Pendanaan seed US$1,1 miliar sebelum punya produk

Ineffable Intelligence muncul dari mode senyap dengan pendanaan awal US$1,1 miliar dan valuasi US$5,1 miliar. Nilai tersebut menjadikan putaran ini sebagai pendanaan seed terbesar dalam sejarah perusahaan rintisan Eropa, menurut sejumlah laporan .

Pendanaan itu dipimpin bersama oleh Sequoia Capital dan Lightspeed Venture Partners. Nvidia, Google, DST Global, Index Ventures, serta Sovereign AI Fund milik Inggris turut berpartisipasi .

Besarnya pendanaan ini menarik perhatian karena perusahaan tersebut belum mengumumkan produk, peta jalan publik, maupun pendapatan. Dengan kata lain, investor tidak sekadar mendanai produk yang sudah terbukti, melainkan bertaruh pada reputasi Silver dan arah riset yang masih sangat eksperimental .

Mengapa Google Cloud dipilih?

Setelah mengevaluasi pasar infrastruktur komputasi, Ineffable Intelligence menunjuk Google Cloud sebagai mitra infrastruktur eksklusif untuk misi “superlearner”-nya .

Kesepakatan tersebut memberi perusahaan akses ke infrastruktur AI Hypercomputer Google Cloud dan salah satu susunan GPU bertenaga NVIDIA terbesar untuk mendukung riset serta pelatihan AI . Bagi sistem yang terus belajar melalui siklus interaksi, evaluasi, kesalahan, dan penghargaan, kapasitas komputasi dan latensi menjadi kebutuhan utama.

Kerja sama ini juga memiliki dimensi strategis. Google sudah menjadi salah satu investor dalam putaran seed Ineffable Intelligence. Google Cloud sendiri baru mengumumkan sejumlah infrastruktur AI, termasuk TPU generasi kedelapan dan instans bare-metal A5X yang ditenagai chip NVIDIA Vera Rubin, dalam ajang Google Cloud Next ’26 .

Pengumuman di London turut menyoroti posisi Inggris sebagai salah satu pusat riset AI frontier, meski perusahaan tersebut masih berada pada tahap awal dan belum membuktikan produknya di pasar .

“Anti-LLM”: belajar dari pengalaman, bukan internet

Sebagian besar LLM—termasuk sistem yang mendukung ChatGPT, Gemini, dan Claude—dilatih menggunakan korpus teks dalam jumlah sangat besar yang dibuat manusia. Pendekatan Ineffable Intelligence mengambil arah berbeda.

Silver berpendapat bahwa ketergantungan pada data manusia dapat menjadi batas mendasar bagi LLM. Model semacam itu dapat mempelajari pola dan menggabungkan informasi yang sudah tersedia, tetapi akan kesulitan menemukan pengetahuan yang belum pernah ditulis atau direkam manusia .

Solusi yang ditawarkan adalah reinforcement learning (RL), metode ketika sistem belajar melalui interaksi dengan lingkungan, lalu menyesuaikan perilakunya berdasarkan sinyal penghargaan atau hukuman. Alih-alih terlebih dahulu “membaca” internet, AI menghasilkan pengalaman dan datanya sendiri melalui proses trial and error .

Gagasan ini berakar pada karya Silver sebelumnya. AlphaGo, AlphaZero, dan MuZero menunjukkan bagaimana sistem dapat menguasai permainan kompleks melalui permainan mandiri dan eksperimen, tanpa harus bergantung sepenuhnya pada rekaman permainan manusia . Dalam makalahnya pada 2024, “Reward is Enough”, Silver menguraikan kerangka pemikiran bahwa agen yang cukup cerdas dan diarahkan oleh sinyal penghargaan dapat memperoleh pengetahuan yang dibutuhkan untuk menyelesaikan berbagai tugas .

Ineffable Intelligence menyebut misinya sebagai upaya “melakukan kontak pertama dengan superintelligence” . Targetnya adalah sistem pembelajaran umum yang mampu menemukan keterampilan dan pengetahuan baru secara berkelanjutan.

Taruhan besar yang belum terbukti

Keterlibatan Sequoia, Lightspeed, Google, Nvidia, dan Sovereign AI Fund menunjukkan bahwa reinforcement learning berbasis pengalaman dipandang sebagian investor dan pemain industri sebagai jalur yang kredibel menuju AI tingkat lanjut . Posisi ini menjadikan Ineffable Intelligence penyeimbang bagi strategi perusahaan yang berfokus pada pembesaran LLM dan penambahan data pelatihan.

Namun, modal besar tidak menghapus risiko ilmiahnya. RL dalam skala yang diperlukan untuk membangun “superlearner” diperkirakan sangat boros komputasi dan sejauh ini paling meyakinkan dalam lingkungan yang terstruktur, seperti permainan atau simulasi. Belum ada bukti bahwa pendekatan tersebut dapat menghasilkan terobosan dalam penemuan ilmiah dunia nyata atau bidang terbuka yang jauh lebih kompleks.

US$1,1 miliar memberi Ineffable Intelligence ruang waktu dan daya komputasi untuk mengejar hipotesisnya. Tantangan sesungguhnya adalah membuktikan bahwa AI yang belajar dari pengalaman sendiri dapat melampaui kemampuan LLM—bukan hanya dalam permainan, tetapi juga dalam persoalan dunia nyata yang jawabannya belum diketahui manusia.

Pendanaan seed US$1,1 miliar sebelum punya produk

Ineffable Intelligence muncul dari mode senyap dengan pendanaan awal US$1,1 miliar dan valuasi US$5,1 miliar. Nilai tersebut menjadikan putaran ini sebagai pendanaan seed terbesar dalam sejarah perusahaan rintisan Eropa, menurut sejumlah laporan .

Pendanaan itu dipimpin bersama oleh Sequoia Capital dan Lightspeed Venture Partners. Nvidia, Google, DST Global, Index Ventures, serta Sovereign AI Fund milik Inggris turut berpartisipasi .

Besarnya pendanaan ini menarik perhatian karena perusahaan tersebut belum mengumumkan produk, peta jalan publik, maupun pendapatan. Dengan kata lain, investor tidak sekadar mendanai produk yang sudah terbukti, melainkan bertaruh pada reputasi Silver dan arah riset yang masih sangat eksperimental .

Mengapa Google Cloud dipilih?

Setelah mengevaluasi pasar infrastruktur komputasi, Ineffable Intelligence menunjuk Google Cloud sebagai mitra infrastruktur eksklusif untuk misi “superlearner”-nya .

Kesepakatan tersebut memberi perusahaan akses ke infrastruktur AI Hypercomputer Google Cloud dan salah satu susunan GPU bertenaga NVIDIA terbesar untuk mendukung riset serta pelatihan AI . Bagi sistem yang terus belajar melalui siklus interaksi, evaluasi, kesalahan, dan penghargaan, kapasitas komputasi dan latensi menjadi kebutuhan utama.

Kerja sama ini juga memiliki dimensi strategis. Google sudah menjadi salah satu investor dalam putaran seed Ineffable Intelligence. Google Cloud sendiri baru mengumumkan sejumlah infrastruktur AI, termasuk TPU generasi kedelapan dan instans bare-metal A5X yang ditenagai chip NVIDIA Vera Rubin, dalam ajang Google Cloud Next ’26 .

Pengumuman di London turut menyoroti posisi Inggris sebagai salah satu pusat riset AI frontier, meski perusahaan tersebut masih berada pada tahap awal dan belum membuktikan produknya di pasar .

“Anti-LLM”: belajar dari pengalaman, bukan internet

Sebagian besar LLM—termasuk sistem yang mendukung ChatGPT, Gemini, dan Claude—dilatih menggunakan korpus teks dalam jumlah sangat besar yang dibuat manusia. Pendekatan Ineffable Intelligence mengambil arah berbeda.

Silver berpendapat bahwa ketergantungan pada data manusia dapat menjadi batas mendasar bagi LLM. Model semacam itu dapat mempelajari pola dan menggabungkan informasi yang sudah tersedia, tetapi akan kesulitan menemukan pengetahuan yang belum pernah ditulis atau direkam manusia .

Solusi yang ditawarkan adalah reinforcement learning (RL), metode ketika sistem belajar melalui interaksi dengan lingkungan, lalu menyesuaikan perilakunya berdasarkan sinyal penghargaan atau hukuman. Alih-alih terlebih dahulu “membaca” internet, AI menghasilkan pengalaman dan datanya sendiri melalui proses trial and error .

Gagasan ini berakar pada karya Silver sebelumnya. AlphaGo, AlphaZero, dan MuZero menunjukkan bagaimana sistem dapat menguasai permainan kompleks melalui permainan mandiri dan eksperimen, tanpa harus bergantung sepenuhnya pada rekaman permainan manusia . Dalam makalahnya pada 2024, “Reward is Enough”, Silver menguraikan kerangka pemikiran bahwa agen yang cukup cerdas dan diarahkan oleh sinyal penghargaan dapat memperoleh pengetahuan yang dibutuhkan untuk menyelesaikan berbagai tugas .

Ineffable Intelligence menyebut misinya sebagai upaya “melakukan kontak pertama dengan superintelligence” . Targetnya adalah sistem pembelajaran umum yang mampu menemukan keterampilan dan pengetahuan baru secara berkelanjutan.

Taruhan besar yang belum terbukti

Keterlibatan Sequoia, Lightspeed, Google, Nvidia, dan Sovereign AI Fund menunjukkan bahwa reinforcement learning berbasis pengalaman dipandang sebagian investor dan pemain industri sebagai jalur yang kredibel menuju AI tingkat lanjut . Posisi ini menjadikan Ineffable Intelligence penyeimbang bagi strategi perusahaan yang berfokus pada pembesaran LLM dan penambahan data pelatihan.

Namun, modal besar tidak menghapus risiko ilmiahnya. RL dalam skala yang diperlukan untuk membangun “superlearner” diperkirakan sangat boros komputasi dan sejauh ini paling meyakinkan dalam lingkungan yang terstruktur, seperti permainan atau simulasi. Belum ada bukti bahwa pendekatan tersebut dapat menghasilkan terobosan dalam penemuan ilmiah dunia nyata atau bidang terbuka yang jauh lebih kompleks.

US$1,1 miliar memberi Ineffable Intelligence ruang waktu dan daya komputasi untuk mengejar hipotesisnya. Tantangan sesungguhnya adalah membuktikan bahwa AI yang belajar dari pengalaman sendiri dapat melampaui kemampuan LLM—bukan hanya dalam permainan, tetapi juga dalam persoalan dunia nyata yang jawabannya belum diketahui manusia.