AlphaGo之父想让AI“摆脱”人类数据，获11亿美元种子轮融资
Ineffable，一家成立仅数月，连具体产品形态都没公布的AI初创公司，获得了Sequoia Capital和Lightspeed领投的11亿美元种子轮融资，Index Ventures、谷歌、NVIDIA等参投；其他参投机构还包括英国商业银行（British Business Bank）和Sovereign AI。
类似的剧本此前已经出现过：Ilya Sutskever的Safe Superintelligence、Yann LeCun的AMI Labs，也都是在产品尚未完全清晰时，获得了超10亿美元的种子轮融资，投资人下注的，本质上是创始人的技术信誉，以及他们对下一代AI路线的判断。
图片来源：David Silver官网
Ineffable的创始人也是相似量级。他是David Silver，AlphaGo、AlphaZero、MuZero、AlphaStar、AlphaProof等强化学习代表性成果的首席研究员与核心技术驱动力。
看一下他的Google Scholar主页，总引用数超过30万，万引以上的论文有8篇，可以说他是当代强化学习技术引领者。
Ineffable的核心使命是构建超级智能（superintelligence），他们要创造一个“超级学习体”（superlearner），它能够凭借自身经验探索全部知识。
一个能自我进化的“超级学习体”，目标是发现全新的科学、技术知识
David Silver的职业生涯本质上就在连贯地证明一点：“无需人类先验经验（human priors），也能实现智能的规模化扩展”。
2016年，他在Google DeepMind参与开发的人工智能程序AlphaGo，结合人类棋谱学习、强化学习与自我对弈，在围棋领域打败李世石，让世界首次窥见了超级智能（superintelligence）的雏形。
David随后通过AlphaGo Zero将他的理念推向极致：彻底移除人类预训练数据，纯粹通过自我对弈进行学习，使系统的ELO等级分（现在大模型的排行榜也在用这个）从约3700飙升至5000以上。
他在DeepMind的另一个成果AlphaProof，与AlphaGeometry 2一起，在2024年国际数学奥林匹克竞赛题目上达到银牌水平。
最初，AlphaProof接触了约十万个人类数学家多年积累的正式证明，随后，其强化学习算法通过与形式化证明系统的持续交互，又生成了一亿个证明。这种对交互经验的侧重，使AlphaProof得以探索现有正式证明范围之外的数学可能性，从而发现解决新颖且极具挑战性问题的方案。
可以看到，David每迈出一步，他打造的AI系统就离模仿更远，离发现更近。Ineffable正是这条探索之路的下一步。
谈到现有AI系统的问题，David对《连线（WIRED）》的记者表示，他认为目前的通用做法终将失败。尽管大语言模型已经达到相当高的水平，但它们本质上是在学习人类智能，而非构建自身原生的智能。
他用一个思想实验指出大语言模型路径的局限性：如果穿越回过去，把一个大语言模型投放到一个坚信“地平说”的时代。由于无法与真实世界互动，即使这个系统不断优化自身的代码，它依然会是一个狂热的“地平说”支持者。
他做了一个比喻：“人类数据就像一种化石燃料，提供了一条极佳的捷径，而你可以把那些自主学习的系统看作可再生燃料——它们可以永无止境地持续学习下去，没有上限。”
他提出，Ineffable的使命是与超级智能进行首次接触。他对超级智能的定义是：某种真正不可思议的存在。它应当能够自主发现全新的科学、技术、治理模式或经济学体系。
想象一下，一台机器能够从第一性原理推导出物理定律；能够发明人类从未设想过的全新数学分支；能够设计出现有词汇尚无法描述的新材料、新药物和新计算机。
Ineffable目前没有公布他们的具体产品，只明确了他们要创造一个“超级学习体”（superlearner），这种智能体的目标，是凭借自身经验持续探索知识与技能，而不是主要依赖人类生成的数据。
这种“超级学习体”将由强大的强化学习算法驱动，通过试错、反馈和自我改进不断学习，最终有可能重新发现并超越人类历史上的重要发明。
图片来源：论文截图
从David与他的老师Richard Sutton（强化学习之父，图灵奖得主）在2025年4月发布的论文《Welcome to the Era of Experience》中，我们可以窥见一些Ineffable技术路径的端倪。
论文的核心观点是：一旦经验学习（experiential learning）的全部潜力被释放，将会涌现出令人难以置信的新能力。经验时代很可能由智能体与环境共同定义。
所谓经验学习的前提是，智能体通过与环境的交互生成数据，并从这些交互中学习。学习与数据生成形成了一个单一的闭环。人类生成的数据是有限的，但经验是“无限”的。只要智能体还能行动、观察并获得反馈，它就能不断生成新的学习数据。
现在以人类数据为中心的AI，面临的问题是：要想取得更重大的突破，就需要新的数据源。这种数据的生成方式必须能够随着智能体变强而不断优化；任何用于生成合成数据的静态程序，很快都会被强大的智能体超越。
人工智能正处于一个新周期的前沿，在这个时期，经验将成为能力提升的主导媒介，并最终在规模上远超当今系统所使用的人类数据。经验时代的智能体具备几个核心特征：
智能体将身处持续的经验流（streams of experience）中，而非简短的交互片段。
它们的动作与观察将深度扎根于所处环境，交互不再仅仅局限于对话形式，智能体将能采取实际行动来改变其世界，并从中获得丰富的观测反馈。
它们的奖励及其目标，将直接基于其在世界中的真实经验反馈。这不再依赖于某个标分员主观评判一个动作的好坏，而是智能体在世界中采取行动，产生好或坏的实际后果，智能体进而从这些真实后果中学习。
它们的推理不再只是模仿人类写下来的思维过程，而是会基于自己与世界的实际交互进行预测、试错和修正。
这里要强调的是，奖励和规划推理，恰恰是经验时代最关键的两个支点。
奖励回答的是“智能体到底向什么目标优化”的问题。今天的大语言模型主要依赖人类偏好，人类在没有看到真实后果前，先判断一个回答或动作好不好；而经验型智能体会更多依赖真实世界反馈，让行动结果本身成为学习信号。
规划与推理回答的则是“智能体如何利用经验采取更好行动”的问题。它不只是模仿人类写出一串思维链，而是通过与环境交互、建立世界模型、预测行动后果，再用真实反馈修正自己的判断。也就是说，经验时代的智能体不再只是学习人类已经写下来的知识，而是在真实世界的闭环中，自己发现什么有效、什么无效，以及为什么有效。
将思维直接扎根于外部世界的一种可行路径，是构建一个世界模型（world model）。它能够预测智能体行为对世界产生的后果，包括预测这些行为可能带来的奖励。
以健康助手为例，用户想“改善体能”，奖励函数可以指向睡眠、心率、步数、疲劳感等真实信号；而世界模型要做的，是在提出建议前预判不同方案的后果：推荐健身房是否能提高运动频率，晚上散步是否有助于睡眠，减少咖啡因是否会改善心率和入睡时间。
随后，用户真实的健康数据和主观反馈，又会反过来校准模型。预测错了就修正，建议有效就强化。这样，健康助手就不只是给出看似合理的建议，而是在持续的“建议—行动—反馈—修正”闭环中，逐步学会什么真正适合这个用户。
押注AI下一个颠覆性范式的可能性
OpenAI和Anthropic的估值已经被推到万亿美元附近（有消息称Anthropic的估值达到1.2万亿美元），Google，Meta也对AI做了巨量投入，这些都是建立在Transformer这个技术架构上的，而多模态模型，例如视频和图像模型，则是Transformer和Diffusion架构的结合。
一些公司，已经在试图挑战和改造Transformer架构，让它变得更快，消耗更低。例如，Together AI 、Cartesia AI就探索的是SSM架构，Liquid AI做的是边缘模型，RWKV做的是RNN+Transformer。
但是归根结底，这些范式仍然基于的是人类数据，而人类数据是有上限的。彻底的新范式，在现阶段可能离商业化远一些，但是一旦新的范式被证明有效，并形成新的生态，那它带来的好处又是巨大的，科技发展史上已经多次证明这一点，这也是Ineffable在种子轮就获得11亿美元的原因，VC们押注的不是产品，是AI的下一个颠覆性范式的可能性。
而让他们押注的原因，还是David Silver，因为他的AlphaGo，因为他的8篇万引论文，因为他敢于挑战现有AI范式的勇气和远见。这与阿尔法公社致力于发现非凡创业者，专注早期科技投资的逻辑，是不谋而合的。
本文来自微信公众号“阿尔法公社”，作者：发现非凡创业者的，36氪经授权发布。
