强化学习 vs 大语言模型：David Silver 1.1B融资押注的新AI范式

这种分层现象背后，是资源配置能力和风险承受能力的真实差异。

Silver与Richard Sutton合作的论文《Welcome to the Era of Experience》明确指出，AI正从人类数据主导转向经验驱动。Sutton的经典《The Bitter Lesson》早已说明，依赖人类知识注入的方法短期见效，长期却总被充分利用计算资源的通用方法超越。人类数据静态、有限且带有偏见，而经验数据可由Agent通过持续交互无限生成，质量更贴近任务本质。

把两种方案放在一起看，差异一目了然。LLM高度依赖人类数据，成熟度高但突破潜力受限；强化学习可近乎零人类数据起步，理论上拥有无限探索空间，却面临更高的落地风险和不稳定性。短期内，追求快速商业应用的企业仍会优先选择LLM路径。但如果目标是超越人类知识边界、走向真正超级智能，Silver倡导的经验驱动方式提供了更具想象力的选项。他的1.1亿美元融资，本质上是对LLM范式潜在上限的一次资本级判断。

Ineffable的superlearner战略，正是这一理论的落地尝试。它旨在构建能像生物般在数字环境中通过trial and error积累经验的系统，而非继续“吃老本”。短期内，这类方法有望加速游戏、数学证明、科学模拟等领域的突破，吸引更多资本从LLM转向经验驱动项目；长期来看，LLM的主导地位或将松动，超级智能可能源于自学成才的Agent。

他正积极从DeepMind等前沿实验室招募人才，这波动态远超单纯融资事件，凸显AI顶尖人才正从大厂向高估值创业公司加速流动。

年4月27日，TechCrunch报道了DeepMind强化学习元老David Silver创办Ineffable Intelligence的消息。这家伦敦实验室成立仅数月，便以51亿美元估值完成1.1亿美元种子轮融资，核心目标是打造“超级学习者”——完全通过强化学习从自身试错经验中发现知识，而非依赖人类生成数据。

Silver在公开表态中反复强调，从人类数据时代转向经验时代，才是通往真正超级智能的可持续路径。他把强化学习视作“从第一性原理构建智能”的方式，能像达尔文解释生命那样，解释并构建所有智能。这个观点锐利，却并非空谈——AlphaZero的零数据超人类表现已提供实证。不过，现实世界的复杂性远超棋盘，奖励信号的定义往往需要大量工程努力，训练过程也充满波动。

这种“化石燃料式” shortcut 带来了便利，却也埋下了明显上限：数据质量逐渐见顶，高品质训练数据越来越稀缺，模型容易产生幻觉，且难以生成真正超越人类已知边界的创新。

主流报道多聚焦融资体量与Silver的AlphaGo、AlphaZero成就，强调其不依赖海量文本数据的野心，以及他将Ineffable视为“一生事业”的表态。行业评论则热议这是“欧洲最大种子轮之一”，并看好伦敦AI生态的崛起。但这些声音往往停留在资本热度层面，较少触及具体人才招募动态及其对行业竞争的深层冲击。

多数媒体和行业观察者将焦点放在DeepMind核心人才流失、欧洲AI史上最大种子轮，以及顶级VC对新型计算需求的认可上。网友评论往往停留在“大牛创业拿大钱”的惊叹，或感慨顶级研究员从大厂出走的大势。Nvidia参与也被解读为对海量模拟计算的提前布局。然而，这些表面叙事容易掩盖更根本的分歧：Silver为何在AlphaGo成功十年后，仍坚持认为只靠人类数据喂养的LLM存在结构天花板，而纯强化学习的经验范式才可能突破现有知识边界。

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。

% 和 7%。这个鸿沟，正在考验行业的耐心。