David Silvers nya AI-bolag satsar på inlärning genom erfarenhet

På bara sex veckor har ett nystartat Londonbolag gjort två uppseendeväckande drag: Ineffable Intelligence har säkrat Europas största såddrunda någonsin och tecknat ett exklusivt avtal med Google Cloud om tillgång till avancerad AI-infrastruktur. Bakom bolaget står David Silver, forskaren som var med och skapade AlphaGo.

Bolagets grundidé går på tvärs mot den dominerande utvecklingen inom generativ AI. I stället för att bygga allt större språkmodeller vill Silver utveckla en ”superlearner” – ett AI-system som lär sig genom att agera, misslyckas, försöka igen och själv upptäcka ny kunskap.

Rekordrundan: 1,1 miljarder dollar innan någon produkt finns

Den 27 april 2026 kom Ineffable Intelligence ut ur så kallat stealth-läge med en såddrunda på 1,1 miljarder dollar. Finansieringen värderade bolaget till 5,1 miljarder dollar och beskrevs som den största såddrundan i Europas historia .

Rundan leddes gemensamt av Sequoia Capital och Lightspeed Venture Partners. Bland övriga investerare finns Nvidia, Google, DST Global, Index Ventures och Storbritanniens Sovereign AI Fund .

Det anmärkningsvärda är inte bara summan, utan också tidpunkten: bolaget har ännu ingen offentlig produkt, inga redovisade intäkter och ingen detaljerad offentlig färdplan. Kapitalet är därför i första hand en satsning på Silver – och på hans forskningsinriktning .

Google Cloud blir exklusiv infrastrukturpartner

Den 16 juni 2026 meddelade Ineffable Intelligence vid Google Cloud Summit i London att Google Cloud blir bolagets exklusiva infrastrukturpartner . Avtalet ska ge AI-laboratoriet tillgång till en av de största samlingarna av Nvidia-baserade GPU:er via Google Clouds AI Hypercomputer-plattform .

För ett system som ska tränas genom ständiga försök och misstag är beräkningskapaciteten central. Förstärkningsinlärning kräver att en AI-agent kan interagera med miljöer, utvärdera resultat och upprepa processen i mycket stor skala.

Partnerskapet har också en tydlig strategisk koppling: Google var redan en av investerarna i såddrundan. Google Cloud har dessutom presenterat ny AI-optimerad hårdvara, bland annat åttonde generationens TPU 8t och TPU 8i samt A5X-bare-metalinstanser med Nvidias Vera Rubin-plattform .

Varför Silver vill bort från språkmodellerna

David Silver var tidigare chef för DeepMinds forskargrupp för förstärkningsinlärning och är huvudarkitekten bakom AlphaGo, AlphaZero och MuZero. Dessa system lärde sig bemästra bland annat Go och schack genom självspel och återkoppling, i stället för att först studera stora mängder mänskliga spelpartier .

Det är samma princip Silver nu vill skala upp långt utanför spelvärlden.

Stora språkmodeller, eller LLM:er, tränas på omfattande textmängder som människor har skapat. Enligt Silvers tes innebär det en grundläggande begränsning: modellerna kan kombinera och generalisera från det människor redan har skrivit, men har svårare att upptäcka kunskap som ingen människa tidigare har dokumenterat .

Ineffable Intelligence vill i stället att AI-systemet genererar sina egna erfarenheter genom att interagera med simulerade eller verkliga miljöer. Systemet får belöningar när det lyckas och negativa signaler när det misslyckas – en process som kallas förstärkningsinlärning .

Silver har beskrivit det teoretiska ramverket i artikeln ”Reward is Enough” från 2024. Där argumenterar han för att en tillräckligt intelligent agent, styrd av ett belöningssystem, i princip kan lära sig den kunskap som krävs för att lösa många olika typer av problem .

En ”anti-LLM”-strategi med hög risk

Ineffable Intelligence positionerar sig därmed som en motpol till företag som främst konkurrerar genom större språkmodeller och mer träningsdata. Bolagets mål är enligt den egna formuleringen att ”få den första kontakten med superintelligens” .

Att Nvidia, Google Cloud och flera ledande riskkapitalbolag deltar visar att förstärkningsinlärning och så kallad erfarenhetsbaserad inlärning ses som ett seriöst alternativ till dagens LLM-fokuserade utveckling . Men investerarnas övertygelse är inte samma sak som att metoden är bevisad.

Förstärkningsinlärning i den skala som krävs för en generell ”superlearner” är extremt beräkningskrävande. Metoden har dessutom hittills fungerat bäst i spel eller tydligt avgränsade simuleringar, där reglerna är kända och framgång kan mätas. Det återstår att se om samma angreppssätt kan leda till vetenskapliga genombrott eller hantera öppna, verkliga problem.

Med 1,1 miljarder dollar i startkapital och en av världens största molnplattformar bakom sig har Ineffable Intelligence gott om tid och datorkraft att testa sin hypotes. Frågan är om AI:s nästa stora steg kommer från ännu större modeller – eller från maskiner som lär sig genom att själva upptäcka världen.