核心要点
AlphaGo 背后的研究员 David Silver 筹集了 11 亿美元的种子轮融资，其论点是 AI 行业的主流方法是错误的。
前 DeepMind 研究员 David Silver 的新初创公司 Ineffable Intelligence 已获得 11 亿美元的种子轮资金，直接挑战了由 OpenAI 和谷歌拥护的大语言模型战略。这家总部位于伦敦的公司旨在通过强化学习构建自学习 AI，并在欧洲初创公司有史以来规模最大的种子轮融资中达到了 51 亿美元的估值。
“只有极少数——不到五个——的人做过真正的基础性工作，”领投方红杉资本的合伙人 Sonya Huang 表示，“Dave 就是其中之一。我从根本上同意他关于我们将从何处发现下一个重大突破的论点。”
本轮融资由红杉资本和 Lightspeed Venture Partners 共同领投，英伟达、谷歌、Index Ventures 以及英国主权 AI 基金也提供了大量参与。对于一家于 2026 年 1 月正式成立且尚未推出产品的公司来说，如此巨额的融资凸显了投资者为支持顶尖 AI 研究员而展开的激烈竞争。
这项投资代表了一场数十亿美元的豪赌，即强化学习 (RL)——曾支持 AlphaGo 在围棋领域取得成功的技术——是比在人类生成数据上扩展 LLM 更可行的通往超级智能之路。如果取得成功，Ineffable 的方法可能会颠覆目前由 LLM 主导的市场，并为 AI 发展创造一种新模式，尽管首批模型基准预计要到 2026 年底才会发布。
Silver 的论点与当前通过在海量人类生成的文本和图像上训练模型来实现人工智能的主流工业方法直接对立。他认为，虽然 LLM 功能强大，但它们从根本上受到人类数据这一“化石燃料”的限制。相比之下，他将自己专注于 RL 的方法描述为一种能够“永远无限”学习的“可再生燃料”。
Ineffable Intelligence 的愿景是创建一个“超级学习者”，从其在复杂模拟中的自身经验中发现知识，而不是简单地掌握人类创造的信息。Silver 使用一个思想实验来说明 LLM 的局限性：在一个相信地球是平的时代，基于历史数据训练的 AI 将仍然是一个“平地论者”，无法自行发现真相。然而，RL 智能体可以通过在模拟中运行自己的实验来得出新的科学发现。
这种方法比在静态数据集上训练更具挑战性，这在一定程度上解释了为何需要如此巨大的资金注入，以建立足以与最大规模 LLM 训练运行相媲美的模拟环境和计算基础设施。
这一轮融资的规模标志着欧洲 AI 领域的一个分水岭时刻，该领域在历史上一直笼罩在旧金山实验室的阴影之下。这是杰出研究员离开老牌巨头创立自己公司这一更广泛趋势的一部分，其中包括 Mistral AI 的 Arthur Mensch，他同样曾任职于 DeepMind。
对于英国来说，这项投资是一次象征性的胜利，表明具有吸引力的论点的顶尖人才无需搬迁即可吸引巨额硅谷资金。然而，此举并非没有质疑者。Google DeepMind 首席执行官 Demis Hassabis 此前曾对初创公司在开发出产品或产生收入之前，以数十亿美元的估值筹集巨额种子轮融资表示担忧。
Ineffable Intelligence 符合这一描述，但投资者正在赌注于创始人的过往业绩。Silver 在 DeepMind 的工作，从领导 AlphaGo 团队到开发其继任者 AlphaZero 和 MuZero，为其在不依赖预先存在的人类知识的情况下扩展智能的能力提供了有力且连贯的论据。拥有超过 10 亿美元的资金，投资者的疑问在于，他能否将这种成功从棋盘游戏的封闭世界转化为现实的复杂性。
本文仅供参考，不构成投资建议。
