2026 年 1 月,AlphaGo 的缔造者 David Silver 悄然离开供职 13 年的 DeepMind。三个月后,他的新公司 Ineffable Intelligence 拿到英国及欧洲史上规模最大的一笔种子轮融资——11 亿美元,估值 51 亿美元。而截至目前,它没有产品、没有收入,甚至没有对外公布的路线图。
TL;DR · 30 秒读完
Silver 押注:大语言模型永远到不了超级智能,真正的答案是把 AlphaGo Zero「扔掉人类棋谱反而更强」的配方,推广到人类知识的全部领域。
反共识洞察:「无人类数据反而更强」目前只在围棋这类奖励信号完美、可无限重开的封闭系统里被证明过——把它搬进语言与科学这样的开放世界,才是那 10 亿美元真正押注的地方。
2026 年 1 月,DeepMind 向员工确认:David Silver 已经离开。他此前休了一段学术假,此后再未正式回归本职岗位。DeepMind 发言人在给 Fortune 的声明中说:「Dave 的贡献是无价的,我们感激他在 Google DeepMind 的一切工作。」Silver 从 2013 年起在 DeepMind 工作了 13 年,是公司最早期员工之一,与联合创始人 Demis Hassabis 相识于大学时代。他主导的强化学习团队缔造了 AlphaGo、AlphaZero、MuZero,以及后来的 AlphaProof——每一代都在朝同一个方向推进:让系统更少依赖人类先验。
公司文件显示,Ineffable Intelligence 早在 2025 年 11 月就已在英国 Companies House 完成注册,Silver 于 2026 年 1 月 16 日被列为董事——也就是说,他还没正式和 DeepMind「分手」,新公司的纸面工作就已经启动。The Decoder 将这次离职形容为 Silver「押注大语言模型本身走不到超级智能」的一次公开表态。
Ineffable 的技术叙事并不是临时起意,而是可以一路追溯到 Silver 与强化学习教父 Richard Sutton 联名发表的论文《Welcome to the Era of Experience》。论文的核心判断是:在数学、编程、科学这些高价值领域,能从人类数据里榨取的知识很快就会见底,继续进步必须依靠 agent 自己在环境中反复试错、持续积累「经验」。
Ineffable 官网称,公司要打造的是一个「超学习者」(superlearner)——一个完全依靠自身经验,发现从基础运动技能到深刻智力突破的一切知识的系统。Sequoia 的投资笔记写道,这套系统预计将「重新发现,并最终超越人类历史上最伟大的发明——语言、科学、数学与技术」。Silver 本人的措辞更直接:公司的目标,是与超级智能进行「第一次接触」。
2 月,Ineffable 还只是在悄悄接洽 10 亿美元、40 亿估值的种子轮;到 4 月 27 日,数字变成了 11 亿美元、51 亿估值——由 Sequoia 与 Lightspeed 联合领投,Nvidia(经其风险投资部门,据报道出资至少 2.5 亿美元)、Google、DST Global、Index Ventures、EQT Ventures、BOND、Flying Fish 跟投,英国政府新设立的「主权 AI 基金」(Sovereign AI Fund)也经 British Business Bank 出资约 2000 万美元(1500 万英镑)。TechFundingNews 称这是欧洲史上规模最大的一笔种子轮融资,比此前纪录保持者 Mistral AI(2023 年)高出三倍以上。
这也不是孤例。同一时期,前 DeepMind 研究员 Tim Rocktäschel 创立的 Recursive Superintelligence 拿到 5 亿美元种子轮(估值 40 亿);Ilya Sutskever 的 Safe Superintelligence 融到 20 亿美元(估值 320 亿);Yann LeCun 离开 Meta 后创立的 AMI Labs 融到 10.3 亿美元。行业给这类「顶级研究者 + 一份宣言 + 零产品」的超大种子轮起了个绰号——「椰子轮」(coconut round)。Ineffable,只是这波「押人不押产品」资本狂潮里,估值最高的一颗。
支撑这场豪赌的,是 Silver 本人过去十年亲手写下的一条技术谱系。2016 年的 AlphaGo,靠人类棋谱预训练再加自我对弈微调,击败了李世石;紧随其后的 AlphaGo Zero 彻底移除了人类棋谱,只靠规则和自我对弈从零学起,结果反而比吃过人类棋谱的前代更强;AlphaZero 把这套配方从围棋推广到国际象棋和将棋,24 小时内从随机落子练到超越人类顶尖水平;MuZero 更进一步,连「规则」本身都不需要显式给定,靠自己建立的世界模型学习。
这条一路移除人类先验、系统反而越来越强的轨迹,是 Silver 押注「经验优于数据」最直接的实证依据——也是 Sequoia 等投资人愿意为一家没有产品的公司写下 51 亿估值支票的理由。
"我们的目标,是与超级智能进行第一次接触。我们正在打造一个超学习者——它将从基础运动技能到深刻的智力突破,完全依靠自身经验发现一切知识。"
— David Silver,Ineffable Intelligence 创始人兼 CEO,引自 TechCrunch,2026 年 4 月
截至 2026 年 6 月,据报道 Ineffable 团队规模在 11 到 50 人之间(不同数据源口径不一),总部设在伦敦。除 Silver 本人外,公开露面的联合创始人还包括曾任 InstaDeep 研究负责人的 Alex Laterre——他在 X 上写道:「我们正与 David Silver 和其他杰出的联合创始人一起,推出 Ineffable Intelligence」。公司公开的招聘职位以基础设施工程师为主,要求「驾驭过千卡级 GPU 集群、扛过硬件故障、autoscaling 与调度系统」的 DevOps 背景——这更像一家还在搭建训练底座的实验室,而不是一家准备发布产品的公司。
截至目前,Ineffable 没有公开产品、没有收入,也没有对外发布的路线图。Sequoia 在自己的投资笔记里也罕见地坦承,这是一场「工作本身很难、通往超级智能的时间线完全不确定」的赌注——而这恰恰是让他们兴奋的地方。
Silver 押上 10 亿美元的,其实不是「自我对弈」本身,而是一个更大胆、也更未经检验的推广:AlphaGo Zero「扔掉人类棋谱反而更强」的配方,是在围棋这样一个规则封闭、胜负信号清晰、可以无限次重开重来的系统里被证明的。语言、科学、数学、技术——这些 Ineffable 真正想攻克的领域——恰恰缺少这种干净的奖励函数;现实世界不会像棋盘一样在每一步之后告诉你「你赢了还是输了」。与此同时,行业里真正在跑的下一代推理模型,不管是 OpenAI 的 o 系列还是各类「可验证奖励强化学习」(RLVR)路线,用的配方几乎都是「海量人类数据预训练 + 强化学习精炼」,而不是 Silver 所说的「从零开始、不用任何人类数据」。换句话说,Ineffable 真正要验证的假设,眼下更像一句尚未被检验的信条,而不是既定事实;它能拿到 51 亿估值,更多是资本市场对「顶级研究者的历史战绩」进行的一次期权定价,而不是对某条已被证明的技术路线的追加投资——这与 Ilya Sutskever 的 SSI 遵循的是同一种资本逻辑:一个人的声誉,正在被当作一种可以直接兑换成十亿美元支票的资产。