在风险投资领域，人们习惯性地将创业者的第一笔投资称为 " 种子轮 "。因为在这个阶段，创业者大概率没有公司、没有产品、没有团队，很多东西都还停留在理论层面，就像一颗种子，最重要的任务就是发芽。
但最近几年，很多人觉得 " 种子轮 " 这个称呼应该改一改，叫做 " 椰子轮 " 更合适。因为种子轮的重点是孵化，是萌芽，不确定性拉满，通常情况下整体规模都不会太大，基本都集中在几十到几百万这个区间内。可最近几年——尤其是大模型创业潮出现之后——种子轮的规模已经夸张到没边了。比如前 OpenAI 首席科学家伊利亚 · 苏茨克维（Ilya Sutskever）创立 Safe Superintelligence（SSI），所谓的种子轮规模高达 10 亿美元。还有 Meta 前首席科学家杨立昆（Yann LeCun）下场创业成立的 AMI Labs，所谓的种子轮规模也达到了 10.5 亿美元。
谁家种子比树还大？
而最近，一颗崭新的 " 椰子 " 诞生了。近日，来自英国的大模型初创公司 Ineffable Intelligence 完成了总规模达 11 亿美元（约合人民币 75 亿元）的种子轮融资，一举超越了伊利亚 · 苏茨克维和杨立昆，刷新了欧洲风险投资史上的种子轮融资新纪录。根据公开信息，本轮融资由红杉资本和光速创投领投，英伟达、谷歌、Index Ventures 跟投。此外英国两大国资——英国商业银行和英国人工智能主权风险投资基金 Sovereign AI ——也参与了本轮融资。
平心而论，虽然种子轮的融资规模越来越夸张，人们甚至发明出了 " 椰子轮 " 的说法来调侃，但总的来说人们的总体情绪还是 " 意料之外情理之中 "。因为人工智能确实是公认的下一代基础设施，杨立昆和伊利亚 · 苏茨克维又是人工智能领域公认的前沿领袖。再加上硅谷又是风投热钱最集中的区域，他们下场创业之后打破常规，完成现象级的融资，并不是一件很难理解的事。
但今天这颗 " 新椰子 " 的特殊之处在于：这次刷新种子轮新纪录的 Ineffable Intelligence 诞生在欧洲、诞生在英国——这是一片被无数人认为 " 落后于时代 " 的土地，这显然太反直觉了。
那么 Ineffable Intelligence 为什么能如此 " 逆天 "？故事要从 2016 年说起。
2016 年 3 月，全世界计算机科学家的目光都聚焦在了韩国首尔。因为这里即将举办一场足以载入人类史册的围棋比赛，对弈的双方分别是人工智能 AlphaGo 和世界上最顶尖的围棋选手李世石。在此之前，围棋一直被视为 " 机器学习 " 的禁忌领域，因为这项运动过于复杂，高度依赖棋手的直觉、创造力和策略性思维。在这场对局前，最好的电脑围棋选手也堪堪只能达到围棋职业体系里的 " 业余 " 段位。饶是马斯克这样的 " 铁血科技乐观主义者 "，也认为人工智能想要打败人类最顶尖的围棋选手，也需要至少 10 年左右的时间。
可最终的赛果打脸了所有人，AlphaGo 以 4 比 1 的比分轻松战胜了李世石，当场被韩国围棋协会认定为最高段位 " 九段 "。
紧接着在 2017 年 5 月，潜心修炼了一年、已经进化为 Master 版本的 AlphaGo 再次坐在了围棋桌前，这次的对手换成了真正的人类顶级选手、当时排名第一的中国棋手柯洁。赛前柯洁不断放狠话，说 " 就算 AlphaGo 战胜了李世石，但他赢不了我 "。可这次的结果更加残酷，AlphaGo 直接 3 比 0 赢下了所有比赛，没有给柯洁留下任何翻盘机会。
可以说，这两场比赛之后，再也没有人质疑 " 人工智能是否代表着未来 " 了。人们的好奇心开始集中在这样一个务实的问题上：谁创造出了如此牛逼的 AlphaGo？
Ineffable Intelligence 的故事正是从这里开始。AlphaGo 由谷歌旗下的人工智能研究团队 DeepMind 开发，而负责开发 AlphaGo 的技术框架，担任技术负责人的是一位叫做大卫 · 西尔弗（David Silver）的年轻人。
西尔弗当时刚刚 40 岁，在 AlphaGo 一炮而红之前，他的人设标签就是学院派专家，在核心期刊上总共发表了 16 篇关于机器深度学习的研究论文，是 DeepMind 团队内 " 学术成就 " 最高的人。除此而外，西尔弗最大的记忆点就是 DeepMind 创始人德米斯 · 哈萨比斯（Demis Hassabis）的大学同学加创业伙伴，两个人都毕业于剑桥大学计算机科学专业，两个人在大学毕业的时候一起创办过一家叫做 Elixir Studios 公司。西尔弗所有关于围棋的知识，也是哈萨比斯在学校期间没事儿的时候教的。
可以说 AlphaGo 的这两场比赛不仅改变了人工智能的命运，也改变了大卫 · 西尔弗的命运。受到鼓舞母公司谷歌不仅将人工智能业务的所有希望都集中在了 DeepMind 团队上，并坚定了西尔弗的领导地位，期待他推动 AlphaGo 的技术向其他更实用、更关键的领域泛化。大卫 · 西尔弗一夜之间从 " 好像懂点技术的关系户 " 转变为了 " 最顶尖的计算机科学家 "。
西尔弗也确实没有辜负谷歌的信任。在委以重任后，西尔弗又成功带领 AlphaGo 进军国际象棋领域、将棋领域、电竞领域，展现了技术的极高通用性。与此同时，DeepMind 的技术积累也开始尝试渗透到工程领域内，据说成功地优化了英国电网系统，每年节约成本超过 100 万英镑，也将谷歌数据中心的使用效率提升了 30%。还有江湖传闻称，西尔弗的团队还帮助欧洲航天局开发地外行星探测器。
总之，等到 2020 年美国计算机协会（ACM）决定授予西尔弗年度大奖，以表彰其在计算机科学领域内卓越贡献的时候，业内对他的评价已经变成了这样：" 自 20 世纪 50 年代以来，教会计算机程序与人类进行游戏一直是人工智能研究的核心实践……而在这件事上很少有研究人员能像大卫 · 西尔弗那样引起如此大的轰动。他在深度强化学习领域做出的奠基性贡献，从而迅速推动了人工智能技术的发展，激发了公众的想象力，并吸引年轻的研究人员投身机器学习等领域。更重要的是，西尔弗及其同事开发的框架将为人工智能的各个领域以及未来多年在商业和工业领域的实际应用提供指导。"
换句话说，西尔弗不仅可以被称为 AlphaGo 之父，更是行业公认的 " 基石开拓者 "。将来如果论资排辈，是有资格被刻上 " 总统山 " 的。根据谷歌学术统计的数据，西尔弗的论文引用次数已经达到了 30 万次。这样一位人物决定创业，也必然会受到资本的追捧——他是真的可以和杨立昆、伊利亚掰手腕的男人。而这家新公司，就是 Ineffable Intelligence。
有媒体如是评价说：西尔弗最擅长用最小的团队、最少的资源，去挑战最棘手的问题。
当然了，创始人的江湖地位只是 Ineffable Intelligence 创造历史的一部分原因。通常情况下，一个种子轮能够膨胀为 " 椰子轮 "，更重要的原因在于创始人在极具共识的创业赛道上提出了一个截然不同的解决方案。例如伊利亚认为 OpenAI 处在失控的边缘，人们如果想要将人工智能转化为实际生产力就需要更安全合规的路线，因此才有了 SSI。同样，杨立昆选择创业的原因是在他看来目前大模型的研发方向走入了一个死胡同，想要彻底提高智能水平，就必须想办法拥抱物理世界，开发所谓的 " 世界模型 "。
那西尔弗提出的新东西是什么呢？一个关键词：" 强化学习 "。
也许是当年不断地投喂 AlphaGo 棋谱的日子过于痛苦，也许是一步一步将 AlphaGo 学习围棋、象棋、将棋的过程显得太呆板，西尔弗认为一个合格的超级智能体不能能够通过不断的学习获得新的技能，更重要的是能够做到自主学习和独立发展，不再单纯地依赖人类的投喂。而所谓的强化学习，指的就是让人工智能学会通过试错法进行学习，而不是像现在的大模型一样从现有的人类文本中学习。
" 强化学习 " 这个关键词也可以解释西尔弗为什么不继续留在 DeepMind。自从 OpenAI 异军突起，点燃了大模型的战争，谷歌一直扮演着追赶者的角色，十分被动处处挨打。而为了扭转这种局面，DeepMind 早就从一个远在英国的独立工作室变成了谷歌人工智能业务的主力，负责领导 Gemini 站稳大模型的第一梯队，与 ChatGPT 掰手腕。与此同时，DeepMind 也要想办法利用好谷歌投入多年开发的 TPU 和矩阵算法，打破英伟达的垄断地位。
在这个前提下，" 强化学习 " 显然是一个理论上正确但商业上优先级很低的选择。想要实现抱负，创业的确是西尔弗的最优解。据媒体报道称，西尔弗招揽了大量前 DeepMind 的研究员加入他的团队。在 Ineffable Intelligence 的官网上，他们写着：" 如果成功，这将是一项堪比达尔文的科学突破：如果说达尔文的定律解释了所有生命，那么我们的定律将解释并构建所有智能。"
不过看到这里你也应该意识到了一个问题：前面让我们惊讶的最大标签，Ineffable Intelligence 诞生在欧洲这件事，确实是一个偶然因素。一个这样的创业者，带着这样的履历，无论在哪里都会取得现象级的关注。
而且同期的欧洲创投圈还诞生了这样一个案例：4 月 25 日，加拿大人工智能大模型 Cohere 收购了德国的大模型公司 Aleph Alpha。在收购之前，Aleph Alpha 的估值约为 30 亿美元，是欧洲排在 Mistral AI 之后的第二大大模型独角兽公司，在欧洲拿下了大量的企业订单以及政府事业单位订单。收购整合之后，全新的 Cohere 将以 200 亿美元的估值，完成总规模为 6 亿美元的 E 轮融资，投资方为 Aleph Alpha 的老股东、德国零售巨头施瓦茨集团（Schwarz Group）。
据说，这次合并得到了加拿大政府和德国政府的全力支持，因为此举可以 " 加强自主人工智能能力并减少对（美国）战略技术的依赖 "。同样，施瓦茨集团更是非常热心，希望 Cohere 之后能够将数据放在自家的云数据中心 STACKIT 上。
你看，这或许才是欧洲或者全球人工智能行业的现状：除了中美之外，已经再没有参与者能够跟上大模型进化的脚步了。从资金到技术到人才再到应用场景，所有人都在强调 " 独立自主 " 的重要性，但这其中的差距已经很难靠一些常规策略来解决了。
