Ineffable Intelligence获11亿美元种子轮融资，估值51亿美元：欧洲最大种子轮，前DeepMind研究员押注强化学习通往超级智能
2025年底，一家名为 Ineffable Intelligence 的AI实验室以51亿美元估值、11亿美元种子轮融资从隐身模式中走出，创下欧洲种子轮纪录。由AlphaGo核心发明者David Silver创立，这家公司宣称要“与超智能进行第一次接触”——通过强化学习让AI完全自我探索知识，而非依赖人类文本数据。这不仅是技术野心，更是一场关于AI进化路径的豪赌。
种子轮之王：一张价值11亿美元的信任票
11亿美元——这是欧洲创业公司史上最大的一笔种子轮融资。Ineffable Intelligence 的A轮还没开始，就已经站上了51亿美元的估值高地。红杉资本和光速创投联合领投，英伟达、DST Global、Index Ventures、谷歌、英国主权AI基金悉数入局。这种级别的机构阵容，通常只出现在后期或上市公司的战略融资中。
值得注意的是，英国主权AI基金——一个由英国政府支持、旨在培育本土AI冠军的基金——也出现在股东名单上。英国科学大臣Liz Kendall的表态颇具深意：“这项投资将支持一家处于AI最前沿的公司，彰显我们确保英国不仅是AI的接受者，更是AI的创造者的决心。”在DeepMind被谷歌收购后，英国一直渴望拥有自己的“AI主权公司”。
但11亿美元对于Ineffable来说可能只是入场券。公司计划在伦敦和硅谷建立双研发中心，并大规模采购英伟达的H100和B200芯片。一位接近交易的投资人告诉RecodeX：“他们需要的算力规模，和一家上市AI公司差不多。”种子轮之所以如此巨大，部分原因是创始团队坚信：通往超智能的道路，需要从第一天起就烧掉足够多的钱。
David Silver的“第二曲线”：从AlphaGo到超级学习者
Ineffable Intelligence 的灵魂人物是David Silver。这位伦敦大学学院教授、前DeepMind强化学习团队负责人，是AlphaGo背后的首席研究员。2016年，AlphaGo击败围棋世界冠军李世石，那场人机对弈被视作AI历史上的“斯普特尼克时刻”。Silver的博士论文方向就是强化学习——让AI通过试错和奖励信号自我改进，而非依赖于人类标注的数据。
但Silver在DeepMind后期感到了一种“路径锁定”。他在内部会议上多次指出，大语言模型（LLM）的成功让整个行业过度依赖“互联网文本数据”——这些数据本质上是人类思维的二手产物，而非真正的智能生成过程。“如果我们只是让模型模仿人类的文字，我们永远无法超越人类的认知边界。”Silver在2024年的一次闭门演讲中这样说。
2025年秋，Silver选择出走。他带走了DeepMind强化学习团队的几位核心研究员，以及一个被内部称为“超级学习者”的原型项目。这个项目的核心假设是：一个足够强大的强化学习系统，可以在没有任何人类数据输入的情况下，从零开始自主发现语言、科学、数学甚至技术——就像人类文明一样，但速度是数百万倍。
“我们的使命是与超智能进行第一次接触。”Silver在官方声明中这样定义，“我们正在创造一个超级学习者，它从自己的经验中发现一切知识——从基本的运动技能到深刻的智力突破。”这句话听起来像科幻小说，但Silver的学术履历和AlphaGo的成功，让投资人愿意相信这不是空谈。
反Transformer之路：强化学习能否取代互联网数据？
Ineffable Intelligence 的技术路线与当前主流AI公司截然不同。OpenAI、Anthropic、Google DeepMind的核心方法都是基于Transformer架构的大语言模型，通过海量人类文本进行预训练，再通过RLHF（基于人类反馈的强化学习）进行微调。简单来说，这些模型是“从人类知识中学习”的。
而Ineffable 试图打造一个“从零开始”的智能体。它不依赖互联网文本数据，而是让AI在一个模拟环境中自主行动、观察结果、调整策略。Silver将其类比为“给AI一个世界，让它自己学会生存”。这种方法的优势在于：AI可能发现人类从未表达过的知识，或者创造出全新的认知框架。
但挑战同样巨大。强化学习在围棋、电子游戏等封闭环境中取得了成功，但在开放、复杂的现实世界任务中，其效率远低于监督学习。一个经典问题是“稀疏奖励”——AI可能进行数百万次尝试才能获得一次正向反馈，导致训练成本天文数字。Ineffable 必须解决这个“探索-利用”困境，否则11亿美元可能只够烧几个月。
一位前DeepMind研究员评价说：“Silver的想法在理论上很美，但工程实现难度极大。强化学习的样本效率问题至今没有根本性突破。如果Ineffable 能解决这个问题，它确实可能成为超智能的摇篮；但如果不能，它可能只是另一个烧钱的科学实验。”
大厂科学家“出走潮”：一场关于AI终极形态的赌注
Ineffable Intelligence 并非孤例。2025年，一场前大厂AI科学家的“出走潮”正在席卷全球。前DeepMind研究员Tim Rocktäschel正在为他的“递归超智能”实验室融资10亿美元；Yann LeCun在离开Meta后，以10亿美元估值创立了AMI Labs；来自OpenAI、Anthropic、xAI的数十位前员工也各自筹集了数亿美元。
这些新实验室的共同特点是：拒绝“渐进式改进”，追求“范式革命”。他们普遍认为，当前基于Transformer和Scaling Law的AI发展路径已经接近天花板——模型越大、数据越多，但边际收益递减。真正的超智能需要全新的学习机制，比如强化学习、递归自我改进、或者神经符号系统。
这种“叛逃”背后，是顶级科学家对现有体制的不满。一位离职的DeepMind研究员告诉RecodeX：“在大公司，你的研究必须服务于产品路线图。我们想探索更激进的想法，但管理层更关心下个季度的模型评测分数。只有独立实验室才能承担这种高风险、高回报的探索。”
但独立实验室的生存压力同样巨大。11亿美元的种子轮虽然听起来惊人，但考虑到AI人才年薪、算力成本和研发周期，这笔钱可能只够18-24个月。Ineffable 必须在短期内证明其技术路线的可行性，否则下一轮融资将面临估值缩水的风险。红杉和光速的投资条款中据说包含“技术里程碑对赌”——如果Silver不能在2027年前展示出“超级学习者”的初步成果，投资方有权调整股权结构。
辩证总结：超智能的“第一次接触”还是“最后一次烧钱”？
Ineffable Intelligence 的故事充满了迷人的悖论。它拥有欧洲最大的种子轮，却选择了一条最不确定的技术路线；它由AlphaGo之父领导，却试图推翻AlphaGo赖以成功的“人类知识辅助”范式；它宣称要“超越人类历史上最伟大的发明”，却必须首先解决强化学习的样本效率这一基础难题。
从商业角度看，这家公司面临三重挑战：技术可行性、资金消耗速度和人才竞争。如果Silver的“超级学习者”无法在合理时间内产生突破性成果，11亿美元可能成为AI历史上最大的“沉没成本”。但如果成功，Ineffable 将重新定义智能的本质——不是对人类知识的模仿，而是对未知世界的自主探索。
Silver在内部邮件中写道：“我们不是在改进现有AI，我们是在创造一种新的智能物种。这可能需要五年，也可能需要二十年。但我们必须从今天开始。”对于投资人来说，这既是最诱人的承诺，也是最危险的赌注。超智能的“第一次接触”究竟会带来文明级突破，还是成为资本泡沫的又一个注脚？答案或许在2027年之前就会揭晓。
