Reinforcement Learning

David Silver 創辦 Ineffable Intelligence:11 億美元豪賭「超級學習者」

2026 年 4 月,DeepMind 強化學習主管 David Silver 創辦的 Ineffable Intelligence 以 51 億美元估值募得 11 億美元,目標是打造純靠強化學習試錯、不依賴人類資料的「超級學習者」。本文解析資金、技術賭注與倫敦 AI 樞紐的崛起。

David Silver 創辦 Ineffable Intelligence:11 億美元豪賭「超級學習者」 — 文章封面
本頁內容6 個段落
  1. 從 AlphaZero 到「超級學習者」
  2. 11 億美元輪的具體條款
  3. 「椰子輪」時代:明星研究員的種子輪通貨膨脹
  4. 倫敦為什麼是第三個 AI 樞紐
  5. 對開發者與研究者的意義
  6. 參考來源

2026 年 4 月 27 日,Bloomberg 率先報導、TechCrunch 隨後跟進:DeepMind 強化學習團隊前負責人、倫敦大學學院(UCL)教授 David Silver 幾個月前創辦的英國 AI 實驗室 Ineffable Intelligence,完成 11 億美元融資,估值 51 億美元,一舉跨過 50 億美元的「pentacorn」門檻。Sequoia 與 Lightspeed 領投,Index Ventures、Google、Nvidia、英國商業銀行(British Business Bank)與英國新成立的主權 AI 創投基金都在投資人名單上。

這輪融資最特別的地方,在於它買的不是產品也不是營收,而是一個研究方向:Ineffable 要打造「超級學習者(superlearner)」——完全不使用人類產生的訓練資料,純靠強化學習的試錯過程習得知識與技能。當前沿模型普遍受高品質人類資料枯竭的限制,這是對「後人類資料時代」最直接的一筆下注。

從 AlphaZero 到「超級學習者」

Silver 的履歷就是這條路線最好的廣告。他在 DeepMind 帶領強化學習團隊超過十年,最著名的成果是 AlphaZero:不讀任何一盤人類棋譜,只從自我對弈出發,先後學會西洋棋與圍棋,擊敗當時最強的專用引擎。

Ineffable 的企圖是把同樣的自我學習原理,從規則封閉的棋盤推向開放的真實世界。公司網站把這個目標類比達爾文:「他的定律解釋了所有生命;我們的定律將解釋並建造所有智慧。」Silver 在 Wired 的訪談中把這項事業形容為畢生工作的延伸,並承諾他從 Ineffable 賺到的錢,將捐給「能拯救盡可能多生命」的高影響力慈善機構。

11 億美元輪的具體條款

  • 金額 11 億美元,投後估值 51 億美元,公司一成立就進入 50 億美元以上的「pentacorn」俱樂部
  • Sequoia Capital 與 Lightspeed Venture Partners 共同領投
  • 跟投方涵蓋 Index Ventures、Google、Nvidia,以及英國官方色彩濃厚的 British Business Bank 與英國主權 AI 創投基金
  • 多名前 DeepMind 員工已加入 Ineffable 的主管團隊

值得注意官方資金的角色:英國主權 AI 基金直接參與,顯示這不只是一樁創投交易,也是英國把國家籌碼押在本土明星研究員身上的策略。

「椰子輪」時代:明星研究員的種子輪通貨膨脹

Ineffable 不是孤例。2026 年出現了 Bloomberg 稱之為「coconut round(椰子輪)」的現象——頂尖研究員創業,第一輪就直接募到過去 C 輪等級的金額:

  • 圖靈獎得主、前 Meta 首席 AI 科學家 Yann LeCun 共同創辦的 AMI Labs,2026 年 3 月以 35 億美元投前估值募得 10.3 億美元
  • 前 DeepMind 首席科學家 Tim Rocktäschel 共同創辦的 Recursive Superintelligence,據報完成 5 億美元,需求一度足以推升到 10 億美元

對比之下,Ineffable 的 11 億美元又創新高。資金向少數「名字即技術路線」的人集中,說明投資人買的其實是典範轉移的選擇權。

倫敦為什麼是第三個 AI 樞紐

這輪募資再次確認了倫敦的地位。Google 自 2014 年收購 DeepMind 後,持續把倫敦經營成核心 AI 據點;Jeff Bezos 的 Project Prometheus 據報正在 Google 倫敦 AI 園區附近尋找辦公空間;現在 Ineffable 又把一批前 DeepMind 主管聚攏到同一家新創。人才、私人資本與國家支持在單一城市疊加,是舊金山灣區與北京之外少見的組合。

對開發者與研究者的意義

三個觀察點。第一,人類資料不再是唯一護城河:如果超級學習者路線成立,資料授權與網路爬取的重要性會下降,自我生成經驗的能力會上升。第二,評測需要重新設計——不看人類資料訓練出來的模型,該用什麼基準衡量?現有 benchmark 多半隱含人類知識的邊界。第三,把鏡頭拉遠,這波「明星研究員加上巨額種子輪」的資金遷徙,正呼應年初我們整理的 2026 年 AI 開年展望:今年的主題不再是規模化既有典範,而是尋找下一個典範。

參考來源

本文由 AI 協助自上述來源整理,經人工審核後發布。

這篇內容對你有幫助嗎?

支持本站繼續整理實用的 AI 文章、教學與開發筆記。

請我喝杯咖啡
分享X電郵