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

哪里有一元一分红中麻将群的垂直搜索场景下，用户决策链路比通用搜索更短。

从短期看，这一事件可能加剧大厂留才压力。更多DeepMind等实验室研究员或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历史遗产，正加速成为欧洲AI枢纽，OpenAI、Anthropic等也在此扩大布局，人才争夺愈发激烈。但现实更复杂。如果技术验证周期拉长，早期高估值带来的期望管理压力，可能引发部分人才回流。

LLM擅长重组已有内容，却难以产生真正原创的科学洞见，这一局限在Silver看来已越来越明显。他的离职不是简单职业变动，而是对数据范式主导AI投资的“不信任票”。

长期来看，若Ineffable的“超级学习者”路径获得验证，将推动AI超越纯人类数据依赖的瓶颈，对技术路线和人才估值产生重塑。不确定性依然存在：如果技术验证周期拉长，早期高估值下的期望管理或引发部分人才回流；反之，则可能刺激更多巨额种子轮，进一步加速实验室向创业公司的转化。整个行业的人才配置，正在技术路线博弈中悄然重构。

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。

对AI从业者来说，这提醒我们技能栈的单一依赖风险正在上升。过去几年，许多人将重心放在数据工程和LLM优化上，而忽略了智能机制本身的探索。持续跟踪Ineffable的进展，以及Silver本人的技术表态，或许能帮助重新校准职业路径——多路径思考，而非把所有筹码押在单一scaling故事上。这一点目前行业内仍有不同声音，但数据支持的方向值得关注。

然而，向通用超级智能扩展时，挑战迅速显现。现实世界缺乏明确的“胜负”反馈，探索空间呈指数级爆炸，样本效率极低往往需要天文数字级的试错。早期RL在Atari等简单游戏中虽有突破，却长期难以泛化到复杂机器人或开放场景，历史类比在这里很说明问题。但Silver的“经验驱动”路径仍有突破潜力，尤其若与世界模型结合实现高效模拟，我的判断是——但这个判断可能需要后续论文验证。

当前AI行业几乎把所有筹码都押在了大语言模型上。从ChatGPT到各类企业应用，大家都在疯狂堆积人类生成的文本数据，试图通过规模化实现快速泛化。可就在这个几乎一边倒的时刻，AlphaGo和AlphaZero的核心缔造者David Silver却选择了另一条路。

许多AI创业团队正面临日益严重的**数据瓶颈**。训练LLM需要巨量高质量人类数据，获取和清洗成本不断攀升，隐私合规压力也同步增大。在这样的背景下，Ineffable选择转向强化学习主导的“经验时代”，提供了一个值得关注的替代视角。它让人联想到AlphaZero的核心逻辑：从随机初始状态出发，通过反复试错和自我对弈，逐步构建高效策略，而无需事先喂入人类棋谱或专家知识。

我的判断是，短期内LLM仍将主导应用落地，但长期看，强化学习作为补充甚至潜在替代的潜力不容忽视。这个方向是对的，但执行起来会更慢、更难。

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

全面剖析哪里有一元一分红中麻将群_技嘉论坛的本质和核心价值，实际上在于提供一套结构化、系统化、可操作的方法论和思维框架，帮助从业者和团队在充满不确定性、信息严重过载的行业环境中，更有效地做出决策、分配资源并持续推进工作。