又一位大佬創(chuàng)業(yè)了。

幾周前，消息確認(rèn)前谷歌 DeepMind 首席科學(xué)家、AlphaGo 核心負(fù)責(zé)人戴維·席爾瓦（David Silver）正式離職，并在倫敦創(chuàng)立人工智能初創(chuàng)公司"Ineffable Intelligence"。據(jù)悉，該公司正在推進(jìn)一輪規(guī)模達(dá) 10 億美元的種子輪融資，目前已接近完成。

這一融資額度，追平了 OpenAI 前首席科學(xué)家伊利亞·蘇茨克維（Ilya Sutskever）2024 年創(chuàng)立 Safe Superintelligence（SSI）時(shí)創(chuàng)下的紀(jì)錄。

圖 | 戴維·席爾瓦 (來(lái)源：Youtube)

與當(dāng)前依賴(lài)海量文本預(yù)訓(xùn)練的大模型路徑不同，席爾瓦的新公司明確提出：他們要繞過(guò) LLM 既定范式，回歸強(qiáng)化學(xué)習(xí)（Reinforcement Learning, RL）本源，構(gòu)建一個(gè)不依賴(lài)人類(lèi)既有知識(shí)、能自主探索新知的智能系統(tǒng)。

作為 DeepMind 聯(lián)合創(chuàng)始人德米斯·哈薩比斯（Demis Hassabis）自大學(xué)時(shí)代的密友與長(zhǎng)期合作伙伴，席爾瓦的離開(kāi)可以說(shuō)是該公司歷史上最重要的人事變動(dòng)之一。DeepMind 發(fā)言人在簡(jiǎn)短聲明中確認(rèn)了這一消息：“戴維的貢獻(xiàn)是無(wú)價(jià)的，我們非常感謝他對(duì) DeepMind 工作所做出的貢獻(xiàn)?！?/p>

席爾瓦不僅是技術(shù)標(biāo)桿，更是強(qiáng)化學(xué)習(xí)路線(xiàn)的堅(jiān)定倡導(dǎo)者。作為圖靈獎(jiǎng)得主查理·薩頓（Charlie Sutton）的學(xué)生，他的論文被引用量已超過(guò) 28 萬(wàn)次，并于 2019 年獲得 ACM 計(jì)算獎(jiǎng)。

他主張回歸強(qiáng)化學(xué)習(xí)的核心思路。2025 年 4 月，席爾瓦與其導(dǎo)師薩頓共同發(fā)表論文《歡迎來(lái)到經(jīng)驗(yàn)時(shí)代》（Welcome to the Era of Experience），提出新一代 AI 系統(tǒng)應(yīng)更注重智能體與環(huán)境的交互學(xué)習(xí)：通過(guò)持續(xù)試錯(cuò)、自我迭代和長(zhǎng)期互動(dòng)積累經(jīng)驗(yàn)，而非僅依賴(lài)靜態(tài)數(shù)據(jù)訓(xùn)練。這一理念，也是 Ineffable Intelligence 的技術(shù)基石。

（來(lái)源：arXiv)

在當(dāng)前創(chuàng)投環(huán)境下，Ineffable Intelligence 高達(dá) 10 億美元的融資目標(biāo)尤為引人注目。接近交易的投資人分析，資本市場(chǎng)愿意為一家尚未發(fā)布產(chǎn)品的公司開(kāi)出如此巨額支票，主要基于兩點(diǎn)：一是對(duì)席爾瓦個(gè)人技術(shù)聲望的信任，二是對(duì)其所主張的“后大模型時(shí)代”技術(shù)路線(xiàn)的戰(zhàn)略性押注。

目前，包括 OpenAI 的 GPT 系列與谷歌的 Gemini 系列在內(nèi)，主流 AI 模型均建立在“預(yù)訓(xùn)練 + 微調(diào)”范式之上。這些模型通過(guò)學(xué)習(xí)互聯(lián)網(wǎng)上海量的文本數(shù)據(jù)，掌握預(yù)測(cè)下一個(gè)詞的統(tǒng)計(jì)規(guī)律，從而展現(xiàn)出強(qiáng)大的對(duì)話(huà)與生成能力。但席爾瓦認(rèn)為，這一路徑存在本質(zhì)局限：AI 的能力上限被“人類(lèi)數(shù)據(jù)”本身所鎖定。

席爾瓦曾在私下場(chǎng)合多次表達(dá)對(duì)當(dāng)前技術(shù)路線(xiàn)的擔(dān)憂(yōu)。他指出，大語(yǔ)言模型在后訓(xùn)練階段主要依賴(lài)“人類(lèi)反饋強(qiáng)化學(xué)習(xí)”（RLHF），即通過(guò)人類(lèi)評(píng)估員的打分來(lái)優(yōu)化模型。這意味著，模型所能達(dá)到的最高水平，難以超越人類(lèi)評(píng)估員的認(rèn)知邊界。

“我們想要超越人類(lèi)的認(rèn)知，為此需要一種不同的方法?！?025 年 4 月，席爾瓦在一檔播客節(jié)目中罕見(jiàn)公開(kāi)闡述其理念，“這種方法需要 AI 能夠真正自主探索，發(fā)現(xiàn)人類(lèi)尚不知道的新事物?！?/p>

Ineffable Intelligence 的核心愿景，正是構(gòu)建一個(gè)擺脫人類(lèi)知識(shí)束縛的系統(tǒng)。據(jù)熟悉該項(xiàng)目的人士透露，新公司將致力于研發(fā)“能夠持續(xù)學(xué)習(xí)的超級(jí)智能”——它不僅能處理語(yǔ)言，更能通過(guò)在模擬環(huán)境中的自我博弈與試錯(cuò)，從第一性原理出發(fā)，推導(dǎo)解決問(wèn)題的最優(yōu)解。

席爾瓦的堅(jiān)持，有扎實(shí)的成果支撐。作為 AlphaGo 總設(shè)計(jì)師，他主導(dǎo)了 2016 年那場(chǎng)轟動(dòng)全球的人機(jī)大戰(zhàn)。在與李世石的第二局比賽中，著名的“第 37 手”曾被所有人類(lèi)專(zhuān)家判定為失誤，因?yàn)樗环先魏我阎獓宥ㄊ?。然而后續(xù)棋局證明，這正是決定勝負(fù)的關(guān)鍵一手。席爾瓦將此類(lèi)現(xiàn)象稱(chēng)為“不可言說(shuō)”（Ineffable）的智慧。AI 通過(guò)計(jì)算，發(fā)現(xiàn)了人類(lèi)尚未掌握的規(guī)律。這也正是新公司名稱(chēng)的由來(lái)。

(來(lái)源：Google Deepmind)

此后，席爾瓦團(tuán)隊(duì)開(kāi)發(fā)的 AlphaZero 與 MuZero 進(jìn)一步驗(yàn)證了其理論：AlphaZero 在不依賴(lài)任何人類(lèi)棋譜、僅被告知規(guī)則的前提下，通過(guò)自我對(duì)弈三天便擊敗 AlphaGo；MuZero 甚至無(wú)需知曉規(guī)則，就能在圍棋、國(guó)際象棋和 Atari 游戲中自主摸索規(guī)律，達(dá)到超人水平。

這些成果構(gòu)成了席爾瓦技術(shù)路線(xiàn)的基石：在規(guī)則明確、可模擬的系統(tǒng)中，純粹的強(qiáng)化學(xué)習(xí)完全有能力超越人類(lèi)智能。他堅(jiān)信，只要設(shè)計(jì)出合理的獎(jiǎng)勵(lì)機(jī)制，AI 就能在更復(fù)雜的現(xiàn)實(shí)任務(wù)中復(fù)刻 AlphaZero 的成功，無(wú)需像大語(yǔ)言模型那樣，通過(guò)模仿人類(lèi)語(yǔ)言來(lái)“假裝”思考。

席爾瓦的創(chuàng)業(yè)，也折射出 AI 研究圈正在經(jīng)歷一場(chǎng)“路線(xiàn)大分流”。

隨著大語(yǔ)言模型在商業(yè)應(yīng)用中的普及，越來(lái)越多頂尖科學(xué)家開(kāi)始擔(dān)憂(yōu)技術(shù)發(fā)展的潛在瓶頸。2024 年，OpenAI 前首席科學(xué)家伊利亞·蘇茨克維創(chuàng)辦 Safe Superintelligence（SSI），同樣獲得巨額融資。盡管 SSI 與 Ineffable Intelligence 均以“超級(jí)智能”為目標(biāo)，但側(cè)重點(diǎn)有所不同：伊利亞傾向于通過(guò)擴(kuò)大計(jì)算規(guī)模與優(yōu)化模型結(jié)構(gòu)實(shí)現(xiàn)智能躍遷，席爾瓦則更激進(jìn)地主張改變學(xué)習(xí)范式，由“監(jiān)督學(xué)習(xí)”轉(zhuǎn)向“強(qiáng)化學(xué)習(xí)”。

此外，一些曾參與 AlphaGo、AlphaZero 項(xiàng)目的科學(xué)家，近期也離職創(chuàng)辦了 Reflection AI；Meta 的人工智能部門(mén)則在圖靈獎(jiǎng)得主楊立昆（Yann LeCun）帶領(lǐng)下，重組“超級(jí)智能實(shí)驗(yàn)室”，探索不同于 Transformer 架構(gòu)的新路徑。

一位行業(yè)觀察家指出：“當(dāng)前局面頗似 2010 年代初深度學(xué)習(xí)爆發(fā)前夜。大家意識(shí)到，現(xiàn)有 LLM 雖強(qiáng)大，但可能并非通往 AGI 的終極答案。席爾瓦代表最原教旨主義的一派，他認(rèn)為智能的本質(zhì)是決策與探索，而非語(yǔ)言預(yù)測(cè)。”

不過(guò)，也有批評(píng)者指出，強(qiáng)化學(xué)習(xí)雖在圍棋、游戲等規(guī)則明確的環(huán)境中表現(xiàn)優(yōu)異，但在現(xiàn)實(shí)世界這類(lèi)規(guī)則模糊、反饋稀疏的開(kāi)放環(huán)境中，其有效性尚未得到充分驗(yàn)證。大語(yǔ)言模型之所以成功，正因語(yǔ)言本身是人類(lèi)智慧的高度壓縮。通過(guò)學(xué)習(xí)語(yǔ)言，AI 能以較低成本獲得常識(shí)。

若完全摒棄這一路徑，Ineffable Intelligence 或需構(gòu)建極其復(fù)雜的數(shù)字孿生系統(tǒng)，供 AI 進(jìn)行億萬(wàn)次試錯(cuò)訓(xùn)練，其算力成本將是天文數(shù)字。這也正是 10 億美元融資需要解決的首要問(wèn)題。

目前，Ineffable Intelligence 已在倫敦設(shè)立總部，并啟動(dòng)全球頂尖強(qiáng)化學(xué)習(xí)研究員的招募。雖然公司尚未公布具體產(chǎn)品時(shí)間表，但這家公司的技術(shù)路線(xiàn)與資源投入，或?qū)⒊蔀橛绊?AI 技術(shù)演進(jìn)方向的下一股重要力量。

1. https://www.ft.com/content/dffe72d0-4064-4412-8ebc-50198a30d40e