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

这个提问，能帮你过滤掉很多低效动作。

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。

表面上看，这是一场资本对新范式的豪赌。但深层逻辑在于人才网络的延续与转化。Silver作为AlphaGo和AlphaZero核心推动者，其招募多名前DeepMind staffers加入执行团队，并非简单挖角，而是试图构建能延续并超越过去强化学习专长的闭环体系。DeepMind早期正是凭借紧密的人才网络效应，在该领域形成领先优势。

一句话总结，2026年AI创业中真正值钱的，可能不是海量数据本身，而是让AI通过自身交互发现知识的能力。这一转变的方向目前行业内仍有不同声音，数据支持其潜力，但样本量和验证周期仍有限，值得持续跟踪，现在下结论或许为时尚早。

融资策略层面，Ineffable的案例也值得拆解。David Silver不仅带来DeepMind履历，还将Ineffable定位为“一生事业”，甚至公开表示个人收益将捐赠慈善，这将愿景拔高到科学突破层面，而非单纯商业回报。顶级VC往往更青睐这类清晰且有历史验证的宏大叙事。它提醒创业者，在2026年的AI市场，模糊的“下一代智能”pitch已难打动人，结合可信背书与个人承诺的表达，能显著降低早期不确定性感知。

这一事件短期内已开始搅动行业资源分配。更多强化学习领域的顶尖人才可能被类似愿景吸引，大厂相关团队面临人才外流压力；资本层面，部分资金加速向“后LLM”或经验驱动项目分流，Sequoia和Nvidia的背书也暗示市场对路径多样性的认可在悄然提升。不过，我的判断是——但这个判断可能需要后续数据修正——如果纯RL路径短期内难以产出可验证成果，LLM scaling仍将主导绝大多数资源和注意力。

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，试图通过规模化模仿实现快速泛化。可就在这个共识最牢固的时刻，AlphaGo和AlphaZero的核心开发者David Silver却选择了另一条路。

AlphaZero的实践为这一判断提供了生动注脚。该系统从零开始，只掌握规则，不摄入任何人类棋谱，却通过自我对弈和强化学习在短时间内达到超人类水平。它发现的策略甚至改变了人类棋手对围棋和国际象棋的理解。这不是孤例，而是经验驱动范式突破人类知识天花板的缩影。Silver的Ineffable战略，正是将这种从随机探索到精妙发现的过程，扩展到更开放的智能领域。

表面上看，这笔交易延续了市场对顶级人才项目的追捧。David Silver凭借AlphaGo、AlphaZero等标志性强化学习成果，天然具备背书效应。Ineffable宣称要打造“superlearner”，一种通过自身经验而非海量人类数据发现知识的系统。投资者显然押注其能超越当前LLM主导路径，行业讨论则多集中在“欧洲AI崛起”和“种子轮天价”这些显性标签上。

AlphaGo之父David Silver从DeepMind离职创办Ineffable Intelligence，这一举动在2026年春季迅速引发行业震动。公司成立数月即完成1.1亿美元种子轮融资，估值达51亿美元，领投方包括Sequoia和Lightspeed，Nvidia等机构跟投。

他正积极从DeepMind等实验室招募顶尖人才，这一动态远超单纯融资新闻，标志着AI顶尖人才从大厂实验室向创业公司加速流动。

这个双轮驱动的逻辑，正在被越来越多的项目验证。