Ключевые выводы
Подход «superlearner» — обучение с нуля через reinforcement learning, без предварительной тренировки на человеческих данных
Инвесторы: Sequoia, Lightspeed, Nvidia, Google, UK Sovereign AI Fund
Дэвид Сильвер — человек, стоящий за AlphaGo, системой, которая первой обыграла человека в го, — объявил о запуске Ineffable Intelligence. За два месяца существования его компания привлекла больше, чем большинство стартапов получают за всю жизнь.
Раунд стал крупнейшим seed-финансированием в истории европейского технологического сектора. Для контекста: типичный seed-раунд в AI составляет $2–10 млн. $1,1 млрд — это уровень Series B или C, а не первого раунда.
Дэвид Сильвер создаёт то, что он называет superlearner — систему, которая открывает знания напрямую из своего опыта: от базовых моторных навыков до глубоких интеллектуальных прорывов. Никаких данных от людей. Никаких ярлыков. Только агент в мире, построенном для обучения.— Sequoia Capital, пост о партнёрстве
Ключевое отличие Ineffable от текущих лидеров рынка — архитектура обучения. OpenAI, Anthropic, Google используют подход, основанный на предварительной тренировке (pretraining) на массивных датасетах, созданных людьми. LLM учатся предсказывать следующий токен, анализируя тексты, написанные человеком.
Ineffable работает иначе. Сильвер предлагает начать с чистого листа — система обучается через взаимодействие с окружением, методом проб и ошибок. Тот же подход, который AlphaGo использовал для игры в го: миллионы партий против себя самого, без человеческих данных о том, как «правильно» играть.
Текущие LLM дообучаются на human feedback — это дополнение к pretraining. Ineffable предлагает полностью убрать человеческие данные из процесса.
Почему это важно? Во-первых, данные. Интернет содержит ~10 трлн токенов — и это потолок для существующего подхода. Новые модели уже приближаются к этому лимиту. Reinforcement learning открывает путь к экспоненциальному масштабированию без зависимости от человеческих данных.
Во-вторых, выравнивание (alignment). Критики текущих LLM указывают: модели наследуют предубеждения данных, на которых обучались. Если система учится сама — появляется шанс избежать этих артефактов.
Кто стоит за проектом
Сильвер — один из наиболее цитируемых исследователей в истории AI. Его работа над AlphaGo стала поворотным моментом: deep learning + reinforcement learning способны на прорывы, недостижимые для классического программирования.
Помимо Sequoia и Lightspeed (классические венчурные фонды), в раунде участвуют:
- Nvidia — поставщик чипов, критически важных для обучения AI
- Google — бывший работодатель Сильвера
- UK Sovereign AI Fund — государственный фонд, сигнализирующий о стратегическом интересе
Такое сочетание инвесторов — редкость. Обычно Nvidia и Google инвестируют в уже состоявшиеся компании, не в seed-раунды.
Риски и ограничения
Anthropic привлекла $1,03 млрд в марте 2026 (Seed C). AMI Labs ($1,03 млрд, март 2026) и Recursive Superintelligence ($500 млн–$1 млрд) — аналогичные «coconut rounds» от звездных основателей. Не все обещания реализуются.
Технический риск: reinforcement learning без человеческих данных требует огромных вычислительных ресурсов. AlphaGo потребовалось миллионы итераций — для general-purpose AI масштаб несопоставимо больше.
Временной риск: Сильвер обещает «первый контакт с суперинтеллектом» — амбициозная цель без конкретных сроков. Roadmaps в AI часто сдвигаются на годы.
Рыночный риск: Ineffable выходит на рынок, где OpenAI уже имеет GPT-5.5, Anthropic — Claude 4.5, Google — Gemini Enterprise. Late entry требует убедительного technology proof.
Что это значит для инвесторов
$1,1 млрд на seed-раунд — это не просто финансирование. Это ставка на гипотезу: RL без человеческих данных — следующая парадигма в AI.
Для инвесторов, следящих за AI-рынком:
- Подтверждение тренда: venture capital по-прежнему готов вкладывать миллиарды в AI-компании
- Консолидация инвесторов: Nvidia + Google + Sequoia — сильный signaling effect
- Конкуренция с государствами: UK Sovereign AI Fund — признак, что правительства входят в AI напрямую
Но важно понимать: это early-stage ставка на конкретного человека и подход. Пока нет product, нет revenue, нет даже работающего прототипа.
Будущее AI-инвестиций
Раунд Ineffable — индикатор, что рынок AI-инвестиций не остыл, несмотря на высокие оценки текущих лидеров. Фонды ищут следующий frontier — и готовы платить за это авансом.
Вопрос: станет ли подход Сильвера новым стандартом или останется нишевым экспериментом? Ответ — в следующие 12–18 месяцев.
Суперинтеллект — вопрос времени?
Вероятность: 40% — У команды есть ресурсы ($1,1 млрд) и талант (Сильвер + команда DeepMind), но RL в масштабе — нерешённая инженерная задача. Первые результаты ожидаем не ранее 2027.
✅ Аргументы за
+ $1,1 млрд обеспечивают вычислительные ресурсы для масштабных экспериментов + David Silver имеет track record: AlphaGo -> AlphaZero -> MuZero — последовательные прорывы в RL + Nvidia и Google как инвесторы обеспечивают доступ к чипам и инфраструктуре Критерии подтверждения: Публикация работающей модели с обучением без human data; рост оценки при следующем раунде
❌ Аргументы против
− AlphaGo потребовалось 4 года от публикации до уровня, превосходящего человека; general-purpose AI может занять десятилетие − RL без данных не гарантирует alignment — система может научиться нежелательному поведению через trial-and-error − Конкуренты (OpenAI, Anthropic) уже далеко впереди по продукту и пользователям Критерии опровержения: Задержка раунда; переход ключевых исследователей; отсутствие публикаций через 18 месяцев
Первые публикации Ineffable о методологии — ожидаем Q3–Q4 2026
Следующий раунд (Series A) — индикатор рыночной оценки подхода
Ответ OpenAI/Anthropic на RL-фундамент — есть ли у них аналогичные программы?
Позиция регуляторов (EU AI Act, US) к системам без human data
Сценарии развития
🟢 Оптимистичный сценарий (20%)
К 2028 году Ineffable публикует модель, превосходящую GPT-5 по ключевым бенчмаркам, используя только RL-обучение. Последствия: Paradigm shift в AI — все major labs начинают RL-first программы. Оценка Ineffable -> $20+ млрд.
🟡 Базовый сценарий (55%)
К 2028 году — значимый прогресс в RL-обучении, но модель пока не догоняет LLM по генерации текста и кода. Последствия: Подход признан перспективным, получает финансирование от других labs. Ineffable -> $10–15 млрд. RL используется как дополнение к pretraining, не замена.
🔴 Пессимистичный сценарий (25%)
RL-подход не масштабируется до general-purpose AI. К 2028 году — технические проблемы с compute requirements. Последствия: Ineffable pivot к гибридной модели или закрытие. $1,1 млрд — дорогой эксперимент, но не провал для инвесторов (все равно получили equity со скидкой).
Основной первоисточник — инвестор, определивший раунд. Прямая позиция фонда на подход Ineffable.
Верификация цифр и фактов от независимого издания. Дополнительная информация об участии UK Sovereign AI Fund.
