David Silver 新公司募資 11 億美元，押注不用人類資料的 AI
DeepMind 前研究員 David Silver 創立 Ineffable Intelligence,種子輪募得 11 億美元、估值 51 億美元。他押注強化學習路線,要打造能從自身經驗學習、不靠人類資料的 superlearner。
DeepMind 前研究員 David Silver 創辦的新公司 Ineffable Intelligence，完成 11 億美元種子輪募資，估值達 51 億美元。這起募資之所以受到關注，不只是金額龐大，而是它押注一條不同於大型語言模型的 AI 路線：讓 AI 透過經驗與試錯學習，而不是大量吸收人類資料。
發生什麼事？
Ineffable Intelligence 在 2026 年 4 月 27 日浮出檯面，宣布完成 11 億美元種子輪募資。根據 TechCrunch 報導，這家公司由 DeepMind 前研究員 David Silver 創立，目標是打造一種能從自身經驗中發現知識與技能的「superlearner」。
這輪募資由 Sequoia Capital 與 Lightspeed Venture Partners 領投，參與方包含 NVIDIA、Google、Index Ventures、DST Global，以及英國主權 AI 基金等。UCL 官方消息也指出，Ineffable Intelligence 估值達 51 億美元，並被視為歐洲至今最大規模的種子輪融資之一。
這起新聞的關鍵資訊可以快速整理成三點：
- 募資規模：11 億美元種子輪資金
- 公司估值：約 51 億美元
- 技術方向：強化學習與自我經驗學習，而不是單純擴大人類資料訓練
David Silver 為什麼重要？
David Silver 是強化學習領域的代表人物之一，曾在 DeepMind 參與 AlphaGo、AlphaZero 等系統的研發。這些系統的重要性在於，它們證明 AI 不一定只能模仿人類資料，也能透過自我對弈、試錯與回饋，在特定任務上超越人類水準。
這正是 Ineffable Intelligence 的核心敘事：如果 AI 能在模擬環境中不斷嘗試、修正、累積經驗，它可能不只是重組人類已知知識，而是探索新的解法。
這條路線和近年主流的大型語言模型不同。大型語言模型主要依賴網路文本、程式碼、文件與人類回饋訓練，而 David Silver 押注的是「從互動經驗中產生新知識」。這也呼應了 AI 產業近來對大型語言模型極限的討論，例如 Yann LeCun 對大型語言模型失去興趣、轉向世界模型 的觀點。
Superlearner 和大型語言模型差在哪？
Superlearner 的重點不是讀更多資料，而是透過行動與回饋建立能力。根據 Wired 報導，Silver 認為當前 AI 太依賴人類資料，而強化學習有機會讓 AI 在模擬環境中自行探索，形成更自主的學習能力。
| 比較項目 | 大型語言模型 | Ineffable 的 Superlearner 路線 |
|---|---|---|
| 訓練核心 | 大量人類文字、程式碼與回饋 | 模擬環境、試錯、行動回饋 |
| 學習方式 | 從既有資料中找模式 | 從自身經驗中累積能力 |
| 優勢 | 語言、摘要、寫作、程式生成成熟 | 可能更適合探索未知解法 |
| 主要挑戰 | 資料品質、幻覺、推理限制 | 模擬環境設計、成本、安全控制 |
| 產業意義 | 目前企業 AI 主流 | 可能成為後 LLM 時代的新分支 |
這不代表大型語言模型會被取代，而是 AI 發展正在出現多條路線。像 OpenAI GPT-5.5 強化 agentic AI 能力 一樣，主流模型正在往「能執行任務」前進；Ineffable 則更進一步押注 AI 能透過經驗自己學會新能力。
為什麼值得關注？
這筆募資代表投資人正在為「後 LLM 路線」下注。過去兩年，AI 競爭主要集中在模型參數、資料量、推理成本與多模態能力，但 Ineffable Intelligence 的出現，顯示資本也開始關注另一個問題：如果網路資料與人類資料逐漸遇到瓶頸，下一代 AI 要從哪裡取得新的學習訊號？
- AI 研究方向分化：不再只有擴大 LLM 一條路，強化學習、世界模型、自我改進系統重新受到重視。
- 歐洲 AI 生態升溫：倫敦因 DeepMind 人才網絡、UCL 研究基礎與英國主權 AI 資金，正在吸引更多前沿 AI 資本。
- 企業應用還很早期：Ineffable 目前沒有公開產品，短期內不會像 ChatGPT 或 Gemini 那樣直接進入日常工作流程。
- AI agent 競爭會更激烈：如果 AI 能從任務互動中學習，未來的自主代理可能不只是照指令執行，而是能持續改善策略。這和 Hermes Agent 這類自進化 AI 助理 的趨勢互相呼應。
後續可以觀察什麼？
Ineffable Intelligence 的故事才剛開始，接下來最重要的不是募資數字，而是它能否證明這條技術路線真的可行。
可以觀察三個重點：
- 是否公布模型成果：目前市場看到的是願景與團隊，還不是可驗證產品。
- 模擬環境怎麼設計：強化學習需要可靠環境與回饋訊號，這會決定 superlearner 能學到什麼。
- 安全與對齊機制：如果 AI 透過自我試錯學習，如何限制危險行為、記錄決策過程，會成為關鍵問題。
對一般讀者來說，這則新聞可以理解成：AI 產業正在從「把人類資料讀得更多」走向「讓 AI 自己累積經驗」。如果這條路線成功，未來 AI 可能不只會回答問題，而是更接近能在環境中探索、實驗與發現新知識的系統。
想每週掌握最新 AI 工具與趨勢？訂閱 AI 郵報，每週精選重點直送信箱，讓你不錯過任何重要動態。
資料來源
- TechCrunch：DeepMind's David Silver just raised $1.1B to build an AI that learns without human data
- Wired：The Man Behind AlphaGo Thinks AI Is Taking the Wrong Path
- UCL：UCL researchers lead two of Europe's largest-ever AI funding rounds
- EU-Startups：Ineffable Intelligence lands historic $1.1 billion Seed round at $5.1 billion valuation
