Search
Close this search box.

紅杉資本、NVIDIA 押注!Google DeepMind 前研究員創 AI 新創,打造「超級學習者」估值飆 51 億

英國 AI 實驗室 Ineffable Intelligence 由 Google DeepMind 前研究員 David Silver 創立,短短數月間已募得 11 億美元資金,估值達 51 億美元,加入研發新型 AI 模型的競賽,目標打造可能超越大型語言模型(LLM)的技術。

不靠人類資料訓練 AI?新創望打造「比肩達爾文」的突破

《TechCrunch》提及,Ineffable 旨在打造一個「超級學習者(superlearner)」,透過強化學習(reinforcement learning)在不依賴人類資料的情況下,自主發現知識與技能。強化學習是一種讓 AI 系統透過反覆試錯學習,而非研究人類產生的範例來進行訓練的技術,這也是 David Silver 的專長領域。

David Silver 同時是倫敦大學學院教授,直到近期仍領導 Google 旗下 DeepMind 的強化學習團隊,在離職創業前,他已於 DeepMind 任職超過十年。在 DeepMind 任內,Silver 曾參與開發多套僅透過自身對局經驗學習、未使用任何人類策略或棋譜資料,即擊敗國際象棋與圍棋職業選手及頂尖電腦程式的 AI 系統,最著名者為通用棋類競技 AI AlphaZero。Ineffable Intelligence 希望其「超級學習者」也能以類似方式,從自身經驗中探索所有知識。

這家新創的「超級學習者」或許仍缺乏經驗,但公司野心十足。官網寫道:「若成功,這將是可與達爾文比肩的科學突破,正如他的法則解釋了所有生命,我們的法則將解釋並建構所有智慧。」David Silver 在公司部落格的個人聲明中將 Ineffable 稱為「畢生志業」,並向《Wired》表示:「我從 Ineffable 賺到的任何收入,都將捐給高影響力慈善機構,以拯救盡可能多的生命。」

《TechCrunch》指出,目前尚不清楚該公司將如何、何時以及透過何種方式實現營收,但這顯然未影響投資人熱情。根據《Wired》,本輪融資由全球最大創投 Sequoia Capital(紅杉資本)與頂級風險投資公司 Lightspeed Venture Partners(光速創投)領投,參投方包括 Index Ventures、Google、NVIDIA 等。其他投資人還包括 British Business Bank 與英國新成立的主權 AI 基金 Sovereign AI。

估值突破 50 億美元後,Ineffable Intelligence 躍升為「五角獸(pentacorn)」,即估值超過 50 億美元的新創公司。加入由明星 AI 研究員創辦、憑藉個人聲望募得超大規模種子輪融資的 AI 新創俱樂部。這類融資甚至被戲稱為「椰子輪(coconut rounds)」,是對「種子輪(seed round)」的戲謔升級。

Meta、Google AI 人才大出走!新創實驗室成資本新寵

《CNBC》提及,頂尖研究人員紛紛離開 Meta 和 Google 等科技巨頭,轉而成立新創公司並在過程中籌集巨額融資,投資者也大舉押注這些早期 AI 實驗室的商業潛力。在 AI 領域投入驚人資金的背景下,許多此類正探索各種新方法、試圖推動 AI 技術向前突破的新創在成立僅數月內便籌集了數億美元。

就在上月,由圖靈獎得主、前 Meta AI 科學家 Yann LeCun 共同創辦的 AMI Labs 也募得 10.3 億美元,投前估值達 35 億美元。《TechCrunch》指出,未來類似公司可能還會增加,由 DeepMind 前首席科學家 Tim Rocktäschel 共同創辦、同樣設立於英國的 Recursive Superintelligence,據傳已募得 5 億美元,且投資需求強勁,甚至足以將融資規模推升至 10 億美元。

在過去一年中,科技巨頭 OpenAI、DeepMind、Anthropic 和 xAI 的前員工也為成立僅數月的新計畫籌集了數億美元,包括 Periodic Labs、Ricursive Intelligence 和 Humans& 等 AI 實驗室。《CNBC》分析,由於投資者提供了必要的資金,誘使頂尖研究人員離開大科技公司,這些新創公司也從創辦人的前東家及其他 AI 巨頭中大舉挖角。

曾投資 AMI Labs 的法國風險投資公司 Eurazeo 董事總經理 Elise Stern 告訴《CNBC》,大型 AI 實驗室之間的霸權爭奪戰,為規模較小、更靈活的公司創造了空間。她補充道:「當你處於競賽中,策略會變得更聚焦,這會留下真空地帶,例如從新型架構、AI 代理工具到模型可解釋性與垂直領域模型等研究方向,被暫時邊緣化,並非它們不重要,而是它們無法立即贏得眼前的比賽。」

*本文開放合作夥伴轉載,資料來源:《TechCrunch》《CNBC》《Wired》,圖片來源:Ineffable Intelligence