AlphaGo-skaberen indsamler rekordstore 1 milliard dollars til at bygge AI uden LLM’er

David Silver, den reinforcement learning pioner, der ledte udviklingen af AlphaGo hos Google DeepMind, indsamler 1 milliard dollars i seed-finansiering til Ineffable Intelligence, et London-baseret startup, der er bygget på præmisserne, at store sprogmodeller er den forkerte vej til superintelligens.

Affæren, der er ledet af Sequoia Capital, ville være den største seed-runde, der nogensinde er lukket af et europæisk startup, hvis den bliver gennemført. Nvidia (NVDA ), Google og Microsoft (MSFT ) er i forhandlinger om at deltage, selvom forhandlingerne stadig er i gang, og de endelige vilkår kan ændre sig. Runden vurderer virksomheden til 4 milliarder dollars før penge.

Silver, der tidligere fungerede som vicepræsident for Reinforcement Learning hos DeepMind, indregistrerede stille og roligt Ineffable Intelligence i november 2025 og blev udnævnt til direktør i januar 2026. Virksomhedens mission, som Silver har beskrevet den, er at bygge “en uendeligt lærende superintelligens, der selv opdager grundlaget for al viden”.

Denne beskrivelse indeholder en bevidst provokation. I en branche, der bruger hundredvis af milliarder på at skala LLM’er, der er trænet på internettet, argumenterer Silver for, at hele tilgangen har en loft.

Tilfældet mod menneskelig data

Silvers tesis kommer direkte fra det arbejde, der gjorde ham berømt. I 2017 publicerede DeepMind CEO Demis Hassabis og Silver AlphaGo Zero, en version af AlphaGo, der lærte udelukkende gennem selvspil med nul menneskelig spildata. Det besejrede den originale, menneskeligt trænede AlphaGo 100 kampe til 0.

Resultatet chokerede AI-samfundet. Et system, der lærte fra scratch gennem interaktion og belønning alene, nåede ikke blot menneskelig viden, men overgik den så grundigt, at den menneskeligt trænede version ikke kunne vinde en enkelt kamp.

Silver udvidede denne tilgang gennem AlphaZero, der mestrede skak, shogi og Go fra scratch, og MuZero, der lærte at planlægge uden at blive fortalt reglerne for spillet, det spillede. Hver system bekræftede den samme konklusion: den bedste præstation kommer ikke fra at efterligne mennesker, men fra at lære gennem erfaring.

I en DeepMind podcast, der blev optaget før hans afgang, beskrev Silver to epoker for AI: den nuværende “æra for menneskelig data” og en kommende “æra for erfaring”. Nutidens LLM’er, argumenterede han, afhænger af menneskelig data og feedback, hvilket skaber indbyggede begrænsninger. Vejen til kunstig superintelligens kræver at gå ud over menneskelig viden helt.

Dette er “Alberta-skolens” filosofi – opkaldt efter University of Alberta, hvor Silver studerede under reinforcement learning-pioneren Rich Sutton. Suttons indflydelsesrige essay fra 2019 “The Bitter Lesson” argumenterede for, at metoder, der afhænger af menneskelig viden, uundgåeligt taber til metoder, der skalerer beregning og læring. Silver bygger en hel virksomhed på den princip.

En superintelligens startup-kapgang

Silver er ikke den første elite-forsker, der forlader et stort laboratorium og indsamler ekstraordinære summer til en superintelligens-fokuseret virksomhed. Ilya Sutskever, OpenAIs tidligere chefvidenskabsmand, lancerede Safe Superintelligence i 2024 med en lignende tesis – at en fokuseret indsats uden for presset fra et produktvirksomhed kunne nå superintelligens hurtigere. SSI har siden indsamlet milliarder til en vurdering på over 30 milliarder dollars.

Parallelen er instruktiv. Begge forskere forlod organisationer, de hjalp med at definere. Begge mener, at den nuværende paradigm – at skala LLM’er og sælge chatbot-abonnementer – er en omvej. Og begge tiltrak massive kapital på styrke af deres rygte alene, før de producerede noget produkt eller offentliggjorde nogen resultater.

Men tilgangene divergerer. Sutskever har sagt lidt offentligt om SSI’s tekniske retning. Silver, til gengæld, har været eksplicit: reinforcement learning, selvspil og læring fra første principper – ikke sprogmodeller. Hvor de fleste AI-laboratorier debatterer, hvordan man kan få LLM’er til at resonere bedre, spørger Silver, om de overhovedet skal være grundlaget.

De 1 milliard dollars seed-reflekterer også, hvor dramatisk AI-finansieringslandskabet har ændret sig. Anthropic nærmede sig en vurdering på 350 milliarder dollars. Den konkurrencemæssige pres i frontier AI har intensiveret sig, da OpenAI, Google og Anthropic udgiver nye modeller i en accelereret takt. I denne kontekst er en vurdering på 4 milliarder dollars før penge for en pre-produkt-virksomhed ledet af en enkelt forsker det nye normale.

For Sequoia, der leder runden gennem managing partner Alfred Lin og partner Sonya Huang, er væddet enkelt: Silver er en af måske fem personer i live, der har en troværdig påstand om at have bygget systemer, der virkelig overgik menneskelig intelligens i bestemte domæner. Hvis reinforcement learning er den rigtige vej til generel superintelligens, er han den person, der er mest sandsynlig at finde det.

Risikoen er lige så tydelig. AlphaGo og AlphaZero lykkedes i domæner med klare regler, perfekt information og veldefinerede belønnings-signaler. Den virkelige verden har ingen af disse egenskaber. At skala selvspil ud over spil til åbne domæner – videnskab, ingeniørvidenskab, resonnering – er et uløst problem, som Silver selv tilbragte år på at arbejde med hos DeepMind uden at nå et afgørende gennembrud.

Ineffable Intelligences London-base positionerer det som en potentiel anker for Europas AI-ambitioner. Kontinentet har produceret verdensklasse AI-forskere, men har kæmpet med at fastholde dem, da amerikanske laboratorier tilbyder større kompensation og hurtigere skalerings-infrastruktur. En 1 milliards europæisk seed-runde, støttet af Silicon Valleys premier venture-firma, signalerer, at geografien for frontier AI-forskning måske er under udvidelse – selvom det er værd at bemærke, at Sequoia, Nvidia, Google og Microsoft alle er amerikanske investorer.

Silvers væddemål er, at branchens fokus på LLM’er repræsenterer et lokalt maksimum – imponerende, men ultimativt begrænset. Spørgsmålet er, om reinforcement learning kan undslippe de kontrollerede miljøer, hvor det har trivedes, og fungere i den beskidte, tvetydige virkelige verden. En milliard dollars og en karriere bygget på at bevise tvivlerne forkert siger, at Silver mener, det kan.