图灵奖得主萨顿 WAIC 2026 演讲：大模型范式触顶，AI 需走向“自身经验学习”
摘要：2024 年图灵奖得主理查德·萨顿在 WAIC 2026 上提出，当前大语言模型的发展路径已接近极限，AI 需要像婴儿一样通过"自身经验"学习。本文深入分析其核心论点、技术可行性及行业影响。
一、核心论点拆解：萨顿到底在批评什么？
1.1 "知识搬运工"的本质
萨顿指出当前大模型的核心局限在于：
- 预测而非理解：模型只是从海量人类文本中提取统计规律，预测下一个词的出现概率
- 知识边界固化：训练数据耗尽后，模型无法生成新的知识
- 缺乏自我验证：没有奖励信号机制，无法区分真假
关键洞察：这不是在否定大模型的价值，而是在指出其范式天花板。就像汽车跑得再快，如果只能沿着既定路线行驶，就无法探索新大陆。
1.2 与《苦涩的教训》的历史闭环
2019 年萨顿提出的"The Bitter Lesson"核心观点是：
| 时代 | 方法 | 结果 |
|---|---|---|
| 早期 AI | 依赖人类知识设计规则 | 效果有限，难以扩展 |
| 深度学习时代 | 堆算力 + 大数据 | 突破性进展 |
| 当前瓶颈 | 继续堆数据 + 算力 | 边际效益递减 |
萨顿的逻辑一致性在于：凡是依赖人类知识的方案最终都会遇到瓶颈，真正突破来自让系统从经验中学习。
二、技术可行性分析：从 AlphaGo 到 Oak Lab
2.1 先例验证：强化学习的成功路径
萨顿提到的案例具有说服力：
AlphaGo (2016) → 自我对弈 3000 万局 → 击败人类冠军
AlphaProof (2024) → 自动生成证明 → 解决 IMO 级别难题
共同特征：
- 明确的奖励信号（赢/输、证明正确性）
- 自我交互产生的海量经验
- 无需人类标注数据
2.2 Oak Lab 的技术挑战
| 目标 | 难度评估 | 关键问题 |
|---|---|---|
| 万亿参数智能体 | ⭐⭐⭐⭐ | 现有最大模型约 1-2 万亿，但那是静态的 |
| 实时学习与规划 | ⭐⭐⭐⭐⭐ | 推理时更新权重计算复杂度极高 |
| 20W 功耗 | ⭐⭐⭐⭐⭐ | 人脑 ~20W，但只有 860 亿神经元；当前 GPU 集群功耗以 MW 计 |
最核心的技术鸿沟：
- 大模型的"学习"是离线训练，参数固定
- 萨顿设想的 AI 需要在线持续学习，同时保持稳定性
- 这涉及到灾难性遗忘、元学习、神经符号系统等多个未解难题
三、行业影响：范式转移的前夜？
3.1 对主流 AI 路线的挑战
如果萨顿的观点成立，意味着：
当前主流路线 (LLM + RAG + Fine-tuning)
↓
边际效益递减
↓
需要新范式
↓
经验学习 + 自主规划 + 实时适应
可能受影响的企业/领域：
- 依赖数据标注的公司：如果 AI 能自主学习，标注成本将大幅降低
- 传统软件工程：自主智能体可能替代大量规则编码工作
- 教育行业：个性化自适应学习系统将成为可能
3.2 投资风向的可能变化
| 当前热点 | 潜在转向 |
|---|---|
| 更大模型 | 更高效的学习算法 |
| 更多数据 | 更好的奖励机制设计 |
| 应用层创新 | 基础架构重构 |
四、理性看待：乐观与审慎的平衡
4.1 萨顿论点的优势
✅ 逻辑自洽：与其历史工作高度一致
✅ 有成功案例：AlphaGo/AlphaProof 验证了路径可行性
✅ 指出真问题：幻觉、知识截止确实是 LLM 的痛点
4.2 需要警惕的方面
⚠️ 时间线过于乐观：20W 功耗的万亿参数实时学习系统，可能需要 10 年甚至更久
⚠️ 忽略混合路径：也许 LLM + RLHF + 工具调用 已经足够好，不需要完全替换
⚠️ 商业不确定性：Oak Lab 作为初创公司，资源远少于 OpenAI/Google
4.3 我的判断
短期（1-3 年）：LLM 仍将是主流，但会加入更多自主交互能力
中期（3-7 年）：出现 LLM + 强化学习的混合架构，在特定领域超越纯 LLM
长期（7-15 年）：基于经验的 AI 可能在通用智能任务上取得突破
五、给从业者的建议
5.1 产品经理
- 关注"智能体"方向：从"对话界面"转向"任务执行界面"
- 设计反馈机制：为 AI 系统建立清晰的奖励/惩罚信号
- 接受不完美：早期经验学习系统会有更多错误，需要容忍度
5.2 工程师
- 学习强化学习基础：即使不做 RL，也要理解其思想
- 关注效率优化：20W 功耗的目标倒逼绿色 AI 发展
- 实验精神：在现有 LLM 基础上尝试在线微调和小规模 RL
5.3 投资者
- 跟踪 Oak Lab 进展：作为风向标，但不押注单一公司
- 多元化布局：既投 LLM 应用，也投 RL/Agent 基础设施
- 关注人才流动：萨顿的动向可能带动一批强化学习人才创业
结语：AI 的"青春期"
萨顿的演讲让人联想到人类成长过程：
婴儿期 (感知 - 运动学习) → 儿童期 (模仿 - 游戏) → 青春期 (抽象思维 - 符号推理)
↑ ↑
AlphaGo/Oak Lab 方向 当前 LLM 方向
当前的大模型更像是进入了"青春期"——能言善辩但偶尔胡言乱语，知识渊博但缺乏真正的理解。萨顿提醒我们，真正的智能不是记住多少知识，而是能从经验中持续成长。
这场辩论没有简单的对错，而是关于AI 应该往哪里走的根本性问题。无论答案是什么，SA 都正在加速到来。
延伸思考：如果你来设计一个"从经验学习"的 AI 系统，你会如何定义它的"奖励信号"？欢迎在评论区分享你的想法。