Создатель AlphaGo привлек рекордные 1 миллиард долларов для создания ИИ без LLM

Дэвид Сильвер, пионер обучения с подкреплением, который возглавлял создание AlphaGo в Google DeepMind, привлекает 1 миллиард долларов в качестве стартового финансирования для Ineffable Intelligence, лондонской стартап-компании, построенной на предпосылке, что крупные языковые модели – это неправильный путь к сверхинтеллекту.

Сделка, возглавляемая компанией Sequoia Capital, станет крупнейшим стартовым раундом, когда-либо закрытым европейской стартап-компанией, если она будет завершена. Nvidia (NVDA ), Google и Microsoft (MSFT ) ведут переговоры о участии, хотя переговоры продолжаются, и окончательные условия могут измениться. Раунд оценивает компанию в 4 миллиарда долларов до денег.

Сильвер, который служил вице-президентом по обучению с подкреплением в DeepMind, тихо зарегистрировал Ineffable Intelligence в ноябре 2025 года и был назначен директором в январе 2026 года. Миссия компании, как описал ее Сильвер, заключается в создании “бесконечно обучающегося сверхинтеллекта, который самостоятельно открывает основы всех знаний”.

Это описание содержит намеренное провокационное заявление. В отрасли, которая тратит сотни миллиардов долларов на масштабирование LLM, обученных на интернет-тексте, Сильвер утверждает, что весь подход имеет потолок.

Дело против человеческих данных

Тезис Сильвера напрямую вытекает из работы, которая сделала его знаменитым. В 2017 году CEO DeepMind Демис Хассабис и Сильвер опубликовали AlphaGo Zero, версию AlphaGo, которая училась исключительно через самоигру с нулевыми человеческими игровыми данными. Она победила оригинальную, обученную на человеческих данных AlphaGo в 100 играх из 100.

Результат поразил сообщество ИИ. Система, которая училась с нуля, через взаимодействие и вознаграждение, не только сравнялась с человеческими знаниями, но и превзошла их так сильно, что версия, обученная на человеческих данных, не смогла выиграть ни одной игры.

Сильвер расширил этот подход через AlphaZero, который освоил шахматы, сёги и го с нуля, и MuZero, который научился планировать без даже знания правил игры, в которой он играл. Каждая система укрепила один и тот же вывод: лучшая производительность достигается не путем имитации человека, а путем обучения через опыт.

В подкасте DeepMind, записанном до его ухода, Сильвер описал две эпохи ИИ: текущую “эпоху человеческих данных” и будущую “эпоху опыта”. Современные LLM, утверждал он, зависят от человеческих данных и обратной связи, создавая неотъемлемые ограничения. Путь к искусственному сверхинтеллекту требует перехода за пределы человеческих знаний.

Это “Альбертская школа” философия – названная в честь Университета Альберты, где Сильвер учился под руководством пионера обучения с подкреплением Рича Саттона. Влиятельная статья Саттона 2019 года “Горький урок” утверждала, что методы, полагающиеся на человеческие знания, неизбежно проигрывают методам, которые масштабируют вычисления и обучение. Сильвер строит целую компанию на этом принципе.

Гонка стартапов за сверхинтеллект

Сильвер не первый элитный исследователь, который покинул крупную лабораторию и привлек необычные суммы для стартапа, ориентированного на сверхинтеллект. Илья Суцкевер, бывший главный ученый OpenAI, запустил Safe Superintelligence в 2024 году с аналогичной тезисой – что сосредоточенная работа вне давления продукционной компании может достичь сверхинтеллекта быстрее. SSI с тех пор привлекла миллиарды долларов при оценке более 30 миллиардов долларов.

Параллель инструктивна. Оба исследователя покинули организации, которые они помогли определить. Оба считают, что текущий парадигма – масштабирование LLM и продажа подписок на чат-боты – это отклонение. И оба привлекли огромный капитал на основе своей репутации, прежде чем производить какой-либо продукт или публиковать какие-либо результаты.

Но подходы расходятся. Суцкевер сказал мало публично о техническом направлении SSI. Сильвер, напротив, был явным: обучение с подкреплением, самоигра и обучение с первых принципов – а не языковые модели. Там, где большинство лабораторий ИИ обсуждают, как сделать LLM более разумными, Сильвер спрашивает, должны ли они быть основой вообще.

1 миллиард долларов стартового финансирования также отражает, насколько резко изменился ландшафт финансирования ИИ. Anthropic недавно приблизился к оценке 350 миллиардов долларов. Конкурентное давление в передовом ИИ усилилось, поскольку OpenAI, Google и Anthropic поставляют новые модели с ускоряющейся скоростью. На этом фоне оценка в 4 миллиарда долларов до денег для компании без продукта, возглавляемой одним исследователем, является новым нормальным.

Для Sequoia, которая возглавляет раунд через управляющего партнера Альфреда Лина и партнера Соню Хуан, ставка проста: Сильвер – один из, возможно, пяти человек, живущих с достоверным утверждением о том, что он построил системы, которые действительно превзошли человеческий интеллект в конкретных областях. Если обучение с подкреплением – это правильный путь к общему сверхинтеллекту, он является человеком, который наиболее вероятно найдет его.

Риск также ясен. AlphaGo и AlphaZero преуспели в областях с четкими правилами, идеальной информацией и хорошо определенным сигналом вознаграждения. Реальный мир не имеет ни одного из этих свойств. Масштабирование самоигры за пределы игр в открытые области – наука, инженерия, рассуждение – является нерешенной проблемой, над которой Сильвер сам работал в DeepMind в течение многих лет без окончательного прорыва.

Лондонская база Ineffable Intelligence также позиционирует ее как потенциальный якорь для европейских амбиций ИИ. Континент произвел мировых классов исследователей ИИ, но боролся за их удержание, поскольку американские лаборатории предлагают более высокую компенсацию и более быструю инфраструктуру. 1 миллиард долларов европейского стартового финансирования, поддержанного ведущей венчурной фирмой Кремниевой долины, сигнализирует, что география передового исследования ИИ может расширяться – хотя стоит отметить, что Sequoia, Nvidia, Google и Microsoft – все американские инвесторы.

Ставка Сильвера заключается в том, что фиксация отрасли на LLM представляет собой локальный максимум – впечатляющий, но в конечном итоге ограниченный. Вопрос в том, может ли обучение с подкреплением вырваться из контролируемых сред, где оно процветало, и работать в беспорядочном, неоднозначном реальном мире. 1 миллиард долларов и карьера, построенная на доказательстве скептикам, говорят о том, что Сильвер считает, что это возможно.