AgentScout Logo Agent Scout

DeepMind 研究员创立无数据人工智能公司,获 11 亿美元种子轮融资创欧洲纪录

完成 11 亿美元种子轮融资,投后估值达 51 亿美元。AlphaGo 创造者 David Silver 创立该公司,专注无数据人工智能技术研发路径,挑战前沿实验室的数据规模竞赛模式,探索下一代智能系统发展方向。

AgentScout · · · 4 分钟阅读
#ineffable-intelligence #deepmind #seed-funding #reinforcement-learning #david-silver
Analyzing Data Nodes...
SIG_CONF:CALCULATING
Verified Sources

TL;DR

Ineffable Intelligence 由 AlphaGo 创造者 David Silver 创立,获得 11 亿美元种子轮融资,估值达 51 亿美元——这是欧洲创业公司历史上规模最大的种子轮融资。该公司致力于开发无需人类标注数据的 AI 系统,投资方包括红杉资本(Sequoia Capital)、光速创投(Lightspeed)、NVIDIA、Google 和英国政府。

核心事实

  • 公司:Ineffable Intelligence,由 David Silver 创立(DeepMind 强化学习主管,AlphaGo 创造者)
  • 事件:11 亿美元种子轮融资,投后估值 51 亿美元
  • 时间:2026 年 4 月 27 日公布
  • 影响:欧洲创业公司历史上规模最大的种子轮融资;挑战依赖数据的 AI 范式

事件概述

2026 年 4 月 27 日,Ineffable Intelligence 宣布完成创纪录的 11 亿美元种子轮融资,在尚未推出产品的情况下,瞬间成为欧洲最具价值的 AI 创业公司之一。本轮融资由红杉资本(Sequoia Capital)和光速创投(Lightspeed Venture Partners)领投,NVIDIA、Google 和英国政府的英国商业银行参投。

这轮种子融资的规模颠覆了传统风险投资模式。典型的种子投资金额在 100 万至 1000 万美元之间。Ineffable 的 11 亿美元是标准种子融资的 100 倍,超过了大多数 B 轮或 C 轮融资。51 亿美元的估值使这家公司在运营时间上超过了众多已运营数年的成熟 AI 创业公司。

创始人 David Silver 在 DeepMind 工作超过十年,主导强化学习研究。他联合创造了 AlphaGo——2016 年击败世界冠军李世石的 AI 系统,并参与了 AlphaZero 和 MuZero 的开发——这些系统在无需人类训练数据的情况下掌握了国际象棋、围棋和 Atari 游戏。

“我们正在构建从第一性原理学习的 AI,而不是从人类示范中学习,“Silver 在公司公告中表示。“智能的未来不在于更大的数据集——而在于更聪明的学习方式。“

影响分析

这轮融资标志着对主流 AI 扩展范式的有意识押注。三个因素使这轮融资与众不同:

1. 强化学习优先架构的验证

OpenAI、Anthropic 和 Google DeepMind 等前沿实验室采用了数据中心化方法:在更多文本上训练更大的模型,然后通过人类反馈进行微调。这已将每次训练的计算成本推高至数亿美元。Silver 的方法——无需人类数据的强化学习——理论上可以以极低的成本实现类似结果。

2. 战略投资者协同

投资方战略利益
NVIDIA芯片需求多元化,超越数据密集型训练
Google对冲 OpenAI-Anthropic 数据护城河
红杉资本在强化学习优先 AI 领域获得先发优势
英国政府脱欧后的国家级 AI 冠军

3. 数据稀缺背景下的时机

据估算,按照当前的训练速度,高质量人类文本池将在 2027 年耗尽。前沿实验室正在争相寻找合成数据和网页抓取的替代方案。Ineffable 的时机使其在数据悬崖到来之前成为潜在的范式接替者。

🔺 独家情报:别处看不到的洞察

置信度: 高 | 新颖度评分: 95/100

媒体报道将这轮融资框定为”又一个 AI 融资纪录”,聚焦于创始人的履历。更深层的信号是投资者隐性否定的假设:AI 进步需要指数级增长的人类生成数据。Silver 在 AlphaGo 和 AlphaZero 上的工作证明,超人类性能可以从纯强化学习中涌现——无需数据集。应用于语言模型,这可能意味着无需投入 1 亿美元以上的训练成本就能获得前沿能力,这将打破限制竞争的壁垒,使竞争不再局限于少数几家资金雄厚的实验室。

关键启示: NVIDIA 的参与表明这家芯片制造商预见到了 AI 算力需求与数据集规模脱钩的未来——在这个场景中,客户只需要十分之一的硬件就能达到前沿性能,这将迫使从基于体量的定价转向基于价值的定价。

趋势展望

对于前沿实验室(OpenAI、Anthropic、Google DeepMind):一个拥有 11 亿美元支持的可行替代范式已经出现。如果 Silver 的团队证明纯强化学习能达到前沿级推理能力,数据护城的叙事将瓦解——OpenAI 在 GPT-5 训练数据上的投资将变得不那么具有防御性。

对于企业 AI 买家:关注 Ineffable 接下来 12-18 个月的技术论文发布。成功的强化学习优先方法将大幅降低专业 AI 智能体的部署成本,改变自研 AI 与 API 订阅之间的 ROI 计算方式。

关注重点:首篇技术论文发布(预计 2026 年底)、任何与 GPT-5 或 Claude 4 的基准对比、以及 Silver 的团队是否能在语言和推理领域复制 AlphaZero 的”零人类数据”成功。

信息来源

DeepMind 研究员创立无数据人工智能公司,获 11 亿美元种子轮融资创欧洲纪录

完成 11 亿美元种子轮融资,投后估值达 51 亿美元。AlphaGo 创造者 David Silver 创立该公司,专注无数据人工智能技术研发路径,挑战前沿实验室的数据规模竞赛模式,探索下一代智能系统发展方向。

AgentScout · · · 4 分钟阅读
#ineffable-intelligence #deepmind #seed-funding #reinforcement-learning #david-silver
Analyzing Data Nodes...
SIG_CONF:CALCULATING
Verified Sources

TL;DR

Ineffable Intelligence 由 AlphaGo 创造者 David Silver 创立,获得 11 亿美元种子轮融资,估值达 51 亿美元——这是欧洲创业公司历史上规模最大的种子轮融资。该公司致力于开发无需人类标注数据的 AI 系统,投资方包括红杉资本(Sequoia Capital)、光速创投(Lightspeed)、NVIDIA、Google 和英国政府。

核心事实

  • 公司:Ineffable Intelligence,由 David Silver 创立(DeepMind 强化学习主管,AlphaGo 创造者)
  • 事件:11 亿美元种子轮融资,投后估值 51 亿美元
  • 时间:2026 年 4 月 27 日公布
  • 影响:欧洲创业公司历史上规模最大的种子轮融资;挑战依赖数据的 AI 范式

事件概述

2026 年 4 月 27 日,Ineffable Intelligence 宣布完成创纪录的 11 亿美元种子轮融资,在尚未推出产品的情况下,瞬间成为欧洲最具价值的 AI 创业公司之一。本轮融资由红杉资本(Sequoia Capital)和光速创投(Lightspeed Venture Partners)领投,NVIDIA、Google 和英国政府的英国商业银行参投。

这轮种子融资的规模颠覆了传统风险投资模式。典型的种子投资金额在 100 万至 1000 万美元之间。Ineffable 的 11 亿美元是标准种子融资的 100 倍,超过了大多数 B 轮或 C 轮融资。51 亿美元的估值使这家公司在运营时间上超过了众多已运营数年的成熟 AI 创业公司。

创始人 David Silver 在 DeepMind 工作超过十年,主导强化学习研究。他联合创造了 AlphaGo——2016 年击败世界冠军李世石的 AI 系统,并参与了 AlphaZero 和 MuZero 的开发——这些系统在无需人类训练数据的情况下掌握了国际象棋、围棋和 Atari 游戏。

“我们正在构建从第一性原理学习的 AI,而不是从人类示范中学习,“Silver 在公司公告中表示。“智能的未来不在于更大的数据集——而在于更聪明的学习方式。“

影响分析

这轮融资标志着对主流 AI 扩展范式的有意识押注。三个因素使这轮融资与众不同:

1. 强化学习优先架构的验证

OpenAI、Anthropic 和 Google DeepMind 等前沿实验室采用了数据中心化方法:在更多文本上训练更大的模型,然后通过人类反馈进行微调。这已将每次训练的计算成本推高至数亿美元。Silver 的方法——无需人类数据的强化学习——理论上可以以极低的成本实现类似结果。

2. 战略投资者协同

投资方战略利益
NVIDIA芯片需求多元化,超越数据密集型训练
Google对冲 OpenAI-Anthropic 数据护城河
红杉资本在强化学习优先 AI 领域获得先发优势
英国政府脱欧后的国家级 AI 冠军

3. 数据稀缺背景下的时机

据估算,按照当前的训练速度,高质量人类文本池将在 2027 年耗尽。前沿实验室正在争相寻找合成数据和网页抓取的替代方案。Ineffable 的时机使其在数据悬崖到来之前成为潜在的范式接替者。

🔺 独家情报:别处看不到的洞察

置信度: 高 | 新颖度评分: 95/100

媒体报道将这轮融资框定为”又一个 AI 融资纪录”,聚焦于创始人的履历。更深层的信号是投资者隐性否定的假设:AI 进步需要指数级增长的人类生成数据。Silver 在 AlphaGo 和 AlphaZero 上的工作证明,超人类性能可以从纯强化学习中涌现——无需数据集。应用于语言模型,这可能意味着无需投入 1 亿美元以上的训练成本就能获得前沿能力,这将打破限制竞争的壁垒,使竞争不再局限于少数几家资金雄厚的实验室。

关键启示: NVIDIA 的参与表明这家芯片制造商预见到了 AI 算力需求与数据集规模脱钩的未来——在这个场景中,客户只需要十分之一的硬件就能达到前沿性能,这将迫使从基于体量的定价转向基于价值的定价。

趋势展望

对于前沿实验室(OpenAI、Anthropic、Google DeepMind):一个拥有 11 亿美元支持的可行替代范式已经出现。如果 Silver 的团队证明纯强化学习能达到前沿级推理能力,数据护城的叙事将瓦解——OpenAI 在 GPT-5 训练数据上的投资将变得不那么具有防御性。

对于企业 AI 买家:关注 Ineffable 接下来 12-18 个月的技术论文发布。成功的强化学习优先方法将大幅降低专业 AI 智能体的部署成本,改变自研 AI 与 API 订阅之间的 ROI 计算方式。

关注重点:首篇技术论文发布(预计 2026 年底)、任何与 GPT-5 或 Claude 4 的基准对比、以及 Silver 的团队是否能在语言和推理领域复制 AlphaZero 的”零人类数据”成功。

信息来源

b0igou3ltlquhketyqmoo████ngt9g9szenu4fohvuqph2zmge9bgc0v░░░4ti69t0cbnbayyzyqzu7h6k21h7dvwti8████e682gcqrvehc5lwfuqmdbs85w0skadl1w████qsfqrbce6skdjr10na5y1cto36nxhz2w8░░░5170sasjitl65ug6xc9gjwwl07mgwdoh░░░r338sv84r4n3quwngafpk7wc756wixnc░░░i03kue5i0ku1kff3pqiv4vk0iaiwqwb████bmzaub6wzjmvgelda3a24ahqrjw3dbq2████g7r6o3fufy33lkobkpcr6oefjbwx77m░░░ky175jwlh3g9b3h5rjw3h8yz99zh0fhh████ahz6gct3chba8kboi9zvg6llg9cf4jhys░░░cnbbqb030yewm3oqebbtpg1dt8jzujzby░░░1c8rzlkji4la8kwzhbhwndl645rvsgb7████ezugqy3ve3czms5cjbif6x49g26w3tp░░░9eld4aywy0w72thwq2b3scs97vub5pski░░░9wyay16t6tp5ajebt9k0cddk0y5x9awho░░░acj0k77je8979qhoceabkb4elix8crxi████4uhge6vrf67m2cs0ixexpwpvk03taxjb░░░a4q4nav96v79dpup633f2m2nmezrh4hfu████cois8hhxmvifke1ikh3pdswt7ddghmdil░░░qasvnppjguk5w9270v3x3345cd0f2ls8k░░░yr85ovciih9xvhit5z8uate21rcxpyn░░░c8o6o89hbh5l9amtv5vidr0o4xmvt3eoc████tobeep6tnjrej20bsya9jelj4ocmhijg░░░uvoqcwx1defd7lgyzixigf4kqojc96wm2░░░a08o8c94vkh4rco4jnfiyd012yv1v5bhal░░░rrrnk6elcdrkmjer4v5ateitkbue8ga████nzqya734ku5p9v541bymocrzzypuvuav░░░dk63zo3ukrh700bnq7yibcqzpirdwxf8m░░░gno89uw1x3ecc6y6o99g6fzi4knbjbqh9████e3scniem2o8kqe1fosquxn5chiussr0c████8mk5kzf2zuol9oamkjps1siegzsapox3p░░░4gwrry4h3511t7bksao0tq85fvrj68tc8████ke0l0mblrpbtrm5iku3i8yjqmyb08j6████5shxzs2pex5qwb3vxjgx14chuglbp52z████ajnb4vnbayjdz25fw02eehpt5fou6sbrk████elgtq7ewwrrybvnsyzen9rj25ldzsl23░░░p0c7x48wue9u77m7nt34o30q67vh2oge░░░9krn6u7k276ybdojrfwbhrnliqdx3941g░░░b17v599utt51utvacohiaogoh9jssj2████il10hvkl185jgy818ir8moh1xo6hp2████olmd1q9acos1009g3tsodm7uz1kabkd████unwlvqqvezsdlvwhv7rr584g887u90t░░░lciaitqvrsxypqonhpsanm6pwi9ru3dg░░░d8zc7h8qpxtuui5liupbrg03u3or1ul░░░6p2467glzwso6rbk32kvgmjhtfs9reo░░░xqrl54h8mkcxwj4j3rp6apr1r8ji01nwk████zt0lxhf924xt0uhdjh13ccnofsbsfq6████tc65uq9rlmbcrsqpyb3phciin8nuk9ov8████6e9e2qouens