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

在布局强化应变力时，提前考虑搜索结果页的视觉竞争环境，能避免很多后期调整。

Ineffable Intelligence的进展值得持续跟踪，尤其Silver本人的公开表态和技术输出能否实质挑战当前叙事。目前下结论仍为时尚早，但这一事件已清晰揭示：AI发展路径并非只有一条，经验驱动的自发现机制正从边缘走向舞台中央。行业是否会因此进入多范式并存的探索期，仍需观察后续真实成果。

这一事件短期内或加速RL领域人才从大厂流出，同时推动资本向“后LLM”替代路线分流。Sequoia与Nvidia的押注已显示，市场对多样化路径的认可在提升。但长期结果仍存不确定性：如果纯RL需要巨量计算与环境模拟却短期难出可验证成果，scaling laws仍可能继续主导资源分配。行业或许将进入多路径并存的探索窗口，而非单一叙事垄断。

Silver的All in强化学习，直接制造了一个尖锐的行业选择困境——继续依赖人类数据的模仿式学习，还是转向通过试错和自我经验构建“超级学习者”？这个决策不只是技术路线之争，更关乎AI能否突破人类知识天花板，迈向真正可持续的超级智能。

Silver的超级学习者愿景听起来极具吸引力，却也提醒我们，AI从“抄人类”转向“自己玩”并非线性复制游戏成功就能实现。核心仍在于如何让试错在无限开放空间中高效收敛，这或许需要数年甚至更长时间的迭代验证。值得持续跟踪Ineffable后续论文与Demo，现在下结论为时尚早。

当然，强化学习并非没有短板。其样本效率较低，在现实世界中精确定义奖励函数难度极大，早期训练过程往往成本高昂且不稳定。将复杂任务转化为可优化的信号，需要大量工程投入，波动性也远高于LLM的“拿来主义”。Silver的Ineffable Intelligence目前细节尚未完全公开，但从他过往成就和公开表态看，这条路更像可再生能源：初期投入大，却能带来可持续的智能跃迁，而非一次性消耗人类知识存量。

AlphaZero在围棋、国际象棋等环境中展现了“AI 无人类数据”学习的强大可行性：系统从随机初始策略出发，通过海量自对弈生成经验，不断优化策略网络与价值评估，最终超越人类顶尖水平与传统算法。这套机制的核心在于清晰的奖励信号和有限状态空间，证明纯强化学习能在封闭系统中高效自学。Silver团队在DeepMind时期的多次验证，进一步强化了这一路径在特定领域的可靠性。

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。

70%和7%——如果类比企业AI部署的计划率与规模化率，这个剪刀差或许正预示着当前范式的瓶颈。值得持续跟踪，现在下结论为时尚早，但Silver的1.1B融资已为我们留下一个开放的问题：AI下一站，究竟是继续在人类数据上卷，还是勇敢拥抱经验学习的未知？

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。

公司明确目标是打造“superlearner”——一种完全通过纯强化学习从零自发现知识的系统，而非依赖海量人类生成数据。这件事远不止于又一例大牛创业拿大钱，它直接触及当前AI主流路径的根本假设。

无论乐观还是谨慎派，共同的判断是：这个赛道已没有回头路可走。