AlphaGo-skaparens rekordinsamling på 1 miljard dollar för att bygga AI utan LLM

David Silver, pionjären inom förstärkt inlärning som ledde skapandet av förstärkt inlärning vid Google DeepMind, samlar in 1 miljard dollar i startfinansiering för Ineffable Intelligence, ett Londonbaserat startup som bygger på premissen att stora språkmodeller är fel väg till superintelligens.

Affären, ledd av Sequoia Capital, skulle vara den största startfinansieringsrundan som någonsin avslutats av ett europeiskt startup om den slutligt förverkligas. Nvidia (NVDA ), Google och Microsoft (MSFT ) är i samtal för att delta, även om förhandlingar fortfarande pågår och slutliga villkor kan ändras. Rundan värderar företaget till 4 miljarder dollar före pengarna.

Silver, som tidigare var vice VD för förstärkt inlärning på DeepMind, registrerade tyst Ineffable Intelligence i november 2025 och utsågs till direktör i januari 2026. Företagets uppdrag, som Silver beskrivit det, är att bygga “en superintelligens som lärande upptäcker grunderna för all kunskap”.

Beskrivningen innehåller en medveten provokation. I en bransch som spenderar hundratals miljarder på att skala LLM:er utbildade på internettext, hävdar Silver att hela tillvägagångssättet har ett tak.

Fallet mot mänskliga data

Silvers tes hämtar direkt från det arbete som gjorde honom känd. 2017 publicerade DeepMind VD Demis Hassabis och Silver AlphaGo Zero, en version av AlphaGo som lärde sig helt genom självspel med noll mänsklig speldata. Det besegrade den ursprungliga, mänskligt tränade AlphaGo 100 spel till noll.

Resultatet chockade AI-samhället. Ett system som lärde sig från scratch, genom interaktion och belöning ensam, inte bara matchade mänsklig kunskap – det överträffade den så grundligt att den mänskligt tränade versionen inte kunde vinna ett enda spel.

Silver utvidgade detta tillvägagångssätt genom AlphaZero, som behärskade schack, shogi och go från scratch, och MuZero, som lärde sig att planera utan att ens bli informerad om reglerna för spelet det spelade. Varje system förstärkte samma slutsats: den bästa prestationen kommer inte från att imitera människor, utan från att lära sig genom erfarenhet.

I en DeepMind-podcast som spelades in innan hans avgång, beskrev Silver två epoker av AI: den nuvarande “eran av mänsklig data” och en kommande “era av erfarenhet”. Moderna LLM:er, hävdade han, är beroende av mänsklig data och feedback, vilket skapar inneboende begränsningar. Vägen till konstgjord superintelligens kräver att man går utöver mänsklig kunskap helt och hållet.

Detta är “Alberta School”-filosofin – uppkallad efter University of Alberta, där Silver studerade under förstärkt inlärningspionjären Rich Sutton. Suttons inflytelserika essä från 2019 “The Bitter Lesson” hävdade att metoder som förlitar sig på mänsklig kunskap slutligen förlorar mot metoder som skalar beräkning och inlärning. Silver bygger ett helt företag på den principen.

En superintelligens-startup-tävling

Silver är inte den första elitforskaren som lämnar ett stort labb och samlar in exceptionella summor för ett superintelligensfokuserat företag. Ilya Sutskever, OpenAIs tidigare chefsforskare, lanserade Safe Superintelligence 2024 med en liknande tes – att en fokuserad insats utanför trycket från ett produktföretag kunde nå superintelligens snabbare. SSI har sedan dess samlat in miljarder till en värdering som överstiger 30 miljarder dollar.

Parallellen är instruktiv. Båda forskarna lämnade organisationer de hjälpte till att definiera. Båda tror att det nuvarande paradigmets – skalning av LLM:er och försäljning av chattbot-prenumerationer – är en omväg. Och båda lockade massivt kapital på styrkan av deras rykte ensam, innan de producerade något produkt eller publicerade några resultat.

Men tillvägagångssätten skiljer sig åt. Sutskever har sagt lite offentligt om SSI:s tekniska riktning. Silver, å andra sidan, har varit explicit: förstärkt inlärning, självspel och inlärning från första principer – inte språkmodeller. Där de flesta AI-laboratorier debatterar hur man kan göra LLM:er resonera bättre, frågar Silver om de över huvud taget ska vara grunden.

De 1 miljard dollar i startfinansiering speglar också hur dramatiskt AI-finansieringslandskapet har förändrats. Anthropic närmade sig nyligen en värdering på 350 miljarder dollar. Den konkurrensutsatta pressen inom gränsområdet AI har intensifierats allteftersom OpenAI, Google och Anthropic levererar nya modeller i en accelererande takt. Mot den bakgrunden är en värdering på 4 miljarder dollar före pengarna för ett företag utan produkt, lett av en ensam forskare, det nya normala.

För Sequoia, som leder rundan genom förvaltande partner Alfred Lin och partner Sonya Huang, är vadslagningen enkel: Silver är en av kanske fem personer i livet som har ett trovärdigt påstående om att ha byggt system som verkligen överträffade mänsklig intelligens inom specifika domäner. Om förstärkt inlärning är den rätta vägen till allmän superintelligens, är han den person som är mest sannolik att hitta den.

Risken är lika tydlig. AlphaGo och AlphaZero lyckades i domäner med tydliga regler, fullständig information och väldefinierade belöningsignal. Den riktiga världen har ingen av dessa egenskaper. Att skala självspel bortom spel till öppna domäner – vetenskap, teknik, resonemang – är ett olöst problem som Silver själv tillbringade år med att arbeta på vid DeepMind utan en definitiv genombrott.

Ineffable Intelligences London-basering positionerar det också som en potentiell ankare för Europas AI-ambitioner. Kontinenten har producerat världsklass AI-forskare men kämpat för att behålla dem eftersom amerikanska laboratorier erbjuder större ersättning och snabbare skalningsinfrastruktur. En europeisk startfinansieringsrunda på 1 miljard dollar, stödd av Silicon Valleys främsta ventureföretag, signalerar att geografin för gränsområdet AI-forskning kan breddas – även om det är värt att notera att Sequoia, Nvidia, Google och Microsoft alla är amerikanska investerare.

Silvers vadslagning är att branschens fixering vid LLM:er representerar ett lokalt maximum – imponerande men i slutändan begränsat. Frågan är om förstärkt inlärning kan fly från de kontrollerade miljöer där den har trivts och fungera i den riktiga, suddiga och tvetydiga världen. En miljard dollar och en karriär byggd på att bevisa tvivlarna fel säger att Silver tror att det kan.