AlphaGo之父再创业：Ineffable Intelligence获11亿美元融资，重塑AI未来

type

status

date

slug

summary

从AlphaGo到Superlearner的进化

Ineffable Intelligence的愿景远不止于构建另一个聊天机器人。Silver的目标是打造一个能够通过自身经验发现知识的“超级学习者（superlearner）”。在当前大语言模型（LLM）依赖海量人类文本数据的背景下，Silver试图通过强化学习，让AI系统在更广阔的规则空间内进行自我进化，从而迈向通用人工智能（AGI）乃至超级人工智能（ASI）。

这一融资额度不仅刷新了欧洲种子轮的纪录，更标志着AI投资逻辑的深层转变：顶尖研究员的个人信用与技术愿景，正在取代传统的商业验证，成为早期融资中最核心的筹码。

强化学习：Scaling Law撞墙后的新路径

过去三年，AI行业几乎被“大模型预训练”垄断。然而，随着高质量人类文本数据的枯竭，传统的Scaling Law正面临瓶颈。Epoch AI的研究指出，人类生成的有效数据库存可能在未来几年内被消耗殆尽。

Ineffable Intelligence选择了一条不同的路。强化学习的核心在于让模型在环境里通过反馈修正策略，而非单纯的模仿。正如AlphaGo Zero通过自我对弈超越人类棋谱一样，Silver坚信，未来的ASI应当具备在复杂环境中持续试错、验证并提取经验的能力。

预训练作为底座：提供基础的知识和语言理解能力。

强化学习作为驱动：通过行动反馈和目标压力，实现逻辑推理与科学发现的突破。

搜索与验证器：确保系统在不可控的现实环境中依然能够稳定输出有效结论。

大厂人才外溢与英国AI战略的支点

Ineffable Intelligence的崛起并非个案，而是顶尖AI人才从OpenAI、DeepMind等巨头向创业市场流动的一个缩影。这种人才的“二次创业”不仅带来了成熟的技术路线，也吸引了包括Sequoia Capital、Nvidia及英国政府在内的多方资本青睐。

对于英国而言，Ineffable的成立意义非凡。在DeepMind被谷歌收购后，伦敦虽拥有顶级人才密度，却缺乏本土的巨型AI实验室。Ineffable的出现，成为了英国在人工智能全球竞争中重新下注的关键支点。

现实世界的挑战：从游戏到通用智能

尽管技术叙事宏大且逻辑自洽，但Ineffable Intelligence仍面临严峻挑战。围棋和《星际争霸》拥有明确的规则和可计算的奖励函数，而真实世界充满了模糊性与不确定性。如何将模拟环境中的策略迁移到开放世界，是强化学习走向AGI必须跨越的鸿沟。

Silver的策略是将Agent置于复杂的模拟环境中，观察其协作与互动。这不仅考验系统的泛化能力，更对AI的安全性与对齐（Alignment）提出了极高要求。

想要获取更多关于前沿人工智能的最新资讯与深度分析，请访问AI门户网站 (aigc.bar)。无论是关注LLM的最新进展，还是探索AI变现的商业路径，这里都是您了解AI动态的最佳窗口。

总结与展望

Ineffable Intelligence的这笔巨额融资，实际上是一次对AI技术路线的集体投票。它提醒我们，大模型并非通往ASI的唯一路径。当Scaling Law的边际收益递减时，强化学习带来的“自我进化”能力，极有可能成为下一阶段AI竞争的核心壁垒。我们正处于人工智能从“模仿人类”向“超越人类认知”过渡的关键节点，而David Silver的第二次开局，或许正是这一进程的加速器。