Ineffable Intelligence：离开DeepMind的人，要用DeepMind的方法造超级智能
Ineffable Intelligence：离开DeepMind的人，要用DeepMind的方法造超级智能
一则独家消息在AI圈引发了不小的关注：Ineffable Intelligence，这家已被估值50亿美元的AI初创公司，宣布新增6位联合创始人，全部来自Google DeepMind、InstaDeep和风险投资机构Flying Fish。
（编者注：Ineffable Intelligence目前公开披露的信息有限，本文部分分析基于独家报道和公开的行业背景推断，具体细节（如精确融资金额、完整创始人名单）以公司后续官方披露为准。）
这家公司的名字在大多数人耳中还是陌生的，但它的创业故事和人员构成，提出了一些AI行业最根本的问题：
如果一家公司的核心方法论，来自它最主要的竞争对手，这是知识产权盗用，还是合理的思想流动？
如果「用游戏AI方法造超级智能」这条路是正确的，那么Google为什么还没走完它？
Ineffable Intelligence是谁？
根据公开信息，Ineffable Intelligence成立于近年，目标是「用DeepMind在游戏AI领域取得突破的相同方法论，实现超级智能」。
这个方法论指的是DeepMind著名的「自我对弈+强化学习」路径：
- AlphaGo（2016）：通过与人类专家对弈和自我对弈，击败围棋世界冠军
- AlphaZero（2017）：从零开始纯靠自我对弈，在围棋、国际象棋、日本将棋上超越所有已知算法
- AlphaStar（2019）：用类似方法在星际争霸II上超越人类大师
- AlphaCode（2022）：将编程竞赛问题当作「新型游戏」，通过大规模采样和过滤达到竞赛级编程能力
DeepMind的核心洞察是：在有明确规则、可验证结果的「游戏环境」里，AI可以通过几乎无限的自我对弈快速进化，不需要大量人类标注数据。只要「游戏」设计得足够好，智能会自然涌现。
Ineffable Intelligence的赌注是：现实世界的复杂任务（科学研究、工程设计、商业决策）可以被建模成足够好的「游戏」，然后用同样的方法让AI在这些任务上达到并超越人类水平。
为什么是现在，为什么是这批人？
新加入的6位联合创始人来自DeepMind和InstaDeep（Instill AI的前身，专注于非游戏领域的强化学习应用，已被收购）。他们的加入时机值得关注。
时间节点信号：2026年8月，Guardian报道Google DeepMind重组诺贝尔获奖团队——Demis Hassabis本人角色转变，部分核心研究人员离开了主要研究职位。在这个背景下，多位DeepMind资深研究者选择加入一家6个月前还名不见经传的初创公司，可能不是偶然。
这批人离开的不只是职位，而是一种研究文化：DeepMind曾经是全球最接近「纯研究驱动AGI」愿景的地方，但商业化压力正在改变它的优先级排序。
从这个角度看，Ineffable Intelligence的成立，是一部分深度认同DeepMind原始研究文化的人，在Google体制内的空间被压缩后，选择「在体制外继续旧梦」的故事。
技术路径争论：「游戏AI方法」vs「语言模型扩展」
Ineffable Intelligence押注的「游戏AI路径」，代表了AI圈一个正在加剧的方法论分歧。
主流路径：语言模型扩展（Scaling Law路径）
OpenAI、Anthropic、Google的语言模型团队走的路：更大的数据、更多的参数、更强的计算，通过在海量互联网文本上的预训练+RLHF，让模型获得通用能力。GPT系列、Claude、Gemini都是这个路径的产物。
这条路有清晰的工程方向：钱买计算，计算买能力。缺点是数据瓶颈（高质量人类文本有限）和能力天花板（涌现能力是否真的没有上限，学界仍有争议）。
非主流路径：强化学习+合成数据（DeepMind游戏AI路径）
这条路的核心优势：不依赖人类数据，通过合成环境（simulation）无限生成训练数据，AI的「经验」可以超越任何人类所拥有的。
AlphaGo Zero的惊人之处在于：它没有用任何人类棋局，纯靠自我对弈，超越了人类几千年积累的围棋知识。如果这个方法能被推广到足够复杂的现实任务，它理论上可以产生「比人类所有历史经验更多」的训练数据。
两条路的交汇点
有趣的是，这两条路并不完全互斥。OpenAI的o1/o3系列（以及GPT-6 Astra的部分能力）据多位AI研究者分析，已大量使用了「推理时搜索+强化学习」——这本质上是在训练完成后，用蒙特卡洛树搜索类的技术在推理时扩展，更接近DeepMind的路径。（注：OpenAI从未正式披露o-series的具体实现机制，以上分析基于研究社区的公开推断。）
Ineffable Intelligence的赌注可能是：这种混合路径最终会证明强化学习/游戏AI是更根本的能力来源，而纯扩展的语言模型只是在掩盖这个基本事实。
悖论：没有Google的DeepMind方法论，行得通吗？
这里有一个显而易见的问题需要直接面对：DeepMind的游戏AI成功，在多大程度上依赖于Google提供的近乎无限的计算资源？
AlphaFold2解决蛋白质折叠问题，背后是数百台TPU跑了数周的训练。AlphaZero的自我对弈，每天可以生成数百万局棋局。这些计算量换算成算力成本，是数亿美元量级的。
一家初创公司，即便估值50亿美元（融资规模远不如此），能否复制这个计算规模？
答案可能取决于「游戏设计」的聪明程度：如果Ineffable Intelligence能设计出比AlphaGo更「计算高效」的合成环境，同时借助过去几年GPU性价比的大幅提升，可能能用更小的计算预算取得有意义的结果。
另一个可能的突破口是「迁移学习」：用预训练语言模型作为基础，再叠加强化学习优化，可能比从零开始的纯强化学习更有效率。这正是很多混合方法研究团队在探索的路径。
50亿美元的估值，表明投资者认为这是一个值得押注的方向。但这个赌注要兑现，可能还需要数年的时间和数十亿美元的算力投入。
人才流动的深层含义
这次「6位DeepMind联合创始人加入Ineffable Intelligence」，是一个更广泛的AI人才离心力的缩影。
在过去18个月，从大型AI研究机构（DeepMind、OpenAI研究团队、Meta AI）流向创业公司的高级研究人员数量显著增加。原因是多重的：
商业化压力改变研究文化：大公司的AI研究越来越受到「能否产品化」的筛选，纯粹的长期研究空间在收缩。
创业窗口的吸引力：AI领域目前的投资热度前所未有，一个有顶尖研究人员背书的团队可以相对容易地获得数亿美元融资。
「下注AGI」的个人选择：对于真正相信AGI即将到来的研究人员来说，加入一家专注于这个目标的小团队，比在大公司做100个产品中的一个功能更有「历史意义」。
Ineffable Intelligence的故事还刚开始。但它的存在本身，已经是AI行业内部深层矛盾——规模化商业化 vs. 纯粹研究探索——的一次具体显形。
值得关注的是：如果这条路走通了，Google会如何回应曾经离开的人正在用自己发明的方法来竞争？
本文参考资料：
- MSN/Exclusive, “Ineffable Intelligence adds six ‘cofounders,’ hiring veterans from Google DeepMind, InstaDeep and venture firm Flying Fish”, 2026-09-07 https://www.msn.com/en-us/news/other/exclusive-ineffable-intelligence-adds-six-cofounders-hiring-veterans-from-google-deepmind-instadeep-and-venture-firm-flying-fish/ar-AA2bK92b
- The Guardian, “Google DeepMind enters a new era as co-founder Demis Hassabis shifts AI role”, 2026-08-08 https://www.theguardian.com/technology/2026/aug/08/google-demis-hassabis-deepmind-shifts-role
结语：两种AGI哲学的时代之问
在AI圈的深处，存在着一个根本性的分歧，但它很少被公开讨论：
我们距离AGI，还有多远？答案决定了今天应该怎么押注。
如果AGI还有20年以上，那么今天最明智的投资是建设商业生态、积累数据和用户，用语言模型快速商业化，在AGI到来前把现有技术的商业价值最大化。这是OpenAI现有核心业务的隐含逻辑。
如果AGI只有5-10年，甚至更近，那么现在开始押注「最终会赢」的方法论就变得极其重要。浪费在错误路径上的每一个月，都会在历史上留下一个「本可以更早到达」的遗憾。这是Ineffable Intelligence的隐含逻辑。
DeepMind的创始人Demis Hassabis属于后一类信仰者——他相信AGI近在眼前，并设计了整个DeepMind的研究路线图来最大化「AGI到来时的准备程度」。
从DeepMind出走、加入Ineffable Intelligence的研究人员，可能也是后一类信仰者。他们不愿意在Google的产品商业化循环中等待，而是选择亲自去「打那场最重要的仗」。
这是一种悲壮，也是一种清醒。
在AI历史上，最终「赢得」某个关键突破的，往往不是当时最大的公司，而是最正确地押注了「下一个根本性问题是什么」的团队。DeepMind在围棋和蛋白质折叠上的成功证明了这一点。
Ineffable Intelligence会是下一个例子吗？我们可能需要等待5年才能知道答案。
Ineffable Intelligence的商业逻辑：50亿美元估值从何而来？
对于一家还没有公开成果、方法论尚未证明的初创公司来说，50亿美元的估值来自哪里？
答案是：创始人团队的信用背书和方法论的理论可信度。
在AI投资圈，创始人的「机构背景」是估值的核心变量之一。从DeepMind（Google）出来的团队，其估值可以远超一个同样聪明但来自普通学术机构的团队，原因很简单：他们亲身参与了「游戏AI路径」的历史性突破（AlphaGo、AlphaFold等），他们的研究判断经过了实践验证。
「我们要用AlphaGo的方法造超级智能」——这句话从一般研究员口中说出来可能是空想，从亲历了AlphaGo诞生过程的人口中说出来，是一个有历史背书的研究假设。这就是Ineffable Intelligence的估值逻辑。
此外，50亿美元的估值对应的融资规模（根据常见的VC估值倍数推算，预计为数亿美元；具体融资金额尚未公开披露）在当前AI投资市场并不罕见。2025-2026年，AI基础研究/前沿AI公司的融资门槛大幅提升，几亿美元的早期融资已成为常态。
更重要的是：如果你相信AGI会在5-10年内到来，那么一个「有正确方法论+顶尖团队」的公司，即便今天没有任何营收，也可能是价值几十亿的投资标的——因为AGI时代的赢家将产生的价值是现有任何公司都无法比拟的。
这种「赌注AGI」的估值逻辑，让Ineffable Intelligence的50亿美元并不显得荒唐——尽管从传统商业估值角度看完全无法解释。