2026 AI创业融资热点：David Silver 1.1B案例对创业者的启示

这个认知差，正在拉开不同站点的差距。

表面看这是一笔欧洲AI史上罕见的种子轮，但它远不止人才流动那么简单，而是对当前AI主流scaling laws的一次直接挑战。

当然，转向并非没有阻力。计算资源若无法匹配经验生成的规模，对齐问题若迟迟无解，进程便可能放缓。但数据支持的方向清晰：人类数据时代已显疲态，而经验时代的时间窗口，或许比想象中更短。值得持续跟踪的是，这一范式切换能否真正重塑AI轨迹。

Ineffable Intelligence的进展值得持续跟踪。Silver本人在相关表态中强调，这一“superlearner”旨在从基础运动技能到深刻智力突破，都通过自身经验发现知识，而非人类数据的捷径。这不仅是对技术路线的重新选择，也提醒整个行业：人类数据是否足够，仍是一个开放的基础命题。数据支持经验范式有潜力，但样本量和计算挑战目前仍有限，值得观察后续技术输出能否真正打开通往更通用智能的新窗口。

主流媒体报道多聚焦融资体量与Silver的过往成就。TechCrunch等平台强调他主导的AlphaGo、AlphaZero等系统如何通过纯经验学习超越人类顶尖水平，这些工作不依赖人类棋谱或策略记录，而是让AI在反复试错中进化。Silver本人将Ineffable Intelligence称为“一生事业”，并表示公司未来收益将捐赠用于高影响力慈善。

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。

对创业者而言，这里的技术路径启示在于评估方式的转变。不要简单跟随主流继续堆参数、扩数据，而是优先问自己：当前项目是否能构建起一个有效的“trial-and-error + world model”闭环？如果能通过模拟环境让AI自主探索，或许能在长期避开数据天花板。当然，这条路的风险同样突出，强化学习在复杂现实任务中的样本效率低、稳定性差等问题，仍需大量工程实践来验证。

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？

Silver的核心判断源于其在DeepMind的长期实践。AlphaZero不依赖任何人类棋谱，仅通过试错与自我对弈，就在围棋、象棋等多领域达到超人类水平。这一经验让他坚信，当前大语言模型本质上是人类知识的压缩机，擅长重组已有内容，却难以真正发现全新知识。Ineffable Intelligence的“superlearner”正是要回归纯经验路径：AI像早期进化过程一样，从空白起点与环境交互，逐步构建智能。

前DeepMind强化学习负责人David Silver创办Ineffable Intelligence，仅数月就以51亿美元估值完成11亿美元种子轮融资，由Sequoia Capital和Lightspeed领投，Nvidia、Google及英国政府相关基金参投。

媒体和业内初步反应大多聚焦融资规模与Silver的传奇背景。他曾主导AlphaGo和AlphaZero，这些系统在围棋、国际象棋等封闭环境中通过纯自对弈达到超人类水平，无需任何人类棋谱指导。公司网站上那句“媲美达尔文定律”的口号更是引发热议，许多人视之为RL路线对LLM的正面冲击，甚至是通往超级智能的新路径。

怎么找一元一分红中麻将群的趋势已现，执行细节决定成败。