David Silver 的豪赌：$11亿种子轮、零人类数据、用自博弈造超级智能
引言
2026年4月27日，一条新闻震动了全球AI圈：
David Silver——DeepMind的首席科学家、AlphaGo的缔造者——创办的Ineffable Intelligence，以$51亿估值完成了$11亿种子轮融资。
「种子轮」和「$11亿」这两个词放在一起，本身就是一种宣言。更何况，这家公司还未公开任何一个模型或是API产品。
投资人到底在赌什么？
答案是：一种全新的AI训练范式。零人类数据。纯自博弈强化学习。目标不是「更好的LLM」，而是「超级智能」。
一、从AlphaGo到Ineffable：一条技术基因的延续
要理解Ineffable Intelligence，必须先理解David Silver的技术哲学。
Silver是强化学习领域最重要的研究者之一。他在DeepMind领导了AlphaGo项目——2016年，AlphaGo击败李世石，震惊世界。但AlphaGo真正的技术启示不是「AI能赢围棋冠军」，而是自博弈（self-play）作为一种训练范式，可以产生超越人类水平的智能行为。
AlphaGo之后，Silver领导的AlphaZero进一步验证了这个范式：不给任何人类棋谱，纯靠自我对弈，从零开始学会围棋、国际象棋和将棋——每一项都超越了所有人类和所有之前的AI。
然后是AlphaStar（星际争霸）、AlphaCode（编程竞赛）……每一次，核心方法论都是同一个：让AI与自己对抗，在对抗中进化。
现在，Silver认为时机已经成熟，可以将自博弈RL从「游戏和特定任务」扩展到「通用智能」。
二、什么是「超级学习者」？
Ineffable Intelligence的核心概念叫「超级学习者」（Superlearner）。
与LLM依赖海量人类文本数据的训练方式不同，超级学习者的训练数据来自自我生成和自我验证的闭环：
- 生成：模型提出一个问题或挑战（如：证明一个数学定理）
- 尝试：模型尝试解决问题
- 验证：在可验证的领域（数学、代码、科学），答案正确与否有客观标准
- 学习：从成功和失败中更新策略
- 增加难度：模型自动生成更难的问题，进入下一轮
这个闭环完全不需要人类标注数据。理论上，模型可以在没有任何人类输入的情况下，通过自我博弈无限提升能力。
David Silver 将此描述为「一种超越人类数据瓶颈的路径」。当前LLM范式面临的核心约束是：互联网上的高质量文本数据已经接近枯竭。而自博弈范式不受此限制——模型可以无限生成自己的训练数据。
三、为什么是现在？三个结构性条件
Silver选择在2026年创立Ineffable，不是心血来潮。三个结构性条件刚好成熟：
1. 验证式反馈的规模化
代码执行、数学证明验证、科学模拟——这些领域都有了高效、可扩展的自动验证器。模型可以知道自己是对是错，而不需要人类来告诉它。这是自博弈RL的前提条件。
2. 自博弈RL的理论进展
从AlphaGo到AlphaZero到MuZero，自博弈RL的数学框架已经相当成熟。Silver本人就是这个领域最重要的贡献者——他现在要做的，是把这套方法论从「游戏」扩展到「一切」。
3. 算力成本的结构性下降
自博弈RL的算力需求极其巨大——每一轮自我对抗都需要成百上千次模型推理。但随着专用AI芯片（NVIDIA Rubin、Google TPUv6）的推出和算力成本的持续下降，大规模自博弈在经济上变得可行。
四、竞争格局：Ineffable 与 OpenAI、Anthropic 有何不同？
| 维度 | OpenAI / Anthropic | Ineffable Intelligence |
|---|---|---|
| 训练数据 | 互联网文本 + 人类标注 | 自生成 + 自验证 |
| 核心方法 | 大规模预训练 + RLHF | 纯自博弈 RL |
| 能力边界 | 受限于人类数据质量 | 理论上无限 |
| 验证方式 | 人类偏好 | 客观可验证标准 |
| 可解释性 | 低（黑箱） | 中（可验证推理链） |
| 商业化路径 | LLM API + 产品 | 未明确 |
两种范式并不互斥，但底层哲学截然不同。
LLM范式相信：智能可以从人类知识的压缩中涌现。自博弈范式相信：智能可以从自我对抗的经验中涌现。
前者是「读万卷书」，后者是「行万里路」。最大的区别在于：自博弈不受人类数据天花板的限制。
五、最大的赌注与最大的风险
Ineffable Intelligence的故事很美，但它面对的风险也是巨大的：
风险1：自博弈能否泛化到「不可验证」的领域？
数学、代码、科学——这些领域的答案可以自动验证。但写一篇文章、做一个商业决策、设计一个产品——这些「开放式」任务没有客观的对错标准。自博弈在这些领域能否产生智能，是一个悬而未决的问题。
风险2：$11亿种子轮的资金纪律
历史上，拿了太多钱太早的公司往往死于资金效率低下。$11亿的种子轮意味着团队可能缺乏「资源约束驱动创新」的压力。
风险3：DeepMind的人才依赖
Ineffable的核心团队来自DeepMind（Sergey Levine、Nando de Freitas等也都传闻将加入或合作）。但这批世界顶级研究者能否在创业公司的节奏中保持产出，是个未知数。
风险4：中国团队在自博弈RL上的追赶
值得注意的是，中国团队在Agent自进化方面进展迅速。MiniMax M2.7已经展示了模型自我优化scaffold的能力，Agent-World（人大+字节）则用自进化环境训练出了超越商业模型的Agent。自博弈范式并非Ineffable的独家领地。
结语
David Silver 的 $11亿种子轮，是2026年AI行业最值得关注的技术赌注。
它代表了一种与主流LLM范式截然不同的技术信仰：智能不是从数据中学到的，而是从经验中学到的。经验不需要人类来提供——AI可以自己创造。
如果这个赌注成功，我们将见证AI从「人类知识的镜像」进化为「自主智能的火种」。
如果失败，$11亿将是科技史上最贵的一堂RL课程。
无论哪种结果，David Silver的故事都将被写进AI的教科书。
本文基于CNBC、Sequoia Capital公告、Ineffable Intelligence公开信息、David Silver的学术论文等资料整理分析。