dihasilkan oleh AI dan ditinjau oleh tim editorial Unite.AI untuk memastikan akurasi teknis, kejelasan, dan liputan yang bertanggung jawab atas lanskap komputasi AI yang berkembang pesat.