AlphaGo之父新突破：绕过大模型实现超级智能新路径

又一位大佬创业了。

几周前，消息确认前谷歌 DeepMind 首席科学家、AlphaGo 核心负责人戴维·席尔瓦（David Silver）正式离职，并在伦敦创立人工智能初创公司"Ineffable Intelligence"。据悉，该公司正在推进一轮规模达 10 亿美元的种子轮融资，目前已接近完成。

这一融资额度，追平了 OpenAI 前首席科学家伊利亚·苏茨克维（Ilya Sutskever）2024 年创立 Safe Superintelligence（SSI）时创下的纪录。

图 | 戴维·席尔瓦 (来源：Youtube)

与当前依赖海量文本预训练的大模型路径不同，席尔瓦的新公司明确提出：他们要绕过 LLM 既定范式，回归强化学习（Reinforcement Learning, RL）本源，构建一个不依赖人类既有知识、能自主探索新知的智能系统。

作为 DeepMind 联合创始人德米斯·哈萨比斯（Demis Hassabis）自大学时代的密友与长期合作伙伴，席尔瓦的离开可以说是该公司历史上最重要的人事变动之一。DeepMind 发言人在简短声明中确认了这一消息：“戴维的贡献是无价的，我们非常感谢他对 DeepMind 工作所做出的贡献。”

席尔瓦不仅是技术标杆，更是强化学习路线的坚定倡导者。作为图灵奖得主查理·萨顿（Charlie Sutton）的学生，他的论文被引用量已超过 28 万次，并于 2019 年获得 ACM 计算奖。

他主张回归强化学习的核心思路。2025 年 4 月，席尔瓦与其导师萨顿共同发表论文《欢迎来到经验时代》（Welcome to the Era of Experience），提出新一代 AI 系统应更注重智能体与环境的交互学习：通过持续试错、自我迭代和长期互动积累经验，而非仅依赖静态数据训练。这一理念，也是 Ineffable Intelligence 的技术基石。

（来源：arXiv)

在当前创投环境下，Ineffable Intelligence 高达 10 亿美元的融资目标尤为引人注目。接近交易的投资人分析，资本市场愿意为一家尚未发布产品的公司开出如此巨额支票，主要基于两点：一是对席尔瓦个人技术声望的信任，二是对其所主张的“后大模型时代”技术路线的战略性押注。

目前，包括 OpenAI 的 GPT 系列与谷歌的 Gemini 系列在内，主流 AI 模型均建立在“预训练 + 微调”范式之上。这些模型通过学习互联网上海量的文本数据，掌握预测下一个词的统计规律，从而展现出强大的对话与生成能力。但席尔瓦认为，这一路径存在本质局限：AI 的能力上限被“人类数据”本身所锁定。

席尔瓦曾在私下场合多次表达对当前技术路线的担忧。他指出，大语言模型在后训练阶段主要依赖“人类反馈强化学习”（RLHF），即通过人类评估员的打分来优化模型。这意味着，模型所能达到的最高水平，难以超越人类评估员的认知边界。

“我们想要超越人类的认知，为此需要一种不同的方法。”2025 年 4 月，席尔瓦在一档播客节目中罕见公开阐述其理念，“这种方法需要 AI 能够真正自主探索，发现人类尚不知道的新事物。”

Ineffable Intelligence 的核心愿景，正是构建一个摆脱人类知识束缚的系统。据熟悉该项目的人士透露，新公司将致力于研发“能够持续学习的超级智能”——它不仅能处理语言，更能通过在模拟环境中的自我博弈与试错，从第一性原理出发，推导解决问题的最优解。

席尔瓦的坚持，有扎实的成果支撑。作为 AlphaGo 总设计师，他主导了 2016 年那场轰动全球的人机大战。在与李世石的第二局比赛中，著名的“第 37 手”曾被所有人类专家判定为失误，因为它不符合任何已知围棋定式。然而后续棋局证明，这正是决定胜负的关键一手。席尔瓦将此类现象称为“不可言说”（Ineffable）的智慧。AI 通过计算，发现了人类尚未掌握的规律。这也正是新公司名称的由来。

(来源：Google Deepmind)

此后，席尔瓦团队开发的 AlphaZero 与 MuZero 进一步验证了其理论：AlphaZero 在不依赖任何人类棋谱、仅被告知规则的前提下，通过自我对弈三天便击败 AlphaGo；MuZero 甚至无需知晓规则，就能在围棋、国际象棋和 Atari 游戏中自主摸索规律，达到超人水平。

这些成果构成了席尔瓦技术路线的基石：在规则明确、可模拟的系统中，纯粹的强化学习完全有能力超越人类智能。他坚信，只要设计出合理的奖励机制，AI 就能在更复杂的现实任务中复刻 AlphaZero 的成功，无需像大语言模型那样，通过模仿人类语言来“假装”思考。

席尔瓦的创业，也折射出 AI 研究圈正在经历一场“路线大分流”。

随着大语言模型在商业应用中的普及，越来越多顶尖科学家开始担忧技术发展的潜在瓶颈。2024 年，OpenAI 前首席科学家伊利亚·苏茨克维创办 Safe Superintelligence（SSI），同样获得巨额融资。尽管 SSI 与 Ineffable Intelligence 均以“超级智能”为目标，但侧重点有所不同：伊利亚倾向于通过扩大计算规模与优化模型结构实现智能跃迁，席尔瓦则更激进地主张改变学习范式，由“监督学习”转向“强化学习”。

此外，一些曾参与 AlphaGo、AlphaZero 项目的科学家，近期也离职创办了 Reflection AI；Meta 的人工智能部门则在图灵奖得主杨立昆（Yann LeCun）带领下，重组“超级智能实验室”，探索不同于 Transformer 架构的新路径。

一位行业观察家指出：“当前局面颇似 2010 年代初深度学习爆发前夜。大家意识到，现有 LLM 虽强大，但可能并非通往 AGI 的终极答案。席尔瓦代表最原教旨主义的一派，他认为智能的本质是决策与探索，而非语言预测。”

不过，也有批评者指出，强化学习虽在围棋、游戏等规则明确的环境中表现优异，但在现实世界这类规则模糊、反馈稀疏的开放环境中，其有效性尚未得到充分验证。大语言模型之所以成功，正因语言本身是人类智慧的高度压缩。通过学习语言，AI 能以较低成本获得常识。

若完全摒弃这一路径，Ineffable Intelligence 或需构建极其复杂的数字孪生系统，供 AI 进行亿万次试错训练，其算力成本将是天文数字。这也正是 10 亿美元融资需要解决的首要问题。

目前，Ineffable Intelligence 已在伦敦设立总部，并启动全球顶尖强化学习研究员的招募。虽然公司尚未公布具体产品时间表，但这家公司的技术路线与资源投入，或将成为影响 AI 技术演进方向的下一股重要力量。

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