AlphaGo之父David Silver为何离开DeepMind创业？1.1B融资背后的AI路径之争

一个冷静的声音越来越被听见：合规不是束缚，而是护城河。

如果单纯追求短期商业价值和快速迭代，LLM仍是务实选项。它已证明自己能带来即时回报，生态也足够完善。但若目标是探索人类未知边界、构建能自我发现新原理的智能，强化学习提供的AlphaZero式启示就显得格外锐利。Silver把这称为自己的毕生事业，目标是解释并构建所有智能，堪比达尔文发现进化论的科学突破。数据支持这个方向，但样本量和早期成果仍需持续跟踪，现在下最终结论或许为时尚早。

David Silver本人将人类数据比作化石燃料，提供了一次性捷径，却存在明显上限。这个判断目前行业内仍有不同声音，但我认为它点出了LLM的核心制约。

值得持续跟踪的是，Silver团队能否在开放环境中定义合理奖励并避免无效探索循环。这个问题直接关系到AI未来是继续“抄人类”还是真正“自己玩”，数据支持这个方向，但样本量有限，方向是对的，但现实更复杂。

融资策略层面，Ineffable案例也值得拆解。David Silver不仅带来了DeepMind背景，还将Ineffable描述为“一生事业”，并公开表示未来个人从公司获得的收益将全部捐赠给高影响力慈善机构。这一表态将愿景提升到科学突破的高度，而非单纯商业回报。顶级VC往往被这类清晰、宏大的科学叙事打动，尤其当创始人有可验证的历史成就时。

短期内，这一事件已开始放大强化学习领域的吸引力。更多顶尖RL研究者可能效仿离职，大厂相关团队面临隐形压力。资本层面，部分资金加速流向“后LLM”项目，纯经验学习概念的公司估值有望获得阶段性溢价。但长期前景仍存显著不确定性：纯强化学习需要巨量模拟环境和计算资源，算法突破并非必然。如果短期难见可验证成果，scaling路径仍将占据主流资源分配。

从2016年AlphaGo击败李世石到如今LLM通过scaling laws主导投资，AI行业看似走了一条高效的商业化路径。但Silver的离职相当于投下一张不信任票。他并非否定数据驱动的短期成果，而是指出其长期天花板——如果智能仅停留在“模仿人类”，就无法触及真正超人类的发现能力。这场“数据范式 vs 经验范式”之争，正在从学术讨论转向资本和人才的实际分流。

这一轮由Sequoia和Lightspeed联合领投，Nvidia、Google、DST Global、Index Ventures及英国主权AI基金等跟投，成为欧洲AI史上规模最大的早期融资案例之一。

AlphaGo之父David Silver从DeepMind离职创办Ineffable Intelligence，这一举动在2026年春季迅速引发行业震动。公司成立数月即完成1.1亿美元种子轮融资，估值达51亿美元，领投方包括Sequoia和Lightspeed，Nvidia等机构跟投。

主流报道大多聚焦融资数字、Silver作为AlphaGo和AlphaZero核心推手的履历，以及Ineffable“首次接触超级智能”的口号。Nvidia等硬件巨头也被传参与背书，网友则热议这是否标志欧洲AI在种子阶段的里程碑式突破。不少讨论将强化学习与LLM路径对立起来，却较少触及Silver此举的深层动机。他多年浸润强化学习领域后，选择放弃人类数据主导路线，转向纯经验驱动，这背后是对“数据时代”天花板的清醒判断。

今天，这一模式以创业形式重现，反映出AI行业正从scaling laws主导的大模型路径，向依赖经验的新学习范式转型。Ineffable的阵容组建，正在把实验室十余年积累的强化学习人才优势，转化为创业动能，显著放大从基础研究到产业应用的转化效率。

最新1块1分跑的快群的未来发展路径和可能性空间，虽然仍受到较多外部宏观变量、监管环境变化以及技术不确定性因素的影响，但从目前已经显现出来的多个中长期信号和趋势特征来看，整体的大方向和大逻辑已经相对清晰、明朗和具有一定确定性。