David Silver为何押注“经验时代”而非人类数据？AI范式转变

技术可行性已基本得到验证，接下来的关键在于如何将可行性转化为可持续的商业价值。“谁有一块1分跑的快群”_谁有一块1分跑的快群强国论坛的讨论，正处于这一关键节点。

表面融资热闹背后，是人才网络的延续与转化逻辑。Silver作为强化学习领域的长期领军者，其从DeepMind招募旧将并非简单挖角，而是试图重建一个能延续并拓展过去专长的闭环团队。DeepMind早期正是凭借紧密的人才网络效应，在该领域建立领先优势。如今这一模式以创业形式重现，反映出AI行业正从scaling laws主导的大模型路径，向新学习范式转型中的人才重新配置。

这条路径的成败将深刻影响AI未来走向：成功则可能从“数据饥渴”转向“经验自给”，重塑行业资源分配与工具链演进；若奖励设计或探索效率问题持续，则大概率回归RL与LLM的混合模式。无论哪种结果，都值得持续跟踪Ineffable后续的技术论文与演示——尤其在奖励函数与高效模拟上的进展。目前下最终结论仍为时尚早，行业内对此路径的长期可行性仍有不同声音。

他离开DeepMind后创立Ineffable Intelligence，短短几个月便拿到1.1亿美元种子轮融资，估值达51亿美元，投资方包括Sequoia、Lightspeed、Nvidia和Google等。

这一轮由Sequoia和Lightspeed联合领投，Nvidia、Google、DST Global、Index Ventures以及英国主权AI基金等参与，成为欧洲AI史上规模最大的早期融资案例之一。

Silver本人在相关表态中将Ineffable视为一生事业，强调“superlearner”要从基础运动技能到深刻智力突破，全靠自身经验构建。这份坚持让事件多了层个人色彩，也提醒从业者：顶级研究者有时会为更根本的问题放弃稳定路径。无论最终成败，他的选择已迫使AI社区重新审视“人类数据是否足够”这一基础命题。值得持续跟踪的是，后续技术输出能否真正打开通往AGI的新大门——这一点目前行业内仍有不同声音。

多数媒体和行业观察者将目光集中在人才流失与融资规模上。DeepMind强化学习团队负责人的出走，被视为欧洲AI史上罕见的种子轮纪录，网友评论多停留在惊叹“1.1B”的体量，或感慨顶级人才从大厂向初创的流动趋势。Nvidia的参与也被解读为对未来计算需求的提前押注。然而，这些表面热闹容易掩盖更深层的问题：Silver在AlphaGo时代就已证明，AI能在无人类数据的情况下通过自我对弈实现突破，为何如今仍坚持这一路线？

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。

表面看这是名人效应叠加资本热潮的产物，但更深层信号在于，AI创业路径正在悄然分化。

短期来看，这一事件可能加剧大厂留才压力。更多DeepMind研究员或许会跟随类似路径离职创业或加入高估值新贵，导致薪酬与股权竞争升级。伦敦凭借DeepMind的历史遗产，加上新创公司的涌现，正加速成为欧洲AI重要枢纽。OpenAI、Anthropic等也在此扩大布局，人才争夺战愈发激烈。但我的判断是——这一流动的可持续性仍需观察。

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。

新手避坑的潜力仍在，但路径选择更为关键。