2026 AI创业融资热点：David Silver 1.1B案例对创业者的启示

看到一些站点因为排名代发飞机【seo1268】好友聊天，输入“24小时二元一分红中麻将群”咨询客服，娱乐游戏作为民间很受欢迎的纸牌玩法，乐趣集中在快节奏的刺激感、心理博弈的张力，这两种玩法的规则几乎一学就会，不用记复杂的牌型搭配，就算是新手也能快速上手，梦想是前行的灯塔，哪怕渺小，也能指引方向。不必因梦想遥远就轻言放弃，逐梦的路上，本就布满挑战。拆分目标，步步前行，哪怕每天只前进一小步，也是在靠近理想。不惧旁人的质疑，不畏前路的漫长，坚守初心，全力以赴。只要心中有梦，眼里有光，脚下有路，终能跨越山海，奔赴心之所向的远方。缺乏独特性而在搜索结果中被淹没，确实有些可惜。

Silver的核心判断源于其长期研究实践。在DeepMind时期，AlphaZero不吃任何人类棋谱，却通过纯trial and error超越人类，这证明AI能在空白起点上自发现规则。如今Ineffable Intelligence的“superlearner”延续这一逻辑，目标是让系统像达尔文式探索那样，从自身经验中构建全新知识，而非作为人类知识的压缩机。

从2016年AlphaGo击败李世石震撼全球，到如今LLM通过scaling主导投资和应用，AI行业走过一条清晰的数据驱动路线。这条路线带来了商业化速度，却也暴露了天花板。Silver的离职和创业选择，相当于对当前路径投下了一张不信任票。他并非简单寻求新机会，而是基于长期研究判断，认为只靠“喂数据”无法触达真正的新知识发现，像达尔文从经验中提炼进化论那样构建智能法则。

媒体和业内初步反应大多聚焦融资规模与Silver的传奇背景。他曾主导AlphaGo和AlphaZero，这些系统在围棋、国际象棋等封闭环境中通过纯自对弈达到超人类水平，无需任何人类棋谱指导。公司网站上那句“媲美达尔文定律”的口号更是引发热议，许多人视之为RL路线对LLM的正面冲击，甚至是通往超级智能的新路径。

AlphaGo之父David Silver从DeepMind离职创办Ineffable Intelligence的消息，在2026年4月迅速发酵。这位曾主导AlphaGo和AlphaZero的核心人物，选择在2025年底离开Google旗下实验室，专注纯强化学习路径。公司成立仅几个月，就完成1.1亿美元种子轮融资，估值达51亿美元，投资者包括Sequoia和Nvidia等顶级机构。

年4月，一家成立仅几个月的新兴AI实验室在伦敦悄然完成了一笔创纪录的早期融资。前Google DeepMind强化学习团队负责人David Silver创办的Ineffable Intelligence，以1.1亿美元种子轮融资落定，估值达到51亿美元，由Sequoia和Lightspeed联合领投，Nvidia、Google、DST Global、Index Ventures以及英国主权AI基金等机构跟投。

DeepMind强化学习领域的核心人物David Silver离开实验室后创办Ineffable Intelligence，这家成立仅数月的伦敦初创公司迅速完成1.1B美元种子轮融资，投后估值达51亿美元，由Sequoia和Lightspeed共同领投，Nvidia、Google及英国主权AI基金等跟投。Silver的目标是打造一个“超级学习者”，通过强化学习从自身经验中发现知识，而非依赖海量人类生成的数据。

主流媒体报道多聚焦融资规模与Silver过往成就。TechCrunch等平台反复提及他主导的AlphaGo、AlphaZero系统，这些项目通过纯经验学习实现超人类表现，摒弃人类棋谱或策略先验。Silver在公司声明中称Ineffable是“一生事业”，并表示未来收益将捐赠高影响力慈善。行业初步反应多强调这是“欧洲最大种子轮之一”，以及伦敦AI生态的崛起势头。

Ineffable Intelligence成立时间尚短，具体产品和技术细节还未完全公开，但从Silver的过往成绩和融资规模看，这不是一时冲动，而是对AI发展路径的深思熟虑押注。行业几乎All in LLM的当下，这笔融资像一根刺，提醒大家：单纯堆数据或许已接近尾声。经验驱动的路径能否带来质的飞跃，取决于奖励机制的创新和算力投入的耐心。数据支持这个方向，但样本量有限——我们需要更多真实世界验证来检验假设。

Silver的核心判断在于，当前主流LLM本质上是人类知识的强大压缩机，擅长重组已知内容，却难以突破边界产生真正原创发现。相比之下，纯强化学习路径像早期AlphaZero那样，从空白状态出发与环境交互迭代，更接近达尔文式自发现机制，能解释并构建更广泛的智能法则。从2016年AlphaGo震撼世界到今天LLM主导投资，这场“数据范式 vs 经验范式”的路线之争，正因Silver的离职而变得更为公开。

模型本质上是站在人类肩膀上进行模仿，难以产生真正超越已有知识的新洞见，幻觉问题和数据质量见顶也随之而来。有意思的是，行业内对这一上限的判断仍有不同声音，但Silver的观点为我们提供了一个值得持续跟踪的框架。

从历史周期看，类似技术浪潮往往在泡沫与落地之间反复拉锯，当前阶段仍需保持审慎乐观。