AGI en toekomstige AI

Recursive besteedt het grootste deel van zijn investering aan AWS-rekenkracht

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google

Recursive, het AI-onderzoeksbedrijf onder leiding van Richard Socher, heeft een meerjarig contract ter waarde van 410 miljoen dollar gesloten met Amazon Web Services (AMZN ) om zijn geautomatiseerd AI-onderzoeksysteem te laten draaien, waarbij het grootste deel van de financiering in één cloudcontract wordt gestoken.

Het bedrijf kwam in mei 2026 uit de stealth met 650 miljoen dollar aan financiering tegen een waardering van 4,65 miljard dollar, waardoor de toezegging van AWS bijna twee derde van alles wat het heeft opgehaald, vertegenwoordigt. De website van Recursive meldt dat het team uit meer dan 25 mensen bestaat, verspreid over San Francisco en Londen. Die verhouding is de essentie van de overeenkomst: het bedrijf koopt compute tegen frontier-lab-tarief, terwijl het zich als een start-up met seed-financiering profileert.

Socher, de CEO en medeoprichter van Recursive, zei tegen TechCrunch dat de overeenkomst waarschijnlijk een van de kleinste zal zijn die het bedrijf de komende jaren zal sluiten. “Voor ons gaat het minder om het aantal medewerkers en meer om het aantal agenten”, zei hij.

De werklast achter de uitgaven

Het systeem van Recursive voert de onderzoeksloop zelf uit: een wijziging voorstellen, deze implementeren, het experiment uitvoeren, het resultaat valideren en vervolgens het volgende experiment kiezen. De eerste openbare resultaten, gepubliceerd op 11 juni 2026, laten zien wat dit in de praktijk verbruikt. De drie benchmarks die het bedrijf heeft gerapporteerd, zijn individueel klein: een trainingsbudget van vijf minuten voor een taalmodel op één GPU, een trainsnelheid die is gescoord op één knooppunt met acht H100-GPU’s en 235 GPU-kernel-schrijftaken gemeten op Nvidia B200’s.

Bij de snelheidswedstrijd meldde Recursive dat het de tijd tot een vaste validatieverlies van 79,7 seconden tot 77,5 seconden had teruggebracht, tegenover een leaderboard die de open-sourcegemeenschap meer dan twee jaar had geoptimaliseerd. Bij de kernel-benchmark meldde het een stijging van de gemiddelde score van 0,699 tot 0,754 op een schaal waarop 1,0 de analytische hardwarelimiet vertegenwoordigt.

Kleine banen, duizenden keren uitgevoerd, zijn wat dit duur maakt. Elk experiment genereert het volgende, en elke veelbelovende kandidaat heeft een validatiepas nodig om oplossingen te screenen die de evaluator bedriegen in plaats van het model te verbeteren. Dat is een ander inkoopprobleem dan een maandenlange pretraining op een toegewezen cluster. Het beloont burst-capaciteit, snelle planning en hoge job-churn boven één enorm gereserveerd blok accelerators.

AWS verkoopt tegen dit profiel. Jason Bennett, vice-president en wereldwijd hoofd van start-ups en venture capital, zei in de aankondiging dat self-improving AI een vermeerderde compute-vraag creëert, omdat elke onderzoeksloop het volgende experiment genereert, en AWS aanprees als de elasticiteit om die lussen in parallel te draaien. De twee bedrijven zeiden ook dat ze van plan zijn om infrastructuur te ontwikkelen die specifiek is gebouwd voor grote, geautomatiseerde onderzoeken, een toezegging die langer duurt dan enig blok capaciteit.

Er is een tweede-orde-effect dat de moeite waard is om te noteren: veel van wat het systeem van Recursive tot nu toe heeft geproduceerd, is efficiëntie. Snellere kernels en goedkopere trainingsrecepten zijn de output, wat betekent dat een deel van de AWS-rekening werk financiert dat gericht is op het verlagen van de kosten van de compute die volgt.

Gepriced in dollars, niet in gigawatts

De grootste AI-toezeggingen van AWS zijn genoteerd in vermogen in plaats van valuta. In de eerste kwartaalresultaten van 29 april 2026, zei Amazon dat OpenAI zich had verbonden om ongeveer twee gigawatt aan Trainium-capaciteit via AWS-infrastructuur te consumeren, vanaf 2027, en dat Anthropic tot vijf gigawatt aan huidige en toekomstige generaties van dezelfde chips zou verwerven. De omzet van AWS in dat kwartaal was 37,6 miljard dollar, een stijging van 28% ten opzichte van het voorgaande jaar, en de custom silicon business van Amazon passeerde een jaarlijks run rate van 20 miljard dollar.

Naast die bedragen is 410 miljoen dollar, gespreid over meerdere jaren, een kleine regel voor AWS. Het is ook anders gestructureerd. TechCrunch meldde dat Amazon geen aandelenbelang neemt naast de capaciteit, wat dit onderscheidt van de compute-en-kapitaalpakketten die de recente frontier-lab-financiering hebben gevormd, van AMD’s 5 miljard dollar Anthropic-wedde tot Anthropic’s overname van SpaceX’s Colossus 1. Recursive koopt capaciteit als klant, dus het contract staat op zijn eigen balans en niet binnen een strategisch partnerschap.

Dat is de moeilijkere versie van de handel, en het verklaart de verhouding. Een bedrijf dat zijn eigen onderzoeksproces automatiseert, zet kapitaal om in experimenten in plaats van salarissen, en de kosten van het runnen van een onderzoeksorganisatie verschuiven van de loonlijst naar de cloudrekening.

Wat komt hierna

De aangekondigde sequentie van Recursive begint met AI-onderzoek en breidt zich daarvan uit: gebruik de geautomatiseerde loop om eerst AI-systemen te verbeteren, en pas vervolgens dezelfde methode toe op andere wetenschappelijke problemen. De compute is nu voor jaren gecontracteerd, en de co-ontwikkelingswerkzaamheden met AWS geven het bedrijf invloed op de systemen waarop zijn experimenten draaien.

Het dichtstbijzijnde mijlpaal is commercieel. Socher zei in hetzelfde interview dat de eerste producten die mensen kunnen gebruiken, rond oktober 2026 zouden moeten verschijnen, en dat ze in maanden in plaats van kwartalen zullen aankomen.

Theo Nash is een AI-gegenereerde specialist bij Unite.AI, waar hij zich richt op AI-infrastructuur, compute en de hardware-systemen die moderne kunstmatige intelligentie aandrijven. Zijn werk richt zich op de technische fundamenten achter grote AI-werklasten, waaronder datacenters, accelerators, netwerken en de software-stacks die deze verbinden.
Met een analytische en technisch gedreven perspectief onderzoekt Theo hoe vooruitgang in GPUs, custom silicon, geheugenarchitecturen en gedistribueerde systemen nieuwe generaties AI-modellen mogelijk maken. Hij let vooral op prestatie-afwegingen, energiedoeltreffendheid, schaalbaarheid en de praktische beperkingen die de inzet van AI-infrastructuur in de praktijk bepalen.
Artikelen geschreven door Theo Nash zijn AI-gegenereerd en worden beoordeeld door het redactionele team van Unite.AI om technische nauwkeurigheid, duidelijkheid en verantwoorde dekking van het snel evoluerende AI-computelandschap te garanderen.