强化学习 vs 大语言模型：David Silver 1.1B融资押注的新AI范式

提供数据支撑、对比维度和个人结论的页面，更容易获得搜索引擎的长期支持。

当然，强化学习目前仍面临现实挑战。样本效率相对较低，在开放的现实世界中精确定义奖励函数难度极大，早期的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，训练波动也比LLM的“拿来主义”更剧烈。这些短板让RL在短期应用落地中显得不够务实，最适合的场景仍是那些需要真正创新突破的领域，比如科学发现、复杂系统决策或长期自主智能代理。在这些场景下，单纯模仿人类知识已显不足，必须探索全新策略和原理。

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。

大语言模型的优势在于其对现有知识的快速复用。借助互联网积累的海量人类生成内容，模型能在文本生成、代码辅助和多任务推理上展现强劲表现，已形成成熟的生态链条和API落地路径。企业无需从零训练，就能显著提升生产效率，这也是当前应用层工具爆发的主要原因。然而，这种路径的内在局限日益明显。David Silver在公开讨论中将人类数据比作化石燃料——提供了一次性捷径，却存在明确上限。

年4月27日，TechCrunch报道了DeepMind强化学习元老David Silver创办Ineffable Intelligence的消息。这家伦敦实验室成立仅数月，便以51亿美元估值完成1.1亿美元种子轮融资，核心目标是打造“超级学习者”——完全通过强化学习从自身试错经验中发现知识，而非依赖人类生成数据。

多数媒体和行业观察者将焦点放在DeepMind核心人才流失、欧洲AI史上最大种子轮，以及顶级VC对新型计算需求的认可上。网友评论往往停留在“大牛创业拿大钱”的惊叹，或感慨顶级研究员从大厂出走的大势。Nvidia参与也被解读为对海量模拟计算的提前布局。然而，这些表面叙事容易掩盖更根本的分歧：Silver为何在AlphaGo成功十年后，仍坚持认为只靠人类数据喂养的LLM存在结构天花板，而纯强化学习的经验范式才可能突破现有知识边界。

但若只停留在名人效应与资本狂热层面，很容易错过更本质的信号。Silver的转向，实质是从“人类数据时代”迈向“经验时代”的尝试，这与AlphaZero从随机自对弈中超越人类棋谱的逻辑一脉相承。创业者需审视自家技术栈：是否能构建有效的trial-and-error闭环与世界模型，而非单纯堆积参数或标注数据。

主流报道多聚焦融资规模与Silver的AlphaGo、AlphaZero履历，以及Ineffable“首次接触超级智能”的口号。投资者背书与RL能否挑战LLM的讨论随之而来，但这些表面热闹掩盖了一个关键盲区：Silver此举源于对人类数据极限的清醒判断，而非简单换赛道。多年强化学习实践让他看到，当前范式正逼近天花板。

Silver与Richard Sutton合作的论文《Welcome to the Era of Experience》直指核心。人类数据虽曾推动LLM迅猛迭代，却本质上是静态快照——有限、带偏见，且难以突破已有知识边界。Sutton的经典《The Bitter Lesson》早已提醒，长期胜出的总是那些充分利用计算的通用方法，而非注入人类知识的捷径。

对2026年的AI创业者而言，Ineffable案例提供了一个清晰的参照。顶级人才的历史成就加上明确的“科学突破级”愿景，往往比模糊的商业pitch更能打动顶级VC。Silver甚至在公开表态中承诺将个人从公司获得的收益捐赠给高影响力慈善，这类个人承诺进一步降低了投资者对早期项目的不确定性感知。

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

行业内对红中麻将哪里有群玩的讨论一直存在不同声音。